Bis zu 50 % günstiger als neu
3 Jahre rebuy Garantie
Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
Samyang
System & SpiegelreflexAlle anzeigen
CanonAlle anzeigen
FujifilmAlle anzeigen
OlympusAlle anzeigen
PanasonicAlle anzeigen
SonyAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
GoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Harnessing Multi-Source Heterogeneous Data for Public Transit

Shaopeng Zhong, Yu Jiang (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book focuses on the innovative use of multi-source heterogeneous data to address key issues in public transit systems. Readers will explore advanced methodologies for data mining, problem diagnosis, mechanism analysis, and stochastic optimization tailored to the public transit context. This book stands out by integrating the latest in data processing techniques, pattern recognition, and mechanism analysis, providing a comprehensive framework for systematic diagnosis and optimization of transit systems. By examining both microscopic and macroscopic perspectives, it offers insights into passenger behavior, system reliability, and personalized transit solutions. The unique approach of this book lies in its holistic perspective, emphasizing the study of patterns, problem diagnosis, mechanism analysis, and model construction through the use of multi-source heterogeneous public transit data. It bridges the gap between multi-source data analysis, Bayesian network technology, and synergistic optimization models, serving as a crucial resource for researchers, practitioners, and policymakers who aim to enhance the efficiency, reliability, and passenger satisfaction of public transit systems.
Dieses Produkt haben wir gerade leider nicht auf Lager.
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
04.09.2026
Sprache
Englisch
EAN
9789819230976
Herausgeber
Springer Singapore
Serien- oder Bandtitel
International Series in Operations Research & Management Science
Sonderedition
Nein
Autor
Shaopeng Zhong, Yu Jiang
Seitenanzahl
272
Einbandart
Gebundene Ausgabe
Buch Untertitel
Problem Diagnosis and Stochastic Optimization
Schlagwörter
Public transit planning, Multi-Source heterogeneous data, Transportation big data, Bayesian network, Multi-objective optimization model, Cluster analysis, Pattern analysis, Transit Assignment, Data mining, Problem diagnosis
Thema-Inhalt
KJMV - Management spezifischer Bereiche KJT - Unternehmensforschung KJMD - Management: Entscheidungstheorie KNG - Transport- und Verkehrswirtschaft
Höhe
235 mm
Breite
15.5 cm

Hersteller: Springer Nature Customer Service Center GmbH, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!