Publikationer från Malmö universitet
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Artificial intelligence for improving public transport: a mapping study
Malmö universitet, Internet of Things and People (IOTAP). Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). The Swedish Knowledge Centre for Public Transport, K2, Lund, Sweden.ORCID-id: 0000-0002-6019-1182
Faculty of Engineering, Department of Technology and Society, Lund University, Lund, Sweden; The Swedish Knowledge Centre for Public Transport, K2, Lund, Sweden.
Malmö universitet, Internet of Things and People (IOTAP). Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). The Swedish Knowledge Centre for Public Transport, K2, Lund, Sweden.ORCID-id: 0000-0002-9471-8405
Malmö universitet, Fakulteten för teknik och samhälle (TS), Institutionen för datavetenskap och medieteknik (DVMT). Malmö universitet, Internet of Things and People (IOTAP). The Swedish Knowledge Centre for Public Transport, K2, Lund, Sweden.ORCID-id: 0000-0003-0998-6585
2024 (Engelska)Ingår i: Public Transport, ISSN 1866-749X, E-ISSN 1613-7159, Vol. 16, nr 1, s. 99-158Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The objective of this study is to provide a better understanding of the potential of using Artificial Intelligence (AI) to improve Public Transport (PT), by reviewing research literature. The selection process resulted in 87 scientific publications constituting a sample of how AI has been applied to improve PT. The review shows that the primary aims of using AI are to improve the service quality or to better understand traveller behaviour. Train and bus are the dominant modes of transport investigated. Furthermore, AI is mainly used for three tasks; the most frequent one is prediction, followed by an estimation of the current state, and resource allocation, including planning and scheduling. Only two studies concern automation; all the others provide different kinds of decision support for travellers, PT operators, PT planners, or municipalities. Most of the reviewed AI solutions require significant amounts of data related to the travellers and the PT system. Machine learning is the most frequently used AI technology, with some studies applying reasoning or heuristic search techniques. We conclude that there still remains a great potential of using AI to improve PT waiting to be explored, but that there are also some challenges that need to be considered. They are often related to data, e.g., that large datasets of high quality are needed, that substantial resources and time are needed to pre-process the data, or that the data compromise personal privacy. Further research is needed about how to handle these issues efficiently.

Ort, förlag, år, upplaga, sidor
Springer, 2024. Vol. 16, nr 1, s. 99-158
Nyckelord [en]
Artifcial intelligence · Machine learning · Public transit · Mass transit · Public transport · Literature review
Nationell ämneskategori
Datavetenskap (datalogi) Transportteknik och logistik
Forskningsämne
Transportstudier
Identifikatorer
URN: urn:nbn:se:mau:diva-64419DOI: 10.1007/s12469-023-00334-7ISI: 001104065400001Scopus ID: 2-s2.0-85177171423OAI: oai:DiVA.org:mau-64419DiVA, id: diva2:1819501
Projekt
AI and public transport: potential and hindrances
Forskningsfinansiär
Vinnova, VINNOVA
Anmärkning

Ytterligare finansiär: K2 - The Swedish Knowledge Centre for Public Transport

Tillgänglig från: 2023-12-14 Skapad: 2023-12-14 Senast uppdaterad: 2024-04-11Bibliografiskt granskad

Open Access i DiVA

fulltext(1114 kB)14 nedladdningar
Filinformation
Filnamn FULLTEXT02.pdfFilstorlek 1114 kBChecksumma SHA-512
cb6fac8300c5abaf74f75ceb2281cf4359f7ff8848ea4fee8543c46ada6e34a780f08dfb6e1b451646be331a59816884c563a4fc2f3d721117df00b36741370f
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopus

Person

Jevinger, ÅsePersson, Jan A.Davidsson, Paul

Sök vidare i DiVA

Av författaren/redaktören
Jevinger, ÅsePersson, Jan A.Davidsson, Paul
Av organisationen
Internet of Things and People (IOTAP)Institutionen för datavetenskap och medieteknik (DVMT)
I samma tidskrift
Public Transport
Datavetenskap (datalogi)Transportteknik och logistik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 49 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
urn-nbn

Altmetricpoäng

doi
urn-nbn
Totalt: 181 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf