"On erittäin jännittävää nähdä, että tämä menetelmä johtaa parempiin ennusteisiin aamu-työmatkaliikenteestä jo kello 5, ja uskon, että tämä voidaan ottaa nopeasti käyttöön monissa kuljetushallintakeskuksissamme", Sean Qian sanoo. (Luotto: Sulkimen juoksija / Flickr)
Tutkijat ovat käyttäneet tweeteistä poimittuja tietoja vertaansa vailla olevan tarkkuuden tarjoamiseksi aamuliikennemallien ennustamisessa.
Aamu-työmatka on yksi vilkkaimmista päivistä liikenteelle; liikennemallien ennustaminen on kuitenkin osoittautunut vaikeimmaksi. Tämä johtuu siitä, että useimmat liikenteen ennustamismenetelmät perustuvat siihen, että liikennedatan virta on tasainen ennakoituun jaksoon johtavasta ajasta.
Suurin osa ihmisistä viettää kuitenkin aikaa edeltäneensä lieventää nukkuminen tai aamurutiinien suorittaminen kotona, jolloin ennakoivassa liikennedatassa on suuri aukko.
Tutkijoiden menetelmä ratkaisee tämän ongelman vetämällä tietoja tweeteistä, jotka lähetettiin iltapäivän ja seuraavan päivän varhaisen aamun välillä. Ensin he käyttivät Twitterin sovellusohjelmointirajapintaa (API) tunnistaakseen tweettejä tietyllä alueella (tässä tapauksessa Pittsburghin kaupungissa) geotunnisteilla, jotka osoittivat, mistä ne lähetettiin. Sitten he käyttivät toista Twint-sovellusta, verkkokaavinta, joka veti muita viestejä käyttäjiltä, joilla oli geotunnisteella merkittyjä twiittejä, luodakseen paremman kuvan ajankohdista ja yleisestä alueesta, jolla käyttäjä oli aktiivinen. Kaikki tiedot anonymisoitiin ja niiltä poistettiin kaikki tunnistettavissa olevat tiedot ennen julkaisemista.
"Me väitämme, että twiitit keräävät kolmen tyyppistä hyödyllistä tietoa seuraavan päivän aamuliikenteen selittämiseksi, mukaan lukien ihmisten unen herätystila, paikalliset tapahtumat ja (suunnitellut) liikennehäiriöt", kirjoittajat Sean Qian, siviili- ja ympäristötekniikan apulaisprofessori ja Qianin tohtorikoulutettava Weiran Yao kirjoittavat.
Tämän tietojoukon edelleen lisääminen antoi tutkijoille mahdollisuuden poimia lisätietoja. Kielianalyysin avulla tiimi tunnisti hakutermit, jotka saattavat viitata liikennetapahtumaan. Tähän eivät kuulu vain onnettomuudet, vaan myös suunnitellut sulkemiset tai suuret tapahtumat, kuten konsertti, urheilupeli tai lomajuhlat.
Yksinkertaiset henkilökohtaiset twiitit, kuten "Oli räjähdys Pirates-pelissä!" tai "Tämä edessä oleva lokasuoja taivuttaa minua myöhään" voi todella tarjota tärkeitä tietoja, varsinkin kun ne on merkitty geotunnisteella tai muille kyseisen käyttäjän tweeteille ilmoitettu. Lisätietoa haettiin myös virallisilta tileiltä, kuten uutispisteistä ja paikallisviranomaisilta, jotka usein piilottavat suoria raportteja onnettomuuksista ja suunnitelluista sulkemisista.
Yhdistettynä nämä menetelmät tarjoavat suuren tietojoukon tietoja, jotka osoittavat todennäköisen maantieteellisen jakauman ja lepotilan / herätysajan työmatkalaisetsekä sekä suunnitellut että vahingossa sattuneet liikennehäiriöt, jotka voivat vaikuttaa heidän työmatkaan. Tämä ylitti yön yli liikennöimisen aiheuttaman tietokuilun.
