从推特到交通预测器：利用社交媒体数据的次日早晨交通预测
社会与信息网络
2022-01-03 v3 机器学习
机器学习
摘要
传统交通预测方法在预测清晨交通动态时效果往往极为有限。原因在于清晨通勤期间交通可能急剧瘫痪，且此种瘫痪的发生时间与持续时间逐日差异显著。清晨交通预测对通勤交通管理至关重要，但通常难以提前(尤其在午夜前)预测。本文提出挖掘Twitter消息作为一种探测手段，以理解前一日晚间/午夜人们作息模式对次日早晨交通的影响。该模型在以匹兹堡高速公路网为对象的实验中进行了检验。所得关系出奇地简单而有力。我们发现，总体而言，由推文显示的就寝时间越早，次日早晨道路越拥堵。前一晚大型事件的发生(表现为推文情感高于或低于常态)常意味着次日早晨出行需求低于平日。此外，前夜及清晨人们的推文活动与早高峰时段的拥堵存在统计关联。我们利用此类关系构建了一个预测框架，借助截至早晨5点或更晚至前夜午夜提取的推文画像来预测早通勤拥堵。匹兹堡研究证实该框架能精确预测早晨拥堵，尤其对于瓶颈上游某些日际拥堵波动大的路段。我们的方法显著优于不含推文特征的传统方法，且能从推文画像中学习有意义的需求表征，提供管理启示。
引用
@article{arxiv.2009.13794,
title = {From Twitter to Traffic Predictor: Next-Day Morning Traffic Prediction Using Social Media Data},
author = {Weiran Yao and Sean Qian},
journal= {arXiv preprint arXiv:2009.13794},
year = {2022}
}