[论文解读] From Twitter to Traffic Predictor: Next-Day Morning Traffic Prediction Using Social Media Data

Weiran Yao, Sean Qian|arXiv (Cornell University)|Sep 29, 2020

Traffic Prediction and Management Techniques参考文献 78被引用 67

一句话总结

本文提出 tweet2traffic 框架，一种基于社交媒体的预测方法，利用午夜前收集的 Twitter 数据预测次日早晨的交通拥堵情况。通过分析推文的情感、时间及地理位置模式，特别是夜间和清晨的活动模式，该方法提取出有意义的出行需求信号，显著提升了早晨交通拥堵的预测效果，尤其在拥堵模式日间波动较大的瓶颈上游路段表现更优。

ABSTRACT

The effectiveness of traditional traffic prediction methods is often extremely limited when forecasting traffic dynamics in early morning. The reason is that traffic can break down drastically during the early morning commute, and the time and duration of this break-down vary substantially from day to day. Early morning traffic forecast is crucial to inform morning-commute traffic management, but they are generally challenging to predict in advance, particularly by midnight. In this paper, we propose to mine Twitter messages as a probing method to understand the impacts of people's work and rest patterns in the evening/midnight of the previous day to the next-day morning traffic. The model is tested on freeway networks in Pittsburgh as experiments. The resulting relationship is surprisingly simple and powerful. We find that, in general, the earlier people rest as indicated from Tweets, the more congested roads will be in the next morning. The occurrence of big events in the evening before, represented by higher or lower tweet sentiment than normal, often implies lower travel demand in the next morning than normal days. Besides, people's tweeting activities in the night before and early morning are statistically associated with congestion in morning peak hours. We make use of such relationships to build a predictive framework which forecasts morning commute congestion using people's tweeting profiles extracted by 5 am or as late as the midnight prior to the morning. The Pittsburgh study supports that our framework can precisely predict morning congestion, particularly for some road segments upstream of roadway bottlenecks with large day-to-day congestion variation. Our approach considerably outperforms those existing methods without Twitter message features, and it can learn meaningful representation of demand from tweeting profiles that offer managerial insights.

研究动机与目标

• 解决次日早晨交通拥堵预测这一关键挑战，该问题对传统模型而言仍具挑战性，原因在于拥堵模式存在较高的日间波动性。
• 克服传统交通预测模型依赖实时或历史交通数据的局限性，这些数据在凌晨5点前因处于自由流状态而缺乏信息量。
• 探究社交媒体数据（特别是 Twitter）是否可作为群体出行需求及行为模式的代理指标，以影响次日早晨的交通状况。
• 开发一种数据驱动框架，整合社交媒体信号与交通事件、天气及时间变量，以提升对拥堵发生时间与持续时间的早期预测能力。
• 证明基于推文的特征可显著提升预测精度，尤其在对需求波动敏感且位于瓶颈上游的路段表现更优。

提出的方法

• 收集并预处理 Twitter 数据，包括地理编码推文、转发、点赞及用户时间线数据，重点关注夜间（午夜至凌晨5点）和清晨时段。
• 实施数据增强策略，通过过滤掉非本地用户（如游客）并推断其居住地，利用非地理编码活动（如转发、点赞）扩展推文数据。
• 应用基于神经网络的情感分析模型，通过识别推文情感与基线的偏离，检测异常本地事件（如音乐会、体育赛事）。
• 利用自然语言处理与关键词匹配从推文中提取交通事件报告，识别计划内或计划外的交通中断。
• 构建包含三个组件的多源预测流水线：(1) 路段级交通描述符，(2) 段级交通分类器（二元拥堵状态），(3) 段级交通回归器（拥堵开始时间、持续时间与规划指数）。
• 采用聚类学习结构，利用道路路段上有序的时空拥堵模式，以提升模型泛化能力与预测精度。

实验结果

研究问题

• RQ1 在午夜前收集的 Twitter 数据能否提供可靠的信号，用于预测次日早晨的交通拥堵？
• RQ2 人们睡眠-觉醒模式（通过夜间发推推断）与早晨拥堵水平之间是否存在相关性？
• RQ3 通过情感偏离检测的异常本地事件（如体育赛事、音乐会）在多大程度上可预测次日早晨出行需求下降与拥堵减少？
• RQ4 与传统数据源（如交通事件、天气）相比，基于推文的特征在不同路段的预测能力如何？
• RQ5 社交媒体数据的整合是否在拥堵日间波动性较高的区域（如瓶颈上游）显著提升预测性能？

主要发现

• 人们入睡越早（表现为夜间发推活动减少），次日早晨道路越可能拥堵。
• 前一晚夜间及清晨（至凌晨5点）的发推活动与早晨拥堵水平呈统计学上的显著关联，表明夜间行为与次日交通模式存在直接联系。
• 通过情感偏离检测到的异常本地事件（如体育比赛、音乐会）与低于正常的出行需求及早晨拥堵减少相关。
• tweet2traffic 框架显著优于不包含社交媒体特征的基线模型，尤其在拥堵日间波动较大的瓶颈上游路段表现更优。
• 在特殊活动日，社交媒体数据显著提升预测精度，此时人们因晚间活动而推迟或减少早晨出行。
• 即使预测延迟增加，模型仍保持稳健，表明午夜前收集的数据已足够实现可靠的次日早晨交通拥堵预测。