[论文解读] An Interactive Data Visualization and Analytics Tool to Evaluate Mobility and Sociability Trends During COVID-19
本论文描述一个基于云的交互式仪表板，将多源出行与社交数据融合，用于分析 COVID-19 在 NYC 与 Seattle 的影响，且具备支持实时分析与可视化的架构。
The COVID-19 outbreak has dramatically changed travel behavior in affected cities. The C2SMART research team has been investigating the impact of COVID-19 on mobility and sociability. New York City (NYC) and Seattle, two of the cities most affected by COVID-19 in the U.S. were included in our initial study. An all-in-one dashboard with data mining and cloud computing capabilities was developed for interactive data analytics and visualization to facilitate the understanding of the impact of the outbreak and corresponding policies such as social distancing on transportation systems. This platform is updated regularly and continues to evolve with the addition of new data, impact metrics, and visualizations to assist public and decision-makers to make informed decisions. This paper presents the architecture of the COVID related mobility data dashboard and preliminary mobility and sociability metrics for NYC and Seattle.
研究动机与目标
- 促使人们理解 COVID-19 政策如何影响交通与社会行为的必要性。
- 开发一体化、可扩展的仪表板，整合多源数据用于出行与社交分析。
- 提供实时分析与可视化，帮助公共决策者评估疫情暴发的影响。
提出的方法
- 具备数据准确性、时效性、有效性和粒度检查的基于云的数据摄取管道。
- 用于存储来自多源的融合出行与社交数据的集成数据仓库。
- 两个主要仪表板：mobility board（交通量、行驶时间、客流、事故等）和 sociability board（人群密度、摄像头中的社交距离）。
- 具备情景分析和时空聚合的实时分析与可视化。
- 与 MATSim 的连接，用于对网络性能和排放的基于代理的仿真。
实验结果
研究问题
- RQ1在 COVID-19 期间的居家令下，NYC 与 Seattle 的出行模式（交通量、行驶时间、交通乘载量）发生了怎样的变化？
- RQ2社交性指标（人群密度、社交距离遵守情况）如何演变，以及它们与政策措施之间的关系？
- RQ3该仪表板是否能支持情景分析并为重新开放决策提供及时洞见？
- RQ4在疫情期间，多源数据融合在衡量出行和社交方面起到的作用是什么？
- RQ5如何将该平台扩展到其他城市和数据源？
主要发现
- 出行指标显示交通和公共交通使用下降，在 NYC 与 Seattle 之间呈现不同的恢复模式。
- 居家令期间行驶时间模式趋于平缓，随后出现部分恢复，Seattle 的可靠性提高被观察到。
- 社交性指标显示人群密度和社交距离遵守情况的变化，来自对实时摄像头视频处理的推断。
- 该平台展示了低时延的云端数据处理，能够对多源数据进行实时分析与可视化。
- 分析表明在公共交通持续低使用的情况下，可能出现出行方式偏好转变，私车交通开始上升。
- 该仪表板被设计为可扩展到更多城市和数据源。
更好的研究，从现在开始
从论文设计到论文写作，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。