SHORT-TERM BUS PASSENGER DEMAND FORECASTING USING MACHINE LEARNING: A CASE STUDY OF ROUTE №50 IN ASTANA

Aruzhan Amanova; Nurbolat Amilbek; Diyar  Mukhidenov; Zhanat Karashbayeva

doi:10.26577/jpcsit20253205

Автор(и)

Aruzhan Amanova Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0003-9325-2863 (неавтентифікований)
Nurbolat Amilbek Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0004-3973-2820 (неавтентифікований)
Diyar Mukhidenov Astana IT University, Astana, Kazakhstan https://orcid.org/0009-0002-0275-719X (неавтентифікований)
Zhanat Karashbayeva Astana IT University, Astana, Kazakhstan https://orcid.org/0000-0001-7329-3121 (неавтентифікований)

DOI:

https://doi.org/10.26577/jpcsit20253205

Ключові слова:

Public transport demand forecasting, Bus passenger flow, CatBoostRegressor, Machine learning, Traffic congestion, Weather impact, Feature engineering, Urban transit operations

Анотація

Осы зерттеуде машиналық оқыту негізінде қысқа мерзімді автобус жолаушыларының ағынын болжаудың әдісі ұсынылды, әсіресе Астана қаласындағы № 50 бағытты мысалға ала отырып. Қалалардың қарқынды дамуы мен көлік мәселелерінің артуын ескере отырып, автобусқа деген сұранысты дәл болжау ресурстарды тиімді бөлуге, қызмет сапасын арттыруға және жолаушылардың қанағаттанушылығын жоғарылатуға маңызды қадам болып табылады. Зерттеу бірнеше дереккөзден алынған мәліметтерді біріктіреді: көлік компаниясынан жиналған жолаушылар ағыны туралы ақпарат, 15 минуттық интервалмен алынған жол қозғалысының көрсеткіштері және ауа райы жағдайлары; сондай-ақ CatBoostRegressor алгоритмі негізінде әзірленген болжау моделі ұсынылды. Мәліметтер 2024 жылғы желтоқсан айында бір апта бойы жиналып, жалпы 9 819 жолаушылар қозғалысы жазбасын және 22 111 отыруды қамтыды. Зерттеу нәтижелері бойынша модель «A→B» және «B→A» бағыттары үшін тиісінше 2 920 және 2 516 RMSE мәндерімен жоғары дәлдікті көрсетті, әртүрлі уақыттар мен орындардағы сұраныс құрылымын дәл бейнеледі. Белгілердің маңыздылығын талдау аялдама орналасуы, күн кезіндегі уақыт және жол кептелісі сияқты факторлардың автобусқа деген сұранысқа айрықша әсер ететінін көрсетті. Аталған нәтижелер қатаң қысқы және кептелісті қалалық жағдайда автобустарды динамикалық бөлу мен кестені оңтайландыру үшін негіз болады. Бұл зерттеу шектеулі тарихи деректер жиынтығымен эволюцияланатын қалалық ортаға бейімделетін ресурсоэффективті болжау шешімін жасап, әдебиеттегі маңызды олқылықтарды жояды.

Завантажити

Дані для завантаження поки недоступні.

Біографії авторів

автор Aruzhan Amanova, афіліація Astana IT University, Astana, Kazakhstan

Aruzhan Amanova is a junior scientist and second-year Master’s student in Computer Science and Engineering at Astana IT University (Astana, Kazakhstan, 231942@astanait.edu.kz), specializing in data science, machine learning, predictive modeling and data-driven decision-making. Her research focuses on developing and evaluating advanced forecasting models for public transportation demand prediction in urban settings. Aruzhan’s work integrates diverse datasets, including passenger flow records, traffic congestion metrics, and meteorological information, to create data-driven solutions for optimizing bus operations in Astana. Driven by a commitment to smart city innovation, she aims to advance intelligent transit systems and contribute to sustainable urban mobility.
автор Nurbolat Amilbek, афіліація Astana IT University, Astana, Kazakhstan

Nurbolat Amilbek is a junior scientist and graduate student at Astana IT University (Astana, Kazakhstan, 231986@astanait.edu.kz), specializing in data science, machine learning, and artificial intelligence. As a dedicated researcher, Nurbolat is actively involved in various projects that apply advanced technologies to solve real-world challenges. He is currently pursuing his graduate studies, where his academic focus includes intelligent systems, predictive modeling, and data-driven decision-making. Despite being early in his academic career, Nurbolat has already demonstrated a strong commitment to advancing research in smart technologies and their application to urban development. Through his work at Astana IT University, he aspires to contribute to the future of smart cities and innovative solutions for urban infrastructure.
автор Diyar Mukhidenov, афіліація Astana IT University, Astana, Kazakhstan

Diyar Mukhidenov is a junior scientist and Master's student at Astana IT University (Astana, Kazakhstan, 232011@astanait.edu.kz), specializing in software engineering and computer science. A special focus is the active use of game engines paired with machine learning to expand the capabilities of conventional technologies, as well as conducting research on synthetically developed datasets.
автор Zhanat Karashbayeva, афіліація Astana IT University, Astana, Kazakhstan

Zhanat Karashbayeva is a postdoctoral researcher at Astana IT University (Astana, Kazakhstan, zhanat.karashbaeva@astanait.edu.kz), specializing in mathematical and computer modeling.