"Es muy emocionante ver que este método conduce a mejores predicciones del tráfico de los desplazamientos matutinos hasta las 5 de la mañana, y creo que esto se puede implementar rápidamente en muchos de nuestros centros de gestión de transporte", dice Sean Qian. (Crédito: Shutter Runner / Flickr)
Los investigadores han utilizado información extraída de los tweets para proporcionar una precisión incomparable a la hora de predecir los patrones de tráfico matutinos.
El período de viaje diario por la mañana es uno de los momentos del día más ocupados para el tráfico; sin embargo, también ha demostrado ser el momento más difícil para predecir patrones de tráfico. Esto se debe a que la mayoría de los métodos para la predicción del tráfico se basan en tener un flujo constante de datos de tráfico desde el momento previo al período previsto.
La mayoría de la gente, sin embargo, pasa el tiempo anterior a su conmutar durmiendo o realizando sus rutinas matutinas en casa, dejando una gran brecha en los datos predictivos del tráfico.
El método de los investigadores resuelve este problema extrayendo datos de tweets enviados entre la noche anterior y la madrugada del día siguiente. Primero utilizaron la interfaz de programación de aplicaciones (API) de Twitter para identificar tweets dentro de un área determinada (en este caso, la ciudad de Pittsburgh) con geoetiquetas que indicaban desde dónde se enviaron. Luego usaron otra aplicación llamada Twint, un raspador web, que extraía otras publicaciones de los usuarios con tweets geoetiquetados, para crear una mejor imagen de los tiempos y el área general dentro de la cual ese usuario estaba activo. Todos los datos fueron anonimizados y despojados de cualquier información de identificación personal antes de su publicación.
“Argumentamos que los tweets capturan tres tipos de información útil para explicar el tráfico de la mañana siguiente, que incluye el estado de sueño y vigilia de las personas, eventos locales e incidentes de tráfico (planeados)”, autores Sean Qian, profesor asociado de ingeniería civil y ambiental. y Weiran Yao, estudiante de doctorado de Qian, escriben.
El aumento adicional de este conjunto de datos permitió a los investigadores extraer información adicional. Mediante el análisis del lenguaje, el equipo identificó términos de búsqueda que podrían indicar un incidente de tráfico. Esto incluye no solo accidentes, sino también cierres planificados o grandes eventos como un concierto, un juego deportivo o una celebración navideña.
Tweets personales simples como "¡Lo pasé de maravilla en el juego de los Piratas!" o “Este choque de guardabarros adelante me hará llegar tarde”, en realidad puede proporcionar información crucial, especialmente cuando está etiquetado con una etiqueta geográfica o informado por otros tweets de ese usuario. También se extrajeron más datos de cuentas oficiales, como los medios de comunicación y el gobierno local, que a menudo tuitean informes directos sobre accidentes y cierres planificados.
Cuando se combinan, estos métodos proporcionan un gran conjunto de datos de información que indica la distribución geográfica y el tiempo de sueño / vigilia probable viajeros, así como los incidentes de tráfico planificados y accidentales que puedan afectar su viaje. Esto cerró la brecha de información creada por la pausa del tráfico durante la noche.
Con esta información, Qian y Yao pudieron proporcionar predicciones de tráfico para el período de viaje matutino de Pittsburgh con