大规模交通系统偏差研究：大 mobility 数据中的偏见缓解案例

大规模 mobility 数据集（BMD）在研究人类移动和评估交通系统性能方面显示出诸多优势。然而，BMD 的质量仍知之甚少。本研究评估了 BMD 中的偏差并开发了缓解方法。以 Google 和 Apple mobility 数据为例，本研究将其与来自政府机构的基准数据进行比较。观察到 BMD 与基准数据之间存在时空差异，并调查了这些差异对交通应用的影响，强调在防止误导性政策制定之前有必要解决这些偏差。本研究进一步提出并测试了一种偏差缓解方法。结果表明，经缓解的 BMD 能够为 100 多个美国县的大规模公共交通系统提供有价值的见解，揭示了疫情后公共交通系统恢复的区域差异。本研究强调在交通研究中使用 BMD 的重要谨慎性，并提出了能够惠及实践者的有效缓解策略。