view in publisher's site

Modelling trip generation using mobile phone data: A latent demographics approach

Traditional approaches to trip generation modelling rely on household travel surveys which are expensive and prone to reporting errors. On the other hand, mobile phone data, where spatio-temporal trajectories of millions of users are passively recorded has recently emerged as a promising input for transport analyses. However, such data has primarily been used for the development of human mobility models, extraction of statistics on human mobility behaviour, and origin-destination matrix estimation as opposed to the development of econometric models of travel demand. This is primarily due to the exclusion of user demographics from mobile phone data made available for research (owing to privacy reasons). In this study, we address this limitation by proposing a hybrid trip generation model framework where demographic groups are treated as latent or unobserved. The proposed model first predicts the demographic group membership probabilities of individuals based on their phone usage characteristics and then uses these probabilities as weights inside a latent class model for trip generation, with different classes representing different socio-demographic groups. The model is calibrated using the call log data of a sub-sample of users with known demographics and trip rates extracted from their GSM mobility data. The performance of the hybrid model is compared with that of a traditional trip generation model which uses observed demographic variables to validate the proposed methodology. This comparative analysis shows that the model fit and the prediction results of the hybrid model are close to those of the traditional model. The research thus serves as a proof-of-concept that the mobile phone data can be successfully used to develop econometric models of transport planning by having additional information for a subset of the users.

مدل‌سازی سفر مدل‌سازی با استفاده از داده‌های تلفن همراه: یک رویکرد جمعیت شناختی نهفته

روش‌های سنتی برای مدل‌سازی تولید سفر، متکی بر نظرسنجی‌های سفر خانگی هستند که گران هستند و مستعد گزارش خطا هستند. از سوی دیگر، داده‌های تلفن همراه، که در آن مسیرهای زمانی - زمانی میلیون‌ها کاربر به صورت منفعل ضبط شده‌اند به تازگی به عنوان ورودی امیدوار کننده برای تحلیل‌های حمل و نقل ظاهر شده‌اند. با این حال، از این داده‌ها عمدتا برای توسعه مدل‌های تحرک انسانی، استخراج آمار مربوط به رفتار تحرک انسانی، و تخمین ماتریس مبدا - مقصد به عنوان مخالف توسعه مدل‌های اقتصادسنجی تقاضای سفر استفاده شده‌است. این مساله در درجه اول ناشی از حذف of کاربر از داده‌های تلفن همراه است که برای تحقیق (به دلیل دلایل شخصی)قابل‌دسترسی است. در این مطالعه، ما با پیشنهاد یک چارچوب مدل تولید سفر ترکیبی که در آن گروه‌های جمعیتی به عنوان نهان یا غیرقابل رویت تلقی می‌شوند، این محدودیت را مورد بررسی قرار می‌دهیم. مدل پیشنهادی برای اولین بار احتمالات عضویت در گروه جمعیتی را براساس ویژگی‌های استفاده از phone پیش‌بینی می‌کند و سپس از این احتمالات به عنوان وزن‌های داخل یک مدل کلاس پنهان برای تولید سفر استفاده می‌کند، با کلاس‌های مختلف نماینده گروه‌های اجتماعی - جمعیتی متفاوت. این مدل با استفاده از داده‌های لاگ فراخوانی یک زیر نمونه از کاربران با مشخصات جمعیت شناختی و نرخ‌های سفر استخراج‌شده از داده‌های مربوط به تحرک GSM کالیبره می‌شود. عملکرد مدل هیبرید با مدل تولید سفر سنتی مقایسه می‌شود که از متغیرهای جمعیت شناختی مشاهده‌شده برای اعتبار سنجی روش پیشنهادی استفاده می‌کند. این تحلیل مقایسه‌ای نشان می‌دهد که مدل تناسب مدل و نتایج پیش‌بینی مدل هیبریدی نزدیک به مدل‌های سنتی هستند. بنابراین، این تحقیق به عنوان یک مفهوم ثابت عمل می‌کند که داده‌های تلفن همراه را می توان با موفقیت در توسعه مدل‌های اقتصادسنجی از برنامه‌ریزی حمل و نقل با داشتن اطلاعات اضافی برای زیرمجموعه‌ای از کاربران به کار برد.

ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.