MétaCan
Menu
Retour à la cohorte
Enregistrement W387271453

Origin-Destination Trip Estimation from Anonymous Cell Phone and Foursquare Data

2015· article· en· W387271453 sur OpenAlexaboutno aff
S. A. Rokib, Ahsanul Karim, Tony Z. Qiu, Amy Kim

Notice bibliographique

RevueTransportation Research Board 94th Annual MeetingTransportation Research Board · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHuman Mobility and Location-Based Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhoneComputer scienceEstimationMobile phonePenetration rateTelecommunicationsEngineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Travel surveys, which are time-consuming and costly, are required for traditional origin-destination (OD) demand matrix estimation. Recently, the availability of alternative data sources (cell phone and social networking data such as Foursquare) has shown great potential in offsetting the limitations of traditional OD estimation techniques. This study estimated OD flows for the city of Edmonton in Alberta, Canada, from cell phone (CP) and Foursquare data, using existing methodologies. CP data have a relatively high penetration rate; the venue density and check-ins in Foursquare are quite high as well. Anonymous CP data were collected from a major cellular service provider (with one-third market penetration) for a day in July 2014. Foursquare check-in data were also collected using the Foursquare API. Trip patterns from estimated cell phone locations and Foursquare check-in data were compared to an existing OD matrix constructed from travel surveys. The CP and Foursquare data were consistent with OD pairs expected to have higher trip volumes. However, there were some differences in trip volumes and patterns among the three sources. The results illustrate the promising potential of using CP and social network data for OD matrix estimation.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0180,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,189
Tête enseignante GPT0,447
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransportation Research Board 94th Annual MeetingTransportation Research BoardMême sujetHuman Mobility and Location-Based AnalysisTravaux en français237 207