利用细时空尺度移动数据流量建模每日流动性
机器学习
2023-11-17 v1 机器学习
摘要
我们应用了一种数据驱动的方法，探索 NetMob 2023 数据集在城市背景下建模流动模式中的可用性。我们将该数据与高度合适的外部来源 ENACT 数据集结合，后者提供了覆盖欧洲、分辨率为 1 km x 1km 的网格及其昼夜人口估计。我们开发了三组 XGBoost 模型，以数据集中涵盖的 68 个在线服务的移动数据流量为基础，利用 ENACT 值作为真值，预测 NetMob2023 所用每个 100m x 100m 网格单元中的人口。结果表明，NetMob 2023 数据可用于估计昼夜人口及网格单元级别，并能解释城市流动性动态的一部分。
引用
@article{arxiv.2311.09683,
title = {Modelling daily mobility using mobile data traffic at fine spatiotemporal scale},
author = {Panayotis Christidis and Maria Vega Gonzalo and Miklos Radics},
journal= {arXiv preprint arXiv:2311.09683},
year = {2023}
}
备注
NetMob 2023 Conference