دانلود مقاله ISI انگلیسی شماره 113213
ترجمه فارسی عنوان مقاله

کشف الگوهای ثابت و غیرمستقیم انسان: مطالعه موردی از مترو پکن

عنوان انگلیسی
Uncovering stable and occasional human mobility patterns: A case study of the Beijing subway
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
113213 2018 19 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Physica A: Statistical Mechanics and its Applications, Volume 492, 15 February 2018, Pages 28-38

ترجمه کلمات کلیدی
تحرک بشر، تقسیم ماتریس، ضریب همبستگی، مترو شهری،
کلمات کلیدی انگلیسی
Human mobility; Matrix factorization; Correlation coefficient; Urban subway;
ترجمه چکیده
به طور کلی دو نوع رویکرد به مطالعه تجربی تحرک انسانی وجود دارد. در سطح گروهی، برخی از اطلاعات ارزشمند ممکن است در نویز آماری غوطه ور شوند، در حالی که با توجه به تنوع اهداف و اولویت فردی، هنوز هم هیچ نظم آماری در مورد تحرک انسانی در سطح فردی وجود ندارد. در این مقاله، تحرک فردی گروهی را به عنوان ترکیبی از چندین الگوهای اساسی مورد بررسی قرار دادیم و تحرک جمعی را بر اساس طبقه بندی مورد بررسی قرار دادیم. با استفاده از تجزیه و تحلیل ماتریس و تجزیه و تحلیل همبستگی، برخی از اجزای پایدار / گاه به گاه از تحرک عمومی جمعی در مترو پکن استخراج شده و دریافتند که الگوهای تحرک رفت و آمد و رسیدن به شرایط مختلف در هر زمان و مکان، ویژگی های متفاوتی دارند. ما پرونده های شخصی را به الگوهای مختلف طبقه بندی کردیم و احتمالا فاصله سفر را بر اساس طبقه بندی مقایسه کردیم. روش پیشنهادی می تواند الگوهای تحرک پایدار / گاه به گاه را از تحرک جمعی تجزیه و شناسایی مسافران متعلق به الگوهای مختلف، کمک به ما برای بهتر درک منشاء الگوهای مختلف تحرک و ارائه راهنمایی برای مدیریت اضطراری جمعیت های بزرگ.
پیش نمایش مقاله
پیش نمایش مقاله  کشف الگوهای ثابت و غیرمستقیم انسان: مطالعه موردی از مترو پکن

چکیده انگلیسی

There have generally been two kinds of approaches to the empirical study of human mobility. At the group level, some valuable information might be submerged in statistical noise, while due to the diversity of individual purpose and preference, there is still no general statistical regularity of human mobility at the individual level. In this paper, we considered group-level human mobility as the combination of several basic patterns and analyzed the collective mobility by category. Utilizing matrix factorization and correlation analysis, we extracted some of the stable/occasional components from the collective human mobility in the Beijing subway and found that the departure and arrival mobility patterns have different characteristics, both in time and space, under various conditions. We classified individual records into different patterns and analyzed the most likely trip distance by category. The proposed method can decompose stable/occasional mobility patterns from the collective mobility and identify passengers belonging to different patterns, helping us to better understand the origin of different mobility patterns and provide guidance for emergency management of large crowds.