城市步行交通动态的模式
物理与社会
2019-10-08 v1 机器学习
信号处理
机器学习
摘要
利用纽约市公开的交通摄像头数据,我们量化了聚合行人步行交通中随时间变化的模式。这些模式表现出可重复的日间行为,工作日与周末不同,但在曼哈顿区各邻里间大体一致。工作日的模式包含特征性的三峰结构,在上午9:00、中午12:00–1:00和下午5:00左右步行交通增加,与“朝九晚五”的工作日相吻合,即行人在早晨通勤、午餐时段和傍晚通勤时位于街道上。周末日未显示出峰值结构,而是稳步增加直至日落。我们的研究时段为2017年6月28日至2017年9月11日,包含两个节假日——7月4日和劳动节,尽管它们落在工作日,其步行交通模式在定量上与周末日相似。将研究时段内所有日期投影到工作日/周末相空间(通过对平均工作日和周末日进行回归),我们发现周五的步行交通可表示为三峰工作日结构与非峰值周末结构的混合。我们还表明,步行交通模式中的异常可用于事件和网络级中断的检测。最后,我们表明步行交通时间序列的聚类在摄像头间产生了与曼哈顿邻里边界空间对齐的关联,表明步行交通动态编码了关于邻里特征的信息。
引用
@article{arxiv.1910.02380,
title = {Patterns of Urban Foot Traffic Dynamics},
author = {Gregory Dobler and Jordan Vani and Trang Tran Linh Dam},
journal= {arXiv preprint arXiv:1910.02380},
year = {2019}
}
备注
16 pages