Understanding Regional Mobility Patterns Using Car-Hailing Order Data and Points of Interest Data
Pourquoi ce travail est-il dans la base ?
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.
Dossier post-publication
- Nature
- Retraction
- Motif
- Error in Methods;Unreliable Results and/or Conclusions;
- Date
- 7/16/2020 0:00
- Signalé par OpenAlex ?
- Oui
Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».
Résumé
Car hailing is undergoing rapid global development, thereby providing new opportunities and challenges to operators and transport engineers due to uneven or irregular demand in certain areas. To date, only a limited number of studies have analyzed regional mobility patterns or anomaly detection. This study therefore proposes a methodology for recognizing regional mobility patterns using car-hailing order datasets and point of interest datasets. More specifically, we detect regional mobility patterns by incorporating regional intrinsic properties to a hierarchical mixture model termed latent Dirichlet allocation (LDA). This model can simulate the process of generating car-hailing order data and yield regional mobility patterns from spatial, temporal, and spatiotemporal perspectives. Moreover, by combining the trained results with future mobility records, we can measure similarities between areas and detect anomalous areas by calculating the perplexity. We also implement our workflow on a real-word car-hailing order dataset and reveal that it is possible to identify areas with similar or anomaly mobility patterns. This research will contribute to the design of regional transportation policies and customized bus services.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
La notice
- Revue
- Journal of Advanced Transportation
- Thématique
- Human Mobility and Location-Based Analysis
- Domaine
- Social Sciences
- Établissements canadiens
- —
- Organismes subventionnaires
- National Natural Science Foundation of China
- Mots-clés
- Latent Dirichlet allocationComputer sciencePoint of interestWorkflowOrder (exchange)Process (computing)Mobility modelAnomaly detectionData miningDirichlet processPoint (geometry)PerplexityTopic modelAnomaly (physics)Data scienceArtificial intelligenceDatabaseBusinessDistributed computing
- Résumé présent dans OpenAlex
- oui