"È super entusiasmante vedere questo metodo che porta a migliori previsioni del traffico mattutino dei pendolari fino alle 5 del mattino e credo che questo possa essere rapidamente implementato in molti dei nostri centri di gestione dei trasporti", afferma Sean Qian. (Credito: Shutter Runner / Flickr)
I ricercatori hanno utilizzato le informazioni estratte dai tweet per fornire un'accuratezza senza precedenti per prevedere i modelli di traffico mattutino.
Il periodo di pendolarismo mattutino è uno dei periodi più trafficati della giornata per il traffico; tuttavia, si è anche dimostrato il momento più difficile per prevedere i modelli di traffico. Questo perché la maggior parte dei metodi per la previsione del traffico si basa su un flusso coerente di dati sul traffico dal momento che precede il periodo previsto.
La maggior parte delle persone, tuttavia, trascorre il tempo che precede il proprio pendolari dormire o eseguire le routine mattutine a casa, lasciando una grande lacuna nei dati predittivi sul traffico.
Il metodo dei ricercatori risolve questo problema estraendo i dati dai tweet inviati tra la sera prima e la mattina presto del giorno successivo. Per prima cosa hanno utilizzato l'API (application programming interface) di Twitter per identificare i tweet all'interno di una determinata area (in questo caso, la città di Pittsburgh) con i tag geografici che indicano da dove sono stati inviati. Hanno quindi utilizzato un'altra applicazione chiamata Twint, un web scraper, che ha estratto altri post dagli utenti con tweet georeferenziati, per creare un'immagine migliore dei tempi e dell'area generale in cui l'utente era attivo. Tutti i dati sono stati resi anonimi e privati di qualsiasi informazione di identificazione personale prima della pubblicazione.
"Sosteniamo che i tweet raccolgano tre tipi di informazioni utili per spiegare il traffico mattutino del giorno successivo, che include lo stato sonno-veglia delle persone, eventi locali e incidenti stradali (pianificati)", autori Sean Qian, professore associato di ingegneria civile e ambientale, e Weiran Yao, dottorando di Qian, scrivono.
Un ulteriore aumento di questo set di dati ha permesso ai ricercatori di estrarre ulteriori informazioni. Utilizzando l'analisi del linguaggio, il team ha identificato i termini di ricerca che potrebbero indicare un incidente di traffico. Ciò include non solo incidenti, ma anche chiusure programmate o grandi eventi come un concerto, una partita sportiva o una celebrazione delle festività.
Semplici tweet personali come "Ci siamo divertiti al gioco dei pirati!" o "Questa piega del paraurti mi farà ritardare", può effettivamente fornire informazioni cruciali, specialmente se taggato con un geotag o informato da altri tweet di quell'utente. Ulteriori dati sono stati estratti anche da conti ufficiali, come i notiziari e il governo locale, che spesso twittano rapporti diretti su incidenti e chiusure programmate.
Quando combinati, questi metodi forniscono un ampio set di dati di informazioni che indicavano la distribuzione geografica e probabilmente il tempo di sonno / veglia pendolari, nonché incidenti stradali sia pianificati che accidentali che possono influire sul loro tragitto giornaliero. Ciò ha colmato il divario informativo creato dalla pausa notturna nel traffico.
Con queste informazioni, Qian e Yao sono stati in grado di fornire previsioni del traffico per il periodo di pendolarismo mattutino di Pittsburgh con una precisione mai vista prima e hanno creato un quadro completo per prevedere le condizioni del traffico mattutino nelle aree urbane aree.
Queste informazioni consentono inoltre loro di iniziare a fare osservazioni e previsioni su una scala quotidiana più ampia. Ciò include la constatazione che il traffico mattutino di Pittsburgh era generalmente più congestionato il martedì, mercoledì e giovedì, il che potrebbe consentire alle agenzie di trasporto di gestire meglio gli spostamenti mattutini. Questo tipo di osservazioni - in precedenza impossibili, a causa dell'incapacità di prevedere con precisione le condizioni mattutine - possono informare decisioni più ampie nella gestione della domanda di viaggio, nel controllo della temporizzazione del segnale e nell'indirizzamento della destinazione personale.
"Questa ricerca sfrutta l'apprendimento automatico e i big data per comprendere il comportamento umano preservando la privacy individuale", afferma Qian.
"È super emozionante vedere questo metodo che porta a migliori previsioni del traffico mattutino dei pendolari fino alle 5 del mattino e credo che questo possa essere rapidamente implementato in molti dei nostri centri di gestione dei trasporti".
Informazioni sugli autori
I loro risultati appaiono in Ricerca sui trasporti. - studio originale
Libri correlati:
Abitudini atomici: un modo semplice e comprovato per costruire buone abitudini e spezzare quelle cattive
di James Clear
Atomic Habits fornisce consigli pratici per sviluppare buone abitudini e abbandonare quelle cattive, sulla base della ricerca scientifica sul cambiamento del comportamento.
Clicca per maggiori informazioni o per ordinare
Le quattro tendenze: i profili di personalità indispensabili che rivelano come migliorare la tua vita (e anche quella degli altri)
di Gretchen Rubin
The Four Tendencies identifica quattro tipi di personalità e spiega come comprendere le tue tendenze può aiutarti a migliorare le tue relazioni, le abitudini lavorative e la felicità generale.
Clicca per maggiori informazioni o per ordinare
Pensa di nuovo: il potere di sapere ciò che non sai
di Adam Grant
Think Again esplora come le persone possono cambiare idea e atteggiamento e offre strategie per migliorare il pensiero critico e il processo decisionale.
Clicca per maggiori informazioni o per ordinare
Il corpo tiene il punteggio: cervello, mente e corpo nella guarigione del trauma
di Bessel van der Kolk
The Body Keeps the Score discute la connessione tra trauma e salute fisica e offre approfondimenti su come il trauma può essere trattato e guarito.
Clicca per maggiori informazioni o per ordinare
La psicologia del denaro: lezioni senza tempo su ricchezza, avidità e felicità
di Morgan Housel
La psicologia del denaro esamina i modi in cui i nostri atteggiamenti e comportamenti nei confronti del denaro possono plasmare il nostro successo finanziario e il benessere generale.
