[论文解读] Digital breadcrumbs: Detecting urban mobility patterns and transport mode choices from cellphone networks

Thomas Holleczek, Yu Liang+5 more|arXiv (Cornell University)|Aug 30, 2013

Human Mobility and Location-Based Analysis被引用 5

一句话总结

本文提出一种数据挖掘方法，结合手机通话详单记录（CDRs）与公共交通智能卡数据，以区级分辨率检测新加坡的城市出行模式及交通方式选择。通过分析340万名匿名用户的CDRs并减去智能卡用户，研究估算私人与公共交通使用情况，发现公共交通方式份额从早上的38%上升至晚上的52%，其中Bukit Timah与市中心之间、以及Bedok和Tampines地区存在关键的未充分覆盖的交通连接。

ABSTRACT

Many modern and growing cities are facing declines in public transport usage, with few efficient methods to explain why. In this article, we show that urban mobility patterns and transport mode choices can be derived from cellphone call detail records coupled with public transport data recorded from smart cards. Specifically, we present new data mining approaches to determine the spatial and temporal variability of public and private transportation usage and transport mode preferences across Singapore. Our results, which were validated by Singapore's quadriennial Household Interview Travel Survey (HITS), revealed that there are 3.5 (HITS: 3.5 million) million and 4.3 (HITS: 4.4 million) million inter-district passengers by public and private transport, respectively. Along with classifying which transportation connections are weak or underserved, the analysis shows that the mode share of public transport use increases from 38 percent in the morning to 44 percent around mid-day and 52 percent in the evening.

研究动机与目标

• 为解决在新加坡等快速扩张城市中，缺乏高效、大规模分析公共交通使用率下降的工具这一问题。
• 克服传统出行调查的局限性，后者成本高、耗时长，且空间-时间精度不足。
• 利用现有的手机与公共交通智能卡数据，开发一种可扩展、实时估算公共交通与私人交通使用情况的方法。
• 基于出行模式，识别城市各区域中薄弱或未充分覆盖的公共交通连接。
• 通过官方《住户出行调查》（HITS）数据验证研究结果，确保可靠性。

提出的方法

• 利用2011年3月至5月期间340万名SingTel用户的匿名手机通话详单记录（CDRs），以基站位置作为用户位置的代理指标。
• 估算定位误差平均为412米，主要源于基站覆盖半径（212米）与数据偏移（最高200米），若使用信号强度数据（本数据集中未提供），误差可降低至128米。
• 应用网络事件间隔时间指标评估用户出行频率，识别网络活动频繁的用户，以提高追踪可靠性。
• 将CDR推导的跨区出行流量与公共交通智能卡数据结合，通过从总跨区出行中减去智能卡用户，分离出私人交通使用情况。
• 按时间段与区对分类交通方式份额，识别出行高峰时段与未充分覆盖的走廊。
• 将结果与官方每四年一次的《住户出行调查》（HITS）进行对比，显示高度一致（公共出行：350万 vs. 350万；私人出行：430万 vs. 440万）。

实验结果

研究问题

• RQ1 如何利用现有的手机与公共交通数据，在大规模范围内准确检测城市出行模式与交通方式选择？
• RQ2 新加坡不同区域之间，公共交通与私人交通使用情况在时空上如何变化？
• RQ3 城市中哪些是关键的未充分覆盖或连接薄弱的交通走廊，特别是公共交通方面？
• RQ4 公共交通方式份额在一天中如何变化，哪些因素影响这些变化？
• RQ5 手机CDRs与智能卡数据在多大程度上可作为传统出行调查的可靠、实时替代方案？

主要发现

• 研究估算出通过公共交通完成的跨区出行达350万次，私人交通达430万次，与HITS调查结果（350万次公共出行；440万次私人出行）高度吻合。
• 公共交通方式份额从早上6–10点的38%显著上升至中午10点–下午5点的44%，以及傍晚5–10点的52%。
• 在早、晚高峰时段，Bukit Timah与市中心之间私人交通使用率最高（约80%），表明缺乏地铁连接。
• 在东部新加坡人口最多的两个区域Bedok与Tampines周边，识别出未充分覆盖的公共交通连接。
• 分析显示，2013至2015年建设中的Downtown MRT线将解决Bukit Timah与市中心之间高需求但目前未充分覆盖的交通连接问题。
• 该方法可实现实时、区级的出行图谱绘制，具备高空间与时间分辨率，为传统出行调查提供可扩展的替代方案。