"Sangat menggembirakan apabila melihat kaedah ini membawa kepada ramalan yang lebih baik mengenai trafik perjalanan pagi selewat-lewatnya jam 5 pagi, dan saya percaya ini dapat digunakan dengan cepat di banyak pusat pengurusan pengangkutan kami," kata Sean Qian. (Kredit: Shutter Runner / Flickr)
Para penyelidik telah menggunakan maklumat yang diambil dari tweet untuk memberikan ketepatan yang tiada tandingannya untuk meramalkan corak lalu lintas pagi.
Tempoh perjalanan pagi adalah salah satu waktu paling sibuk dalam sehari untuk lalu lintas; namun, ia juga terbukti menjadi masa paling sukar untuk meramalkan corak lalu lintas. Ini kerana kebanyakan kaedah untuk ramalan lalu lintas bergantung pada aliran data trafik yang konsisten dari waktu menjelang masa yang diramalkan.
Majoriti orang, bagaimanapun, menghabiskan masa sebelum mereka berulang-alik tidur atau melakukan rutin pagi mereka di rumah, meninggalkan jurang besar dalam data lalu lintas ramalan.
Kaedah penyelidik menyelesaikan masalah ini dengan menarik data dari tweet yang dihantar antara petang sebelum dan pagi hari berikutnya. Mereka pertama kali menggunakan antara muka pengaturcaraan aplikasi (API) Twitter untuk mengenal pasti tweet dalam kawasan tertentu (dalam hal ini, kota Pittsburgh) dengan geotag menunjukkan dari mana mereka dihantar. Mereka kemudian menggunakan aplikasi lain yang disebut Twint, pengikis web, yang menarik catatan lain dari pengguna dengan tweet geotag, untuk membuat gambaran yang lebih baik mengenai masa dan kawasan umum di mana pengguna itu aktif. Semua data dianonimkan dan dilucutkan dari sebarang maklumat peribadi sebelum diterbitkan.
"Kami berpendapat bahawa tweet menangkap tiga jenis maklumat berguna untuk menjelaskan lalu lintas pagi hari berikutnya, yang meliputi status tidur orang, peristiwa tempatan, dan (dirancang) insiden lalu lintas," penulis Sean Qian, profesor kejuruteraan awam dan alam sekitar, dan Weiran Yao, pelajar PhD Qian, menulis.
Peningkatan lebih lanjut dari set data ini membolehkan para penyelidik mengekstrak maklumat tambahan. Dengan menggunakan analisis bahasa, pasukan mengenal pasti istilah carian yang mungkin menunjukkan kejadian lalu lintas. Ini termasuk bukan sahaja kemalangan, tetapi juga penutupan yang dirancang atau acara besar seperti konsert, permainan sukan, atau perayaan percutian.
Tweet peribadi yang ringkas seperti "Mempunyai ledakan di permainan Pirates!" atau "Fender bender ke depan akan membuat saya terlambat," sebenarnya dapat memberikan informasi penting, terutama ketika ditandai dengan geotag atau diberitahu oleh tweet lain dari pengguna itu. Data lebih lanjut juga diambil dari akaun rasmi, seperti outlet berita dan pemerintah daerah, yang sering tweet laporan langsung mengenai kemalangan dan penutupan yang dirancang.
Apabila digabungkan, kaedah ini memberikan kumpulan data maklumat yang besar yang menunjukkan taburan geografi dan kemungkinan tidur / bangun tidur penumpang, serta insiden lalu lintas yang dirancang dan tidak disengajakan yang boleh mempengaruhi perjalanan mereka. Ini merapatkan jurang maklumat yang dihasilkan oleh kelewatan lalu lintas semalam.
Dengan maklumat ini, Qian dan Yao dapat memberikan ramalan lalu lintas untuk tempoh perjalanan pagi Pittsburgh dengan ketepatan yang sebelumnya tidak dapat dilihat dan telah membuat kerangka yang komprehensif untuk meramalkan keadaan lalu lintas pagi di bandar kawasan-kawasan.
Maklumat ini juga memungkinkan mereka untuk mulai membuat pemerhatian dan ramalan pada skala yang lebih besar dari hari ke hari. Itu termasuk mendapati bahawa lalu lintas pagi Pittsburgh pada umumnya lebih padat pada hari Selasa, Rabu, dan Khamis, yang dapat membolehkan agensi pengangkutan menguruskan perjalanan pagi dengan lebih baik. Jenis pemerhatian ini - yang sebelumnya tidak mungkin dilakukan, kerana ketidakmampuan untuk meramalkan keadaan pagi dengan tepat - boleh memberi maklumat mengenai keputusan yang lebih besar dalam pengurusan permintaan perjalanan, kawalan masa isyarat dan penghalaan tujuan peribadi.
"Penyelidikan ini memanfaatkan pembelajaran mesin dan data besar untuk memahami tingkah laku manusia sambil menjaga privasi individu," kata Qian.
"Sangat menggembirakan untuk melihat kaedah ini membawa kepada ramalan yang lebih baik untuk lalu lintas perjalanan pagi pada jam 5 pagi, dan saya percaya ini dapat digunakan dengan cepat di banyak pusat pengurusan pengangkutan kami."
Mengenai Pengarang
Keputusan mereka muncul Penyelidikan Pengangkutan. - Kajian asal
Buku berkaitan:
Tabiat Atom: Cara Mudah & Terbukti Membangunkan Tabiat Baik & Melanggar Orang Buruk
oleh James Clear
Tabiat Atom memberikan nasihat praktikal untuk membangunkan tabiat baik dan menghentikan tabiat buruk, berdasarkan penyelidikan saintifik tentang perubahan tingkah laku.
Klik untuk maklumat lanjut atau untuk memesan
Empat Kecenderungan: Profil Keperibadian Yang Sangat diperlukan yang Mengungkapkan Cara Membuat Hidup Anda Lebih Baik (dan Kehidupan Orang Lain Lebih Baik, Terlalu)
oleh Gretchen Rubin
Empat Kecenderungan mengenal pasti empat jenis personaliti dan menerangkan cara memahami kecenderungan anda sendiri boleh membantu anda memperbaiki perhubungan, tabiat kerja dan kebahagiaan keseluruhan anda.
Klik untuk maklumat lanjut atau untuk memesan
Fikirkan Lagi: Kekuatan Mengetahui Apa yang Anda Tidak Tahu
oleh Adam Grant
Think Again meneroka cara orang boleh mengubah fikiran dan sikap mereka, serta menawarkan strategi untuk meningkatkan pemikiran kritis dan membuat keputusan.
Klik untuk maklumat lanjut atau untuk memesan
Badan Menjaga Markah: Otak, Minda, dan Tubuh dalam Penyembuhan Trauma
oleh Bessel van der Kolk
The Body Keeps the Score membincangkan kaitan antara trauma dan kesihatan fizikal, dan menawarkan pandangan tentang cara trauma boleh dirawat dan diubati.
Klik untuk maklumat lanjut atau untuk memesan
Psikologi Wang: Pelajaran abadi tentang kekayaan, ketamakan, dan kebahagiaan
oleh Morgan Housel
Psikologi Wang mengkaji cara bagaimana sikap dan tingkah laku kita terhadap wang boleh membentuk kejayaan kewangan dan kesejahteraan keseluruhan kita.
