交通动态的语义探索
摘要
给定大量城市数据集，我们如何发现其隐藏关联？例如，纽约市（NYC）提供 2012 至 2015 年出租车数据的开放访问，每日约产生五十万次出租车行程。与此同时，我们在 NYC 拥有丰富的城市数据，包括兴趣点（POIs）、地理标记推文、天气、车辆碰撞等。这些无处不在的数据集是否可用于解释城市交通？理解外部数据与交通数据之间的隐藏关联将使我们能够回答城市计算中的许多重要问题，例如：若我们观测到 NYC 麦迪逊广场花园（MSG）出现高交通量，是因为常规高峰时段还是 MSG 正在举办大型活动？若飓风或暴雪等灾害天气袭击城市，交通将受何影响？尽管现有研究可能利用外部数据集进行预测任务，它们并未从外部数据集中显式寻求直接解释。本文中，我们呈现了从多种外部数据源理解 NYC 出租车交通动态的尝试结果。我们使用四个真实世界普适城市数据集，包括 POI、天气、地理标记推文与碰撞记录。为解决普适城市数据的异质性，我们为各类数据集设计了精心构造的特征表示。在真实数据上的大量实验证明了利用外部数据集对出租车交通的解释力。更具体地，我们的分析表明 POI 可良好描述规律交通模式，同时地理标记推文可解释由大型活动引起的不规则交通，而天气可解释异常交通下降。
引用
@article{arxiv.1804.04165,
title = {Semantic Exploration of Traffic Dynamics},
author = {Fei Wu and Hongjian Wang and Zhenhui Li},
journal= {arXiv preprint arXiv:1804.04165},
year = {2018}
}
备注
This manuscript is an extended version of the paper "Interpreting Traffic Dynamics using Ubiquitous Urban Data", Fei Wu, Hongjian Wang, Zhenhui Li, in Proceedings of the 24th ACM International Conference on Advances in Geographical Information Systems (SIGSPATIAL'16)