Activity-Based Human Mobility Patterns Inferred from Mobile Phone Data: A Case Study of Singapore

ABSTRACT

In this study, with Singapore as an example, we demonstrate how we can use mobile phone call detail record (CDR) data, which contains millions of anonymous users, to extract individual mobility networks comparable to the activity-based approach. Such an approach is widely used in the transportation planning practice to develop urban micro simulations of individual daily activities and travel; yet it depends highly on detailed  travel survey data to capture individual activity-based behavior. We provide an innovative data mining framework that synthesizes the state-of-the-art techniques in extracting mobility patterns from raw mobile  phone CDR data, and design a pipeline that can translate the massive and passive mobile phone records to meaningful spatial human mobility patterns readily interpretable for urban and transportation planning  purposes. With growing ubiquitous mobile sensing, and shrinking labor and fiscal resources in the public sector globally, the method presented in this research can be used as a low-cost alternative for  transportation and planning agencies to understand the human activity patterns in cities, and provide  targeted plans for future sustainable development.

INTRODUCTION

TOlife, understanding how individuals travel and conduct improve urban mobility, accessibility, and quality of activities has been the major focus of city and transportation planners and geographers . In the past, this was accomplished by collecting survey data in small sample sizes and low frequencies (e.g., planning agencies of metropolitan areas in the developed countries conduct 1 percent household travel survey once or twice in a decade). With the evolution of society and innovation in technology, cities have become more diverse and complex than ever before in the increasingly interconnected world. Today more than half of the global  population (54 percent in 2014) lives in urban areas, and it is projected that additional 2.5 billion urban population will be added by 2050 . The conventional methods widely practiced in the transportation-planning field were developed to suit the expensively collected small data, and cannot meet current challenges. It is urgent for urban researchers to look for new approaches to address urban challenges such as traffic congestion, environmental pollution and degradation, and increasing energy consumption and greenhouse emission. 

چکیده

در این مطالعه، به عنوان مثال، با سنگاپور، ما نشان می دهیم که چگونه می توانیم از داده های تماس تلفنی تلفن همراه (CDR) استفاده کنیم که حاوی میلیون ها کاربر ناشناس است، برای استخراج شبکه های تحرک فردی قابل مقایسه با رویکرد مبتنی بر فعالیت. چنین رویکردی به طور گسترده ای در برنامه ریزی حمل و نقل برای توسعه شبیه سازی شبیه سازی های شهری از فعالیت های فردی روزانه و مسافرت استفاده می شود؛ با این حال، به شدت در مورد داده های سفر اطلاعات دقیق برای ضبط رفتار فرد مبتنی بر فعالیت بسیار بستگی دارد. ما یک چارچوب داده کاوی نوین ارائه می دهیم که سنتز تکنیک های پیشرفته تر را در استخراج الگوهای تحرک از داده های CDR خام تلفن همراه و طراحی خط لوله می کند که می تواند سوابق تلفن های عظیم و غیر فعال تلفن همراه را به الگوهای تحرک معنوی فضایی انسان ترجمه کند قابل تفسیر برای اهداف برنامه ریزی شهری و حمل و نقل. با توجه به رشد روز افزون تلفن همراه و کاهش کارایی و منابع مالی در بخش دولتی در سطح جهانی، روش ارائه شده در این تحقیق می تواند به عنوان یک جایگزین کم هزینه برای سازمان های حمل و نقل و برنامه ریزی برای درک الگوهای فعالیت های انسانی در شهرها و ارائه هدفمند برنامه های توسعه پایدار آینده.

مقدمه

TOlife، درک اینکه چگونه افراد مسافرت می کنند و رفتار را بهبود می بخشد، دسترسی و کیفیت فعالیت ها، تمرکز اصلی برنامه ریزان شهر و حمل و نقل و جغرافیدانان است. در گذشته، با جمع آوری داده های نظرسنجی در نمونه های کوچک و فرکانس های پایین (به عنوان مثال، سازمان های برنامه ریزی مناطق شهری در کشورهای توسعه یافته یک درصد از سفرهای خانواده را یک یا دو بار در یک دهه انجام دادند) انجام شد. با تکامل جامعه و نوآوری در فن آوری، شهرهای متنوع تر و پیچیده تر از هر زمان دیگری در جهان به طور فزاینده ای در هم آمیخته اند. امروزه بیش از نیمی از جمعیت جهان (54 درصد در سال 2014) در مناطق شهری زندگی می کنند و پیش بینی می شود که تا سال 2050، 2.5 میلیارد جمعیت شهری افزوده شود. روش های معمولی که در زمینه برنامه ریزی حمل و نقل به طور گسترده ای مورد استفاده قرار می گیرند، به منظور جمع آوری داده های جمع آوری شده جمع آوری شده است و نمی توانند با چالش های موجود مواجه شوند. پژوهشگران شهری برای دستیابی به رویکردهای جدید برای حل چالش های شهری مانند ترافیک، آلودگی و تخریب محیط زیست و افزایش مصرف انرژی و انتشار گلخانه ای، ضروری است.

Year: 2017

Publisher : IEEE

By :  Shan Jiang, Joseph Ferreira, Jr., and Marta C. Gonzalez

File Information: English Language/ 12 Page / size: 1.80 KB

Download

سال : 1396

ناشر : IEEE

کاری از : شان جیانگ، جوزف فریرا، جونیور و مارتا سی گنزالز

اطلاعات فایل : زبان انگلیسی / 12صفحه / حجم : KB 1.80

لینک دانلود