发现与刻画城市空间中的移动模式：基于曼哈顿出租车数据的研究
社会与信息网络
2016-02-11 v2 信息检索
摘要
如今，城市空间中的人类移动在许多情况下可以被数字追踪。可以观察到，移动模式并非恒定，而是随时间和空间变化。在这项工作中，我们通过创新性地结合过去用于研究人类移动性的两种独立方法来刻画此类时空模式。首先，通过使用非负张量分解（NTF），我们能够根据时空维度对人类行为进行聚类。其次，为了理解这些聚类，我们提议使用 HypTrails，一种用于表达和比较关于人类轨迹假设的贝叶斯方法。为了形式化假设，我们利用网络上公开可用的数据，即 Foursquare 数据和由开放数据平台提供的人口普查数据。通过将这种组合方法应用于曼哈顿的出租车数据，我们能够发现并解释人类移动中不同的模式，这些模式在整体分析中无法识别。作为一个例子，我们可以发现在周末夜晚结束于具有大量聚会场所（根据 Foursquare）地点的出租车行程组。总体而言，我们的工作表明人类移动不是一维的，而是包含在时间和空间上的不同方面，我们利用在线数据对其进行解释。本文的发现主张对人类移动进行更细粒度的分析，以便为例如改善城市结构、定制化交通控制和基于位置的推荐系统做出更明智的决策。
引用
@article{arxiv.1601.05274,
title = {Discovering and Characterizing Mobility Patterns in Urban Spaces: A Study of Manhattan Taxi Data},
author = {Lisette Espín-Noboa and Florian Lemmerich and Philipp Singer and Markus Strohmaier},
journal= {arXiv preprint arXiv:1601.05274},
year = {2016}
}
备注
Accepted at the Location and the Web (LocWeb) workshop at WWW2016