Jak tweety dają super dokładne prognozy o porannym ruchu

„To bardzo ekscytujące, że ta metoda prowadzi do lepszych przewidywań porannego ruchu dojazdowego już o 5 rano i wierzę, że można ją szybko wdrożyć w wielu naszych centrach zarządzania transportem” – mówi Sean Qian. (Kredyt: Migawka Runner/Flickr)

Naukowcy wykorzystali informacje pozyskane z tweetów, aby zapewnić niezrównaną dokładność przewidywania porannych wzorców ruchu.

Poranny okres dojazdów to jeden z najbardziej ruchliwych okresów dnia dla ruchu; jednak okazało się, że jest to również najtrudniejszy czas do przewidzenia wzorców ruchu. Dzieje się tak, ponieważ większość metod przewidywania ruchu opiera się na spójnym przepływie danych o ruchu od czasu poprzedzającego przewidywany okres.

Większość ludzi jednak spędza czas poprzedzający ich łagodzić spanie lub wykonywanie porannych czynności w domu, pozostawiając dużą lukę w przewidywalnych danych o ruchu drogowym.

Metoda badaczy rozwiązuje ten problem, pobierając dane z tweetów wysłanych między wieczorem poprzedzającym a wczesnym rankiem następnego dnia. Najpierw użyli interfejsu programowania aplikacji (API) Twittera, aby zidentyfikować tweety w danym obszarze (w tym przypadku w mieście Pittsburgh) z geotagami wskazującymi, skąd zostały wysłane. Następnie użyli innej aplikacji o nazwie Twint, skrobaka internetowego, który pobierał inne posty od użytkowników z tweetami z geotagami, aby uzyskać lepszy obraz czasu i ogólnego obszaru, w którym ten użytkownik był aktywny. Wszystkie dane zostały zanonimizowane i pozbawione wszelkich informacji umożliwiających identyfikację osoby przed opublikowaniem.


wewnętrzna grafika subskrypcji


„Twierdzimy, że tweety przechwytują trzy rodzaje przydatnych informacji do wyjaśnienia ruchu drogowego następnego dnia, w tym stan ludzi podczas snu, wydarzeń lokalnych i (planowanych) incydentów drogowych”, autorzy Sean Qian, profesor inżynierii lądowej i środowiskowej, i Weiran Yao, doktorant Qian, piszą.

Dalsze rozszerzanie tego zbioru danych umożliwiło naukowcom uzyskanie dodatkowych informacji. Korzystając z analizy językowej, zespół zidentyfikował wyszukiwane hasła, które mogą wskazywać na zdarzenie drogowe. Obejmuje to nie tylko wypadki, ale także planowane zamknięcia lub duże wydarzenia, takie jak koncert, mecz sportowy lub świętowanie.

Proste osobiste tweety, takie jak „Baw się świetnie w grze Pirates!” lub „Ten napinacz błotników z przodu sprawi, że się spóźnię” może w rzeczywistości dostarczyć kluczowych informacji, zwłaszcza gdy jest oznaczony geotagiem lub poinformowany przez inne tweety tego użytkownika. Dalsze dane zostały również pobrane z oficjalnych kont, takich jak serwisy informacyjne i władze lokalne, które często tweetują bezpośrednie raporty o wypadkach i planowanych zamknięciach.

W połączeniu te metody zapewniają duży zestaw danych, które wskazują na prawdopodobny rozkład geograficzny i czas snu/budzenia osoby dojeżdżające do pracy, a także planowane i przypadkowe zdarzenia drogowe, które mogą wpłynąć na ich dojazd do pracy. To wypełniło lukę informacyjną stworzoną przez nocny zastój w ruchu.

Dzięki tym informacjom Qian i Yao byli w stanie zapewnić prognozy ruchu dla porannego okresu dojazdu do Pittsburgha z wcześniej niespotykaną dokładnością i stworzyli kompleksowe ramy do przewidywania porannych warunków ruchu w miastach obszary.

Informacje te pozwalają im również rozpocząć obserwacje i przewidywania na większą, codzienną skalę. Obejmuje to stwierdzenie, że poranny ruch w Pittsburghu był ogólnie bardziej zatłoczony we wtorki, środy i czwartki, co może umożliwić agencjom transportowym lepsze zarządzanie porannymi dojazdami. Tego rodzaju obserwacje — wcześniej niemożliwe ze względu na brak możliwości dokładnego przewidzenia warunków porannych — mogą stanowić podstawę do podejmowania większych decyzji w zakresie zarządzania zapotrzebowaniem na podróże, kontroli czasu sygnału i wyznaczania tras do celów osobistych.

„Badania te wykorzystują uczenie maszynowe i duże zbiory danych do zrozumienia ludzkich zachowań przy jednoczesnym zachowaniu indywidualnej prywatności” – mówi Qian.

„To bardzo ekscytujące, że ta metoda prowadzi do lepszych prognoz porannych dojazdów nawet o 5 rano i wierzę, że można ją szybko wdrożyć w wielu naszych centrach zarządzania transportem”.

O autorach

Ich wyniki pojawiają się w Badania transportu. - Oryginalne studium

złamać

Powiązane książki:

Atomowe nawyki: łatwy i sprawdzony sposób na budowanie dobrych nawyków i łamanie złych

autorstwa Jamesa Cleara

Atomic Habits zawiera praktyczne porady dotyczące rozwijania dobrych nawyków i łamania złych, oparte na badaniach naukowych nad zmianą zachowań.

Kliknij, aby uzyskać więcej informacji lub zamówić

Cztery tendencje: Niezbędne profile osobowości, które pokazują, jak ulepszyć swoje życie (a także życie innych ludzi)

przez Gretchen Rubin

Cztery tendencje identyfikują cztery typy osobowości i wyjaśniają, w jaki sposób zrozumienie własnych tendencji może pomóc w poprawie relacji, nawyków w pracy i ogólnego szczęścia.

Kliknij, aby uzyskać więcej informacji lub zamówić

Pomyśl jeszcze raz: moc wiedzy o tym, czego nie wiesz

przez Adama Granta

Think Again bada, w jaki sposób ludzie mogą zmienić zdanie i nastawienie, oraz oferuje strategie poprawy krytycznego myślenia i podejmowania decyzji.

Kliknij, aby uzyskać więcej informacji lub zamówić

Ciało utrzymuje punktację: mózg, umysł i ciało w leczeniu traumy

przez Bessela van der Kolka

The Body Keeps the Score omawia związek między traumą a zdrowiem fizycznym i oferuje wgląd w to, jak traumę można leczyć i leczyć.

Kliknij, aby uzyskać więcej informacji lub zamówić

Psychologia pieniędzy: ponadczasowe lekcje o bogactwie, chciwości i szczęściu

przez Morgana Housela

Psychologia pieniędzy bada, w jaki sposób nasze postawy i zachowania związane z pieniędzmi mogą kształtować nasz sukces finansowy i ogólne samopoczucie.

Kliknij, aby uzyskać więcej informacji lub zamówić