"Дуже захоплююче бачити, як цей метод призводить до кращих прогнозів ранкового руху до 5 ранку, і я вважаю, що його можна швидко розгорнути у багатьох наших центрах управління транспортом", - говорить Шон Цянь. (Кредит: Затвор / Flickr)
Дослідники використовували інформацію, отриману з твітів, щоб забезпечити неперевершену точність прогнозування ранкової структури руху.
Ранковий період щоденних поїздок - один з найбільш завантажених періодів доби для руху транспорту; однак, виявилось, що це найважчий час для прогнозування структури руху. Це пояснюється тим, що більшість методів прогнозування трафіку покладаються на постійний потік даних про трафік з часу, що передує прогнозованому періоду.
Однак більшість людей проводять час, що передує їхньому коммутируют спати або виконувати ранкову процедуру вдома, залишаючи великий пробіл у прогнозованих даних про дорожній рух.
Метод дослідників вирішує цю проблему, витягуючи дані з твітів, надісланих між вечорами до ранку наступного дня. Спочатку вони застосували інтерфейс прикладного програмування (API) Twitter для ідентифікації твітів у межах певної області (у даному випадку міста Пітсбурга) з геотегами із зазначенням місця їх відправлення. Потім вони використали іншу програму під назвою Twint, веб-скрепер, який витягував інші публікації від користувачів із твітами з геотегами, щоб створити кращу картину часу та загальної області, в якій цей користувач був активним. Перед публікацією всі дані були анонімізовані та позбавлені будь-якої особистої інформації.
"Ми стверджуємо, що твіти містять три типи корисної інформації для пояснення ранкового руху на наступний день, що включає стан неспання людей, місцеві події та (заплановані) дорожньо-транспортні пригоди", автори Шон Цянь, доцент цивільної та екологічної інженерії, і Вейран Яо, докторант Цяня, пишуть.
Подальше збільшення цього набору даних дозволило дослідникам отримати додаткову інформацію. За допомогою мовного аналізу команда виявила пошукові терміни, які можуть вказувати на дорожньо-транспортну подію. Сюди входять не тільки аварії, а й заплановане закриття або великі заходи, такі як концерт, спортивна гра чи святкове свято.
Прості особисті твіти, такі як "Вибух у грі Пірати!" або "Цей нахил крила вперед запізниться", насправді може надати важливу інформацію, особливо якщо він позначений геотегом або повідомлений іншими твітами від цього користувача. Подальші дані також були отримані з офіційних рахунків, таких як новини та органи місцевого самоврядування, які часто пишуть про прямі повідомлення про аварії та заплановане закриття.
У поєднанні ці методи забезпечують великий набір даних, що вказує на географічний розподіл та ймовірний час сну / неспання пасажири пасажирів, а також як заплановані, так і випадкові дорожньо-транспортні пригоди, які можуть вплинути на поїздки на роботу. Це подолало інформаційний розрив, створений нічним затишшям руху.
Отримавши цю інформацію, Цянь та Яо змогли забезпечити прогнози дорожнього руху для ранкового періоду поїздки до Пітсбурга з раніше невидимою точністю та створили всеосяжну основу для прогнозування ранкової дорожньої обстановки в містах області.
Ця інформація також дозволяє їм починати робити спостереження та передбачення в більш широкому повсякденному масштабі. Сюди входить виявлення того, що ранковий трафік Пітсбурга, як правило, був більш перевантаженим у вівторок, середу та четвер, що могло б дозволити транспортним агенціям краще управляти ранковою поїздкою. Такі спостереження - раніше неможливі через неможливість точного прогнозування ранкових умов - можуть спричинити прийняття більших рішень щодо управління попитом на поїздки, контролю синхронізації сигналів та маршруту персонального призначення.
"Це дослідження використовує машинне навчання та великі дані, щоб зрозуміти поведінку людей, зберігаючи приватне життя", - говорить Цянь.
"Дуже захоплююче бачити, як цей метод призводить до кращих прогнозів ранкового руху до 5-ї ранку, і я вважаю, що його можна швидко застосувати у багатьох наших центрах управління транспортом".
Про авторів
Їх результати з'являються в Росії Транспортні дослідження. - Оригінальне дослідження
Схожі книги:
Атомні звички: простий та перевірений спосіб побудувати добрі звички та зламати погані
Джеймс Клір
Atomic Habits містить практичні поради щодо розвитку хороших звичок і позбавлення від поганих на основі наукових досліджень зміни поведінки.
Натисніть, щоб дізнатися більше або замовити
Чотири тенденції: незамінні профілі особистості, які розкривають, як зробити своє життя кращим (і життя інших людей кращим теж)
Гретхен Рубін
Чотири схильності визначають чотири типи особистості та пояснюють, як розуміння власних схильностей може допомогти вам покращити стосунки, робочі звички та загальне щастя.
Натисніть, щоб дізнатися більше або замовити
Подумайте ще раз: сила пізнання того, чого ви не знаєте
Адам Грант
Think Again досліджує, як люди можуть змінити свою думку та ставлення, і пропонує стратегії для покращення критичного мислення та прийняття рішень.
Натисніть, щоб дізнатися більше або замовити
Тіло зберігає оцінку: мозок, розум і тіло у зціленні травми
Бесселя ван дер Колка
The Body Keeps the Score обговорює зв’язок між травмою та фізичним здоров’ям і пропонує розуміння того, як травму можна лікувати та вилікувати.
Натисніть, щоб дізнатися більше або замовити
Психологія грошей: позачасові уроки про багатство, жадібність та щастя
від Моргана Хаусела
Психологія грошей досліджує способи, якими наше ставлення до грошей і поведінка можуть впливати на наш фінансовий успіх і загальний добробут.