Näiden tietojen avulla Qian ja Yao pystyivät tarjoamaan Pittsburghin aamu-työmatkan ennusteita ennennäkemättömällä tarkkuudella ja ovat luoneet kattavan kehyksen aamuliikenneolosuhteiden ennustamiseen kaupunkialueilla alueet.
Tämän tiedon avulla he voivat myös alkaa tehdä havaintoja ja ennusteita laajemmassa päivittäisessä mittakaavassa. Tähän sisältyy havainto, että Pittsburghin aamuliikenne oli yleensä ruuhkaisempaa tiistaisin, keskiviikkoisin ja torstaisin, mikä voisi antaa kuljetusvirastoille mahdollisuuden hallita aamumatkaa paremmin. Tämäntyyppiset havainnot - aiemmin mahdotonta johtuen kyvyttömyydestä ennustaa tarkasti aamuolosuhteita - voivat kertoa suuremmista päätöksistä matkakysynnän hallinnassa, signaalin ajoituksen ohjauksessa ja henkilökohtaisen määränpään reitityksessä.
"Tämä tutkimus hyödyntää koneoppimista ja suuria tietoja ihmisten käyttäytymisen ymmärtämiseksi säilyttäen yksilön yksityisyyden", Qian sanoo.
"On erittäin jännittävää nähdä, että tämä menetelmä johtaa parempiin ennusteisiin aamu-työmatkaliikenteestä jo kello 5, ja uskon, että tämä voidaan ottaa nopeasti käyttöön monissa liikenteenhallintakeskuksissamme."
Tietoja Tekijät
Heidän tulokset ilmestyvät Kuljetustutkimus. - Alkuperäinen tutkimus
Liittyvät kirjat:
Atomitottumukset: Helppo ja todistettu tapa rakentaa hyviä tapoja ja rikkoa huonoja olosuhteita
Kirjailija: James Clear
Atomic Habits tarjoaa käytännön neuvoja hyvien tapojen kehittämiseen ja pahojen rikkomiseen perustuen tieteelliseen käyttäytymisen muutostutkimukseen.
Klikkaa saadaksesi lisätietoja tai tilataksesi
Neljä taipumusta: välttämättömät persoonallisuusprofiilit, jotka paljastavat, kuinka voit parantaa elämääsi (ja myös muiden ihmisten elämää)
Kirjailija: Gretchen Rubin
Neljä suuntausta tunnistaa neljä persoonallisuustyyppiä ja selittää, kuinka omien taipumustesi ymmärtäminen voi auttaa sinua parantamaan ihmissuhteitasi, työtottumuksiasi ja yleistä onnellisuuttasi.
Klikkaa saadaksesi lisätietoja tai tilataksesi
Ajattele uudelleen: Voima tietää, mitä et tiedä
kirjoittanut Adam Grant
Think Again tutkii, kuinka ihmiset voivat muuttaa mieltään ja asenteitaan, ja tarjoaa strategioita kriittisen ajattelun ja päätöksenteon parantamiseen.
Klikkaa saadaksesi lisätietoja tai tilataksesi
Keho pitää pisteet: aivot, mieli ja keho trauman paranemisessa
esittäjä (t): Bessel van der Kolk
The Body Keeps the Score käsittelee trauman ja fyysisen terveyden välistä yhteyttä ja tarjoaa näkemyksiä siitä, kuinka traumaa voidaan hoitaa ja parantaa.
Klikkaa saadaksesi lisätietoja tai tilataksesi
Rahan psykologia: Ajattomia oppitunteja rikkaudesta, ahneudesta ja onnellisuudesta
Kirjailija: Morgan Housel
Rahan psykologia tutkii tapoja, joilla rahaan liittyvät asenteemme ja käyttäytymisemme voivat muokata taloudellista menestystämme ja yleistä hyvinvointiamme.