[论文解读] The path most travelled: Mining road usage patterns from massive call data

Jameson L. Toole, Serdar Çolak+3 more|arXiv (Cornell University)|Mar 3, 2014

Human Mobility and Location-Based Analysis参考文献 26被引用 15

一句话总结

本文提出了一套可扩展的系统，利用大规模移动电话通话详单记录（CDRs）推断起讫点（OD）出行流量，通过分布式交通分配算法将其分配至道路网络，并构建连接人口普查区与道路的二部图使用网络。该方法可对道路功能角色（如连接路、吸引路）进行分类，并通过交互式网络平台可视化全球五座城市的拥堵与使用模式，为城市交通规划提供可操作的洞察。

ABSTRACT

Rapid urbanization places increasing stress on already burdened transportation systems, resulting in delays and poor levels of service. Billions of spatiotemporal call detail records (CDRs) collected from mobile devices create new opportunities to quantify and solve these problems. However, there is a need for tools to map new data onto existing transportation infrastructure. In this work, we propose a system that leverages this data to identify patterns in road usage. First, we develop an algorithm to mine billions of calls and learn location transition probabilities of callers. These transition probabilities are then upscaled with demographic data to estimate origin-destination (OD) flows of residents between any two intersections of a city. Next, we implement a distributed incremental traffic assignment algorithm to route these flows on road networks and estimate congestion and level of service for each roadway. From this assignment, we construct a bipartite usage network by connecting census tracts to the roads used by their inhabitants. Comparing the topologies of the physical road network and bipartite usage network allows us to classify each road's role in a city's transportation network and detect causes of local bottlenecks. Finally, we demonstrate an interactive, web-based visualization platform that allows researchers, policymakers, and drivers to explore road congestion and usage in a new dimension. To demonstrate the flexibility of this system, we perform these analyses in multiple cities across the globe with diverse geographical and sociodemographic qualities. This platform provides a foundation to build congestion mitigation solutions and generate new insights into urban mobility.

研究动机与目标

• 为应对快速城市化和基础设施投入不足所导致的城市拥堵加剧问题。
• 弥合大规模时空出行数据与现有交通基础设施制图之间的差距。
• 开发一种可扩展的、数据驱动的系统，以估算 OD 流量并将其分配至道路网络，用于拥堵与服务水平分析。
• 基于二部图网络模型，结合道路的物理拓扑结构与实际使用模式，对道路路段进行分类。
• 为研究人员、政策制定者和公众创建一个交互式网络平台，实现实时探索城市出行模式。

提出的方法

• 从数十亿条 CDR 中提取位置转移概率，以推断个体出行模式。
• 结合人口统计数据对转移概率进行扩展，估算城市交叉路口之间的起讫点（OD）流量。
• 实施一种分布式增量交通分配算法，将 OD 流量路由至道路网络，并计算每条道路的拥堵程度与服务水平。
• 构建一个连接人口普查区与居民所使用道路的二部图网络，以分析使用模式。
• 基于介数中心性与使用度，将道路划分为四类角色——连接路、吸引路、使用不足的连接路和本地道路。
• 使用 GeoJSON 与 D3.js 开发基于网络的可视化平台，支持对道路使用情况与拥堵指标的交互式探索。

实验结果

研究问题

• RQ1 如何利用大规模通话详单记录推断城市区域的起讫点出行模式？
• RQ2 从手机数据中推导出的实际道路使用模式与道路网络的物理拓扑结构之间存在何种关系？
• RQ3 如何在大规模范围内高效地将 OD 流量分配至道路网络，以估算拥堵与服务水平？
• RQ4 基于使用情况与拓扑结构，城市交通网络中道路的典型功能角色有哪些？
• RQ5 交互式网络平台能否有效向多样化利益相关者传达复杂道路使用与拥堵模式？

主要发现

• 该系统成功在五个地理与社会人口特征各异的城市中估算出 OD 流量，并将其分配至道路网络。
• 二部图使用网络揭示，介数与使用度均较高的道路（如桥梁与城市环路）在交通网络中发挥关键的连接与吸引作用。
• 识别出大量介数高但使用度低的道路，被归类为使用不足的物理连接路，提示基础设施利用可能存在效率问题。
• 可视化平台支持对生成出行的人口普查区与吸引出行的区域（如波士顿的 MIT）进行实时探索，并展示其居民所使用的道路。
• 在使用 10 个线程时，路由性能最高提升 600%，在里约热内卢等大城市，平均每个 OD 对的路径计算时间低于 0.12 ms。
• 该方法在不同城市中实现了道路功能角色的一致分类，表明其对城市形态与人口结构差异具有鲁棒性。