ਆਵਾਜਾਈ ਅਤੇ ਆਵਾਜਾਈ ਮਾਡਲਿੰਗ

ਲਾਭ:

• ਆਵਾਜਾਈ ਦੀ ਮੰਗ, ਟ੍ਰਿਪ ਜਨਰੇਸ਼ਨ ਅਤੇ ਟ੍ਰੈਫਿਕ ਮਾਡਲਿੰਗ ਵਰਕਫਲੋ ਵਿੱਚ ਡੇਟਾ, ਦ੍ਰਿਸ਼ਾਂ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਏਆਈ ਦੀ ਭੂਮਿਕਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
• AI ਨਾਲ ਟ੍ਰੈਫਿਕ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਡੇਟਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਦੇ ਸਮੇਂ ਧਾਰਨਾ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਤਸਦੀਕ ਦੀ ਜ਼ਰੂਰਤ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਦੀ ਯੋਗਤਾ
• ਇਹ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਕਿ ਆਵਾਜਾਈ ਮਾਡਲ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਅਧਿਕਾਰਤ ਢੰਗ, ਖੇਤਰ ਦੀ ਜਨਗਣਨਾ ਅਤੇ ਸਮਰੱਥ ਆਵਾਜਾਈ ਮਾਹਰ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।

ਇੱਕ ਸ਼ਹਿਰ ਕਿਵੇਂ ਚਲਦਾ ਹੈ ਇਹ ਇਸ ਗੱਲ ਦਾ ਸ਼ੀਸ਼ਾ ਹੈ ਕਿ ਇਹ ਕਿਵੇਂ ਯੋਜਨਾਬੱਧ ਹੈ। ਲੋਕ ਕਿੱਥੋਂ, ਕਿਸ ਸਮੇਂ, ਕਿਹੜੇ ਵਾਹਨ ਨਾਲ ਜਾਂਦੇ ਹਨ; ਨਵਾਂ ਹਾਊਸਿੰਗ ਡਿਵੈਲਪਮੈਂਟ ਬਲਾਕ ਕਿਸ ਚੌਰਾਹੇ 'ਤੇ ਬਣੇਗਾ? ਇੱਕ ਮੈਟਰੋ ਲਾਈਨ ਕਿੱਥੇ ਖਿੱਚੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ? ਟ੍ਰਾਂਸਪੋਰਟੇਸ਼ਨ ਡਿਮਾਂਡ ਮਾਡਲਿੰਗ ਇਹਨਾਂ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦਿੰਦੀ ਹੈ। ਕਲਾਸਿਕ ਪਹੁੰਚ ਇੱਕ ਚਾਰ-ਪੜਾਅ ਵਾਲਾ ਮਾਡਲ ਹੈ: ਟ੍ਰਿਪ ਜਨਰੇਸ਼ਨ (ਹਰੇਕ ਖੇਤਰ ਕਿੰਨੀਆਂ ਯਾਤਰਾਵਾਂ ਉਤਪੰਨ ਕਰਦਾ ਹੈ/ਆਕਰਸ਼ਿਤ ਕਰਦਾ ਹੈ), ਵੰਡ (ਕਿਨ੍ਹਾਂ ਖੇਤਰਾਂ ਵਿੱਚ ਯਾਤਰਾਵਾਂ ਯਾਤਰਾ ਕਰਦੀਆਂ ਹਨ), ਮੋਡ ਦੀ ਚੋਣ (ਵਾਹਨ/ਜਨਤਕ ਆਵਾਜਾਈ/ਪੈਦਲ ਯਾਤਰੀ), ਅਤੇ ਅਸਾਈਨਮੈਂਟ (ਕਿਹੜੇ ਰੂਟ ਯਾਤਰਾਵਾਂ ਲੈਂਦੇ ਹਨ)। AI ਇਸ ਪ੍ਰਕਿਰਿਆ ਦੇ ਡੇਟਾ ਤਿਆਰ ਕਰਨ, ਦ੍ਰਿਸ਼ ਨਿਰਮਾਣ, ਨਤੀਜਿਆਂ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਪੜਾਵਾਂ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਪਰ ਟ੍ਰੈਫਿਕ ਮਾਡਲ ਇੱਕ ਭੌਤਿਕ ਪ੍ਰਣਾਲੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ (ਮਾਡਲ ਨੂੰ ਅਸਲ ਸਾਈਟ ਗਿਣਤੀ ਨਾਲ ਮੇਲਣਾ)। AI ਅਸਾਈਨਮੈਂਟ ਗਣਨਾ ਖੁਦ ਨਹੀਂ ਕਰਦਾ; ਇੱਕ ਕੈਲੀਬਰੇਟਿਡ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਦਾ ਹੈ। ਅੰਤਮ ਮੁਲਾਂਕਣ ਸਮਰੱਥ ਆਵਾਜਾਈ ਮਾਹਰ ਨਾਲ ਸਬੰਧਤ ਹੈ।

ਚਾਰ-ਪੜਾਅ ਮਾਡਲ ਦਾ ਤਰਕ

ਟ੍ਰਿਪ ਜਨਰੇਸ਼ਨ: ਹਰੇਕ ਟ੍ਰੈਫਿਕ ਵਿਸ਼ਲੇਸ਼ਣ ਜ਼ੋਨ ਆਬਾਦੀ, ਨੌਕਰੀਆਂ ਅਤੇ ਸਕੂਲਾਂ ਵਰਗੇ ਡੇਟਾ ਦੇ ਆਧਾਰ 'ਤੇ ਯਾਤਰਾਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ ਅਤੇ ਆਕਰਸ਼ਿਤ ਕਰਦਾ ਹੈ। ਰਿਹਾਇਸ਼ੀ ਖੇਤਰ ਸਵੇਰ ਦੇ ਆਉਣ-ਜਾਣ ਪੈਦਾ ਕਰਦਾ ਹੈ, ਵਪਾਰਕ ਕੇਂਦਰ ਆਕਰਸ਼ਿਤ ਕਰਦਾ ਹੈ।

ਡਿਸਟ੍ਰੀਬਿਊਸ਼ਨ: ਤਿਆਰ ਕੀਤੀਆਂ ਯਾਤਰਾਵਾਂ ਖੇਤਰਾਂ ਵਿਚਕਾਰ ਸਾਂਝੀਆਂ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ; ਆਮ ਤੌਰ 'ਤੇ ਨਜ਼ਦੀਕੀ ਅਤੇ ਆਕਰਸ਼ਕ ਖੇਤਰਾਂ ਨੂੰ ਵਧੇਰੇ ਯਾਤਰਾਵਾਂ ਮਿਲਦੀਆਂ ਹਨ (ਗ੍ਰੈਵਿਟੀ-ਵਰਗੇ ਪੈਟਰਨ)।

ਮੋਡ ਦੀ ਚੋਣ: ਕੀ ਯਾਤਰਾ ਨਿੱਜੀ ਵਾਹਨ, ਬੱਸ ਜਾਂ ਪੈਦਲ ਕੀਤੀ ਜਾਵੇਗੀ? ਲਾਗਤ ਸਮਾਂ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ।

ਅਸਾਈਨਮੈਂਟ: ਯਾਤਰਾਵਾਂ ਨੂੰ ਸੜਕ ਦੇ ਨੈਟਵਰਕ ਵਿੱਚ ਵੰਡਿਆ ਜਾਂਦਾ ਹੈ; ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਰੂਟ ਅਤੇ ਕਿਹੜਾ ਚੌਰਾਹੇ ਅਤੇ ਕਿੰਨਾ ਲੋਡ ਹੋਵੇਗਾ।

ਇਸ ਲੜੀ ਵਿੱਚ ਹਰੇਕ ਲਿੰਕ ਡੇਟਾ ਅਤੇ ਧਾਰਨਾਵਾਂ 'ਤੇ ਅਧਾਰਤ ਹੈ। AI ਧਾਰਨਾਵਾਂ ਨੂੰ ਅਨੁਕੂਲ ਕਰਨ ਅਤੇ ਦ੍ਰਿਸ਼ਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਵਿੱਚ ਮਦਦਗਾਰ ਹੈ, ਪਰ ਇਹ ਕੈਲੀਬਰੇਟਿਡ ਮਾਡਲ ਹੈ ਜੋ ਚੇਨ ਦੇ ਸੰਖਿਆਤਮਕ ਕੋਰ ਨੂੰ ਪੈਦਾ ਕਰਦਾ ਹੈ।

ਸਾਵਧਾਨ: ਇੱਕ ਗੈਰ-ਕੈਲੀਬਰੇਟਡ ਟ੍ਰੈਫਿਕ ਮਾਡਲ ਅਜਿਹੇ ਵੌਲਯੂਮ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਅਸਲੀਅਤ ਲਈ ਅਪ੍ਰਸੰਗਿਕ ਹਨ। ਸਿਰਫ਼ ਕਿਉਂਕਿ ਇੱਕ ਇੰਟਰਸੈਕਸ਼ਨ "ਸਹਿਜ" ਦਿਖਾਈ ਦਿੰਦਾ ਹੈ ਇਸਦਾ ਮਤਲਬ ਹੋ ਸਕਦਾ ਹੈ ਕਿ ਮਾਡਲ ਅਸਲ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦਾ ਹੈ। ਮਾਡਲ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹਮੇਸ਼ਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਸਥਿਤੀ ਦੀ ਪੁੱਛਗਿੱਛ ਕਰੋ।

ਆਧੁਨਿਕ ਆਵਾਜਾਈ ਯੋਜਨਾ ਵਿੱਚ ਚਾਰ-ਪੜਾਅ ਦੇ ਮਾਡਲ ਤੋਂ ਇਲਾਵਾ, ਨਵੇਂ ਡੇਟਾ ਸਰੋਤ ਤੇਜ਼ੀ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੇ ਜਾ ਰਹੇ ਹਨ: ਮੋਬਾਈਲ ਫੋਨ ਮੂਵਮੈਂਟ ਡੇਟਾ (ਅਗਿਆਤ ਸਥਾਨ ਸਿਗਨਲ), ਜਨਤਕ ਟ੍ਰਾਂਸਪੋਰਟ ਕਾਰਡ ਡੇਟਾ, ਨੇਵੀਗੇਸ਼ਨ ਐਪਲੀਕੇਸ਼ਨਾਂ ਤੋਂ ਸਪੀਡ ਡੇਟਾ। ਇਹ ਸਰੋਤ ਰਵਾਇਤੀ ਫੀਲਡ ਜਨਗਣਨਾਵਾਂ ਨਾਲੋਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਵਿਆਪਕ ਅਤੇ ਵਧੇਰੇ ਨਿਰੰਤਰ ਤਸਵੀਰ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਏਆਈ ਇਸ ਵੱਡੇ ਅਤੇ ਗੜਬੜ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਸਾਫ਼ ਕਰਨ, ਪੈਟਰਨਾਂ ਨੂੰ ਕੱਢਣ ਅਤੇ ਇਸਨੂੰ ਮਾਡਲ ਵਿੱਚ ਇਨਪੁਟ ਵਿੱਚ ਆਕਾਰ ਦੇਣ ਵਿੱਚ ਅਨਮੋਲ ਹੈ। ਪਰ ਇਹ ਡੇਟਾ ਗੋਪਨੀਯਤਾ ਦੇ ਗੰਭੀਰ ਖਤਰੇ ਪੈਦਾ ਕਰਦਾ ਹੈ: ਭਾਵੇਂ ਵਿਅਕਤੀਗਤ ਗਤੀਵਿਧੀ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਜਦੋਂ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਤਾਂ ਇਹ ਵਿਅਕਤੀਆਂ ਨੂੰ ਪਛਾਣਨ ਯੋਗ ਬਣਾ ਸਕਦਾ ਹੈ। ਇਸਲਈ, ਟਿਕਾਣਾ ਡੇਟਾ ਸਿਰਫ ਉਚਿਤ ਤੌਰ 'ਤੇ ਇਕੱਠੇ ਕੀਤੇ ਅਤੇ ਅਗਿਆਤ ਅਤੇ ਸੰਬੰਧਿਤ ਗੋਪਨੀਯਤਾ ਕਾਨੂੰਨ ਦੇ ਅਨੁਸਾਰ ਵਰਤਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਕੱਚੇ ਵਿਅਕਤੀਗਤ ਟਰੇਸ ਨੂੰ ਕਦੇ ਵੀ ਵੰਡਿਆ ਨਹੀਂ ਜਾਣਾ ਚਾਹੀਦਾ।

AI ਦੀਆਂ ਉਚਿਤ ਭੂਮਿਕਾਵਾਂ

• ਡਾਟਾ ਸੰਗਠਨ: ਕਾਉਂਟਿੰਗ, GTFS (ਜਨਤਕ ਟ੍ਰਾਂਸਪੋਰਟ ਟ੍ਰਿਪ ਡੇਟਾ), OD (ਸਰੋਤ-ਮੰਜ਼ਿਲ) ਮੈਟ੍ਰਿਕਸ ਕਲੀਨਿੰਗ ਅਤੇ ਟੇਬਲਿਊਲੇਸ਼ਨ।
• ਦ੍ਰਿਸ਼ ਸੈੱਟਅੱਪ: "ਨਵਾਂ ਪੁਲ", "ਬੱਸ ਲਾਈਨ ਜੋੜੀ", "ਵਾਹਨ ਪਾਬੰਦੀ" ਵਰਗੇ ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰਨਾ।
• ਨਤੀਜਾ ਟਿੱਪਣੀ: ਮਾਡਲ ਆਉਟਪੁੱਟ ਵਿੱਚ ਵਾਲੀਅਮ, ਲੇਟੈਂਸੀ, ਅਤੇ ਸੇਵਾ ਪੱਧਰ ਦਾ ਇੱਕ ਸਾਦੀ ਭਾਸ਼ਾ ਦਾ ਸੰਖੇਪ।
• ਪਹੁੰਚਯੋਗਤਾ ਵਿਸ਼ਲੇਸ਼ਣ ਡਰਾਫਟ: ਵਿਸ਼ਲੇਸ਼ਣਾਂ ਦਾ ਸੰਪਾਦਨ ਕਰਨਾ ਜਿਵੇਂ ਕਿ "15-ਮਿੰਟ ਦਾ ਸ਼ਹਿਰ" (ਅਸਲ ਨੈਟਵਰਕ ਡੇਟਾ ਨਾਲ ਦੁਬਾਰਾ)।
• ਰਿਪੋਰਟਿੰਗ: ਹਿੱਸੇਦਾਰਾਂ ਅਤੇ ਕੌਂਸਲ ਲਈ ਨਤੀਜਿਆਂ ਨੂੰ ਸਮਝਣ ਯੋਗ ਬਣਾਉਣਾ।

ਕਦਮ ਦਰ ਕਦਮ: ਏਆਈ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਆਵਾਜਾਈ ਵਿਸ਼ਲੇਸ਼ਣ

1. ਸਵਾਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੋ. "ਨਵੇਂ ਹਾਊਸਿੰਗ ਇੰਟਰਸੈਕਸ਼ਨ X ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰੇਗੀ?"
2. ਡਾਟਾ ਇਕੱਠਾ ਕਰੋ. ਫੀਲਡ ਜਨਗਣਨਾ, ਆਬਾਦੀ/ਨੌਕਰੀਆਂ ਦਾ ਡਾਟਾ, ਨੈੱਟਵਰਕ, ਜਨਤਕ ਆਵਾਜਾਈ।
3. ਮਾਡਲ/ਵਿਸ਼ਲੇਸ਼ਣ ਚੁਣੋ। ਚਾਰ ਪੜਾਅ ਜਾਂ ਸਧਾਰਨ ਪਹੁੰਚਯੋਗਤਾ?
4. ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਕੀ ਮਾਡਲ ਅਸਲ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ ਹੈ?
5. AI ਨਾਲ ਦ੍ਰਿਸ਼ ਸੈੱਟ ਕਰੋ। ਹਰ ਦ੍ਰਿਸ਼ ਦੀ ਧਾਰਨਾ ਸਪਸ਼ਟ ਹੈ।
6. ਨਤੀਜੇ 'ਤੇ ਟਿੱਪਣੀ ਕਰੋ। AI ਨਾਲ ਸੰਖੇਪ, ਪਰ ਫੈਸਲਾ ਮਾਹਰ 'ਤੇ ਛੱਡੋ।
7. ਪੁਸ਼ਟੀ ਕਰੋ ਅਤੇ ਰਿਪੋਰਟ ਕਰੋ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਧਾਰਨਾ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਨੂੰ ਲਿਖੋ।

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ

ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ: "ਕੀ ਇਹ ਇੰਟਰਸੈਕਸ਼ਨ ਬਲੌਕ ਕੀਤਾ ਗਿਆ ਹੈ?"

AI ਨਾ ਤਾਂ ਡੇਟਾ ਅਤੇ ਨਾ ਹੀ ਮਾਡਲ ਨੂੰ ਜਾਣਦਾ ਹੈ; ਇੱਕ ਬੇਬੁਨਿਆਦ ਜਵਾਬ ਦਿੰਦਾ ਹੈ ਜੋ ਇੱਕ ਅਨੁਮਾਨ ਹੈ।

ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ: "ਮੈਂ ਇੱਕ ਕੈਲੀਬਰੇਟਿਡ ਟ੍ਰਾਂਸਪੋਰਟ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰ ਰਿਹਾ ਹਾਂ। ਹੇਠਾਂ ਜੰਕਸ਼ਨ ਲਈ ਦੋ ਦ੍ਰਿਸ਼ਾਂ (ਮੌਜੂਦਾ / ਨਵੇਂ ਹਾਊਸਿੰਗ ਪੋਸਟ) ਲਈ ਪੀਕ ਘੰਟੇ ਦੀ ਮਾਤਰਾ ਅਤੇ ਸੇਵਾ ਦਾ ਪੱਧਰ (LOS) ਮੁੱਲ ਹਨ

ਦੂਜਾ ਪ੍ਰੋਂਪਟ AI ਨੂੰ ਦੁਭਾਸ਼ੀਏ ਦੀ ਭੂਮਿਕਾ ਵਿੱਚ ਰੱਖਦਾ ਹੈ; ਮਾਡਲ ਨੰਬਰ ਪੈਦਾ ਕਰਦਾ ਹੈ, AI ਇਸਨੂੰ ਸਰਲ ਬਣਾਉਂਦਾ ਹੈ।

ਚਾਰ ਕਾਪੀ ਕਰਨ ਯੋਗ ਟੈਂਪਲੇਟ

ਟਾਸਕ: ਸੰਸਦ ਲਈ ਢੁਕਵੇਂ ਇੱਕ ਸਧਾਰਨ ਮੀਮੋ ਵਿੱਚ ਹੇਠਾਂ ਦਿੱਤੇ ਟ੍ਰੈਫਿਕ ਨਤੀਜਿਆਂ (ਕੈਲੀਬਰੇਟਿਡ ਮਾਡਲ ਤੋਂ ਆਉਟਪੁੱਟ) ਦਾ ਸਾਰ ਦਿਓ। ਸੇਵਾ ਪੱਧਰ, ਦੇਰੀ, ਅਤੇ ਵਾਲੀਅਮ ਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਰਾਜ ਦੀਆਂ ਧਾਰਨਾਵਾਂ (ਦ੍ਰਿਸ਼ਟੀ ਸਾਲ, ਮੰਗ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸਥਿਤੀ) ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ। ਆਪਣੇ ਆਪ ਨੰਬਰ ਨਾ ਬਣਾਓ। ਆਉਟਪੁੱਟ: [...]

ਟਾਸਕ: ਨਿਮਨਲਿਖਤ ਆਵਾਜਾਈ ਦ੍ਰਿਸ਼ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰੋ: ਉਦੇਸ਼, ਬਦਲਿਆ ਹੋਇਆ ਇਨਪੁਟ, ਸਥਿਰ ਰੱਖਿਆ, ਮਾਪਣ ਲਈ ਸੂਚਕ (ਵਾਲੀਅਮ, ਦੇਰੀ, ਉਪਲਬਧਤਾ)। ਤੁਹਾਨੂੰ ਤੁਲਨਾ ਕਰਨ ਲਈ ਲੋੜੀਂਦਾ "ਬੇਸ ਦ੍ਰਿਸ਼" ਲਿਖੋ। ਦ੍ਰਿਸ਼ ਵਿਚਾਰ: [...]

ਕਾਰਜ: ਕੁਆਲਿਟੀ ਨਿਯੰਤਰਣ ਹੇਠਾਂ ਦਿੱਤੇ ਟ੍ਰੈਫਿਕ/ਆਵਾਜਾਈ ਡੇਟਾ। ਗੁੰਮ, ਅਸੰਗਤ, ਜਾਂ ਪੁਰਾਣੇ ਬਿੰਦੂਆਂ ਦੀ ਸੂਚੀ ਬਣਾਓ। ਫੀਲਡ ਕਾਉਂਟਿੰਗ ਦੁਆਰਾ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਲਈ ਕਿਹੜਾ ਡੇਟਾ ਲੋੜੀਂਦਾ ਹੈ, ਬਾਰੇ ਦੱਸੋ। ਫੈਸਲਾ ਲੈਣਾ। ਡੇਟਾ: [...]

ਕਾਰਜ: ਸ਼ਬਦਾਵਲੀ ਵਿੱਚ ਸਾਦੇ ਤੁਰਕੀ ਵਿੱਚ ਚਾਰ-ਪੜਾਅ ਮਾਡਲ, ਕੈਲੀਬ੍ਰੇਸ਼ਨ, ਸੇਵਾ ਦਾ ਪੱਧਰ (LOS), OD ਮੈਟ੍ਰਿਕਸ, ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰੋ। ਇੱਕ ਵਾਕ ਵਿੱਚ ਹਾਈਲਾਈਟ ਕਰੋ ਕਿ ਹਰੇਕ ਨੂੰ ਅਸਲ ਡੇਟਾ ਦੀ ਲੋੜ ਕਿਉਂ ਹੈ।

ਇੱਕ ਸਾਰਣੀ: ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਕਿਸਮ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ

ਵਿਸ਼ਲੇਸ਼ਣ

ਕੀ ਦਿੰਦਾ ਹੈ

ਏਆਈ ਦੀ ਭੂਮਿਕਾ

ਨਾਜ਼ੁਕ ਤਸਦੀਕ

ਚਾਰ-ਪੜਾਅ ਮਾਡਲ

ਨੈੱਟਵਰਕ ਵਾਲੀਅਮ

ਸਕ੍ਰਿਪਟ + ਟਿੱਪਣੀ

ਖੇਤਰ ਦੀ ਗਿਣਤੀ ਕੈਲੀਬ੍ਰੇਸ਼ਨ

ਪਹੁੰਚਯੋਗਤਾ (15 ਮਿੰਟ)

ਨੇੜਤਾ/ਕਵਰੇਜ

ਗਲਪ + ਰਿਪੋਰਟ

ਨੈੱਟਵਰਕ ਅਤੇ ਸਮਾਂ ਡਾਟਾ ਅੱਪ-ਟੂ-ਡੇਟ

ਇੰਟਰਸੈਕਸ਼ਨ ਵਿਸ਼ਲੇਸ਼ਣ

ਲੇਟੈਂਸੀ, LOS

ਨਤੀਜਾ ਸੰਖੇਪ

ਅਸਲ ਗਿਣਤੀ + ਮਾਹਰ

ਜਨਤਕ ਆਵਾਜਾਈ ਕਵਰੇਜ

ਲਾਈਨ/ਸਟਾਪ ਪਹੁੰਚ

ਡਾਟਾ ਸੰਪਾਦਨ

GTFS ਅੱਪਡੇਟ

ਪੈਦਲ / ਸਾਈਕਲ

ਸੁਰੱਖਿਆ, ਨਿਰੰਤਰਤਾ

ਵਸਤੂ ਦਾ ਖਰੜਾ

ਖੇਤਰ ਨਿਰੀਖਣ

ਤਿੰਨ ਛੋਟੇ ਕੇਸ

ਕੇਸ 1 — ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਤੋਂ ਬਿਨਾਂ ਭਰੋਸਾ ਕਰੋ। ਇੱਕ ਟੀਮ ਕੋਲ AI ਇੱਕ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ ਦਾ ਸਾਰ ਹੈ ਅਤੇ ਕੌਂਸਲ ਨੂੰ "ਇੰਟਰਸੈਕਸ਼ਨ ਰਿਲੈਕਸ" ਨਤੀਜਾ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਫਿਰ ਖੇਤ ਦੀ ਗਿਣਤੀ ਕੀਤੀ ਜਾਂਦੀ ਹੈ; ਮਾਡਲ ਨੇ ਅਸਲ ਟ੍ਰੈਫਿਕ ਦੇ ਅੱਧੇ ਦੀ ਗਣਨਾ ਕੀਤੀ ਕਿਉਂਕਿ OD ਮੈਟ੍ਰਿਕਸ ਪੁਰਾਣਾ ਹੈ। ਕਿਉਂਕਿ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਸੀ, ਗਲਤ ਵਿਸ਼ਵਾਸ ਪੈਦਾ ਕੀਤਾ ਗਿਆ ਸੀ। ਪਾਠ: ਆਉਟਪੁੱਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ 'ਤੇ ਸਵਾਲ ਕਰੋ।

ਕੇਸ 2 - ਸਾਫ਼ ਦ੍ਰਿਸ਼। ਇੱਕ ਯੋਜਨਾਕਾਰ AI ਦੇ ਨਾਲ "ਨਵੀਂ ਬੱਸ ਲਾਈਨ" ਦ੍ਰਿਸ਼ ਨੂੰ ਢਾਂਚਾ ਬਣਾਉਂਦਾ ਹੈ: ਇਹ ਸਪੱਸ਼ਟ ਹੈ ਕਿ ਉਹ ਕੀ ਬਦਲਦਾ ਹੈ (ਲਾਈਨ + ਟ੍ਰਿਪ), ਉਹ ਕੀ ਰੱਖਦਾ ਹੈ (ਜਨਸੰਖਿਆ, ਹੋਰ ਲਾਈਨਾਂ), ਉਹ ਕੀ ਮਾਪਦਾ ਹੈ (ਪਹੁੰਚਯੋਗਤਾ, ਯਾਤਰਾ ਦਾ ਸਮਾਂ)। ਮਾਡਲ ਇਸ ਸਪੱਸ਼ਟ ਦ੍ਰਿਸ਼ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ ਅਤੇ ਨਤੀਜਾ ਵਿਆਖਿਆਯੋਗ ਹੈ। ਇੱਕ ਚੰਗੀ ਤਰ੍ਹਾਂ ਢਾਂਚਾਗਤ ਦ੍ਰਿਸ਼ ਇੱਕ ਚੰਗੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਅੱਧਾ ਹੈ.

ਕੇਸ 3 — ਪਹੁੰਚਯੋਗਤਾ ਪੱਖਪਾਤ। "15-ਮਿੰਟ ਦੇ ਸ਼ਹਿਰ" ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, AI ਸਿਰਫ਼ ਨਿੱਜੀ ਵਾਹਨਾਂ ਦੇ ਸਮੇਂ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਕੇਂਦਰੀ ਆਂਢ-ਗੁਆਂਢ ਨੂੰ "ਪਹੁੰਚਯੋਗ" ਵਜੋਂ ਦਰਸਾਉਂਦਾ ਹੈ। ਜਦੋਂ ਯੋਜਨਾਕਾਰ ਪੈਦਲ ਚੱਲਣ ਅਤੇ ਆਵਾਜਾਈ ਦੇ ਸਮੇਂ ਨੂੰ ਜੋੜਦਾ ਹੈ, ਤਾਂ ਇਹ ਸਪੱਸ਼ਟ ਹੋ ਜਾਂਦਾ ਹੈ ਕਿ ਕਾਰ ਤੋਂ ਬਿਨਾਂ ਪਰਿਵਾਰਾਂ ਕੋਲ ਅਸਲ ਵਿੱਚ ਬਹੁਤ ਮਾੜੀ ਪਹੁੰਚ ਹੈ। ਤੁਸੀਂ ਕਿਸ ਕਿਸਮ ਦੀ ਆਵਾਜਾਈ ਨੂੰ ਮਾਪਦੇ ਹੋ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਸ ਦੀ ਆਵਾਜ਼ ਸੁਣਦੇ ਹੋ।

ਆਮ ਗਲਤੀਆਂ

• ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਛੱਡਣਾ। ਮਾਡਲ ਆਉਟਪੁੱਟ ਜੋ ਕਿ ਖੇਤਰ ਦੀ ਗਿਣਤੀ ਦੁਆਰਾ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਹੈ, ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ।
• AI ਉਤਪਾਦਨ ਨੰਬਰ ਬਣਾਉਣਾ। ਵਾਲੀਅਮ ਅਤੇ ਲੇਟੈਂਸੀ ਕੈਲੀਬਰੇਟ ਕੀਤੇ ਮਾਡਲ ਤੋਂ ਆਉਂਦੀ ਹੈ, ਨਾ ਕਿ AI ਤੋਂ।
• ਅਧਾਰ ਦ੍ਰਿਸ਼ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਨਹੀਂ ਕਰਨਾ। ਤੁਲਨਾ ਲਈ "ਮੌਜੂਦਾ ਸਥਿਤੀ" ਜ਼ਰੂਰੀ ਹੈ।
• ਆਵਾਜਾਈ ਦੇ ਇੱਕ ਸਿੰਗਲ ਮੋਡ ਨੂੰ ਵੇਖ ਰਿਹਾ ਹੈ. ਕਾਰ-ਮੁਕਤ ਪਰਿਵਾਰਾਂ ਲਈ ਸਿਰਫ਼ ਕਾਰ ਦਾ ਸਮਾਂ ਬੇਇਨਸਾਫ਼ੀ ਹੈ।
• ਧਾਰਨਾਵਾਂ ਨੂੰ ਛੁਪਾਉਣਾ. ਦ੍ਰਿਸ਼ ਸਾਲ ਅਤੇ ਮੰਗ ਦੀ ਧਾਰਨਾ ਸਪੱਸ਼ਟ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।
• ਘਣਤਾ ਦੇ ਨਾਲ ਪਹੁੰਚਯੋਗਤਾ ਨੂੰ ਉਲਝਾਉਣਾ। ਨੇੜਤਾ ਇੱਕ ਚੀਜ਼ ਹੈ, ਸਮਰੱਥਾ ਹੋਰ ਹੈ.

ਸਾਰੰਸ਼ ਵਿੱਚ

ਆਵਾਜਾਈ ਅਤੇ ਆਵਾਜਾਈ ਮਾਡਲਿੰਗ ਚਾਰ-ਪੜਾਅ ਦੀ ਲੜੀ (ਉਤਪਾਦਨ, ਵੰਡ, ਕਿਸਮ ਦੀ ਚੋਣ, ਅਸਾਈਨਮੈਂਟ) ਦੁਆਰਾ ਸ਼ਹਿਰ ਦੀ ਗਤੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਏਆਈ ਡੇਟਾ ਰੈਂਗਲਿੰਗ, ਦ੍ਰਿਸ਼ ਸੰਪਾਦਨ, ਨਤੀਜੇ ਦੀ ਵਿਆਖਿਆ ਅਤੇ ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ; ਪਰ ਡਿਜੀਟਲ ਕੋਰ ਇੱਕ ਕੈਲੀਬਰੇਟਿਡ ਮਾਡਲ ਤਿਆਰ ਕਰਦਾ ਹੈ, ਏਆਈ ਨਹੀਂ। ਕੈਲੀਬ੍ਰੇਸ਼ਨ (ਖੇਤਰ ਦੀ ਗਿਣਤੀ ਨਾਲ ਮੇਲ ਖਾਂਦਾ) ਦੇ ਬਿਨਾਂ ਕਿਸੇ ਵੀ ਆਉਟਪੁੱਟ 'ਤੇ ਭਰੋਸਾ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਇੱਕ ਬੇਸਲਾਈਨ ਦ੍ਰਿਸ਼ ਦੇ ਮੁਕਾਬਲੇ, ਦ੍ਰਿਸ਼ਾਂ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਢਾਂਚਾ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਆਵਾਜਾਈ ਦੇ ਸਾਰੇ ਢੰਗਾਂ (ਪੈਦਲ, ਜਨਤਕ ਆਵਾਜਾਈ, ਵਾਹਨ) ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਅੰਤਮ ਮੁਲਾਂਕਣ ਸਮਰੱਥ ਆਵਾਜਾਈ ਮਾਹਰ ਨਾਲ ਸਬੰਧਤ ਹੈ।

ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ

ਇੱਕ ਟਰਾਂਸਪੋਰਟ ਸਵਾਲ ਚੁਣੋ (ਜਿਵੇਂ ਕਿ ਇੱਕ ਚੌਰਾਹੇ 'ਤੇ ਨਵੇਂ ਹਾਊਸਿੰਗ ਵਿਕਾਸ ਦਾ ਪ੍ਰਭਾਵ)। (1) ਦੂਜੇ ਟੈਂਪਲੇਟ ਨਾਲ ਦ੍ਰਿਸ਼ ਦੀ ਬਣਤਰ: ਕੀ ਬਦਲਦਾ ਹੈ, ਕੀ ਸਥਿਰ ਹੈ, ਕੀ ਮਾਪਿਆ ਜਾਂਦਾ ਹੈ, ਅਧਾਰ ਦ੍ਰਿਸ਼ ਕੀ ਹੈ? (2) ਤੀਜੇ ਟੈਂਪਲੇਟ ਨਾਲ ਤੁਹਾਡੇ ਮੌਜੂਦਾ ਡੇਟਾ ਦੀ ਗੁਣਵੱਤਾ ਦੀ ਜਾਂਚ ਕਰੋ ਅਤੇ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਲਈ ਗੁੰਮ ਹੋਏ ਡੇਟਾ ਨੂੰ ਸੂਚੀਬੱਧ ਕਰੋ। (3) ਅਸੈਂਬਲੀ ਨੋਟ ਵਿੱਚ ਪਹਿਲੇ ਟੈਪਲੇਟ ਦੇ ਨਾਲ ਇੱਕ ਕਾਲਪਨਿਕ ਮਾਡਲ ਆਉਟਪੁੱਟ ਦਾ ਸਾਰ ਦਿਓ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਕਥਨ ਦੀ ਜਾਂਚ ਕਰੋ। (4) ਤੁਹਾਨੂੰ ਕਿਸ ਕਿਸਮ ਦੀ (ਪੈਦਲ/ਜਨਤਕ ਆਵਾਜਾਈ/ਵਾਹਨ) ਪਹੁੰਚਯੋਗਤਾ ਦੀ ਭਾਲ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਦਾ ਤਰਕ ਲਿਖੋ।

ਚੈੱਕਲਿਸਟ

• [ ] ਮੈਂ ਮਾਡਲ ਆਉਟਪੁੱਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਸਥਿਤੀ ਬਾਰੇ ਪੁੱਛਗਿੱਛ ਕੀਤੀ।
• [ ] ਮੈਨੂੰ ਕੈਲੀਬਰੇਟ ਕੀਤੇ ਮਾਡਲ ਤੋਂ ਵਾਲੀਅਮ/ਲੇਟੈਂਸੀ ਨੰਬਰ ਮਿਲੇ ਹਨ, ਨਾ ਕਿ AI ਤੋਂ।
• [ ] ਮੈਂ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਨੂੰ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਸੰਰਚਿਤ ਕੀਤਾ ਅਤੇ ਇਸਦੀ ਤੁਲਨਾ ਇੱਕ ਅਧਾਰ ਦ੍ਰਿਸ਼ ਨਾਲ ਕੀਤੀ।
• [ ] ਮੈਂ ਪੈਦਲ, ਜਨਤਕ ਆਵਾਜਾਈ ਅਤੇ ਵਾਹਨਾਂ ਦੀਆਂ ਕਿਸਮਾਂ ਦਾ ਇਕੱਠੇ ਮੁਲਾਂਕਣ ਕੀਤਾ।
• [ ] ਮੈਂ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਧਾਰਨਾਵਾਂ (ਦ੍ਰਿਸ਼ਟੀ ਸਾਲ, ਮੰਗ ਮੈਟ੍ਰਿਕਸ) ਦੱਸੀਆਂ ਹਨ।
• ਮੈਂ ਆਖ਼ਰੀ ਮੁਲਾਂਕਣ ਕਾਬਲ ਟਰਾਂਸਪੋਰਟ ਮਾਹਿਰ 'ਤੇ ਛੱਡ ਦਿੱਤਾ ਹੈ।
• [ ] ਮੈਂ ਰਿਪੋਰਟ ਵਿੱਚ ਕੈਲੀਬ੍ਰੇਸ਼ਨ ਅਤੇ ਅਨਿਸ਼ਚਿਤਤਾ ਲਿਖੀ ਹੈ।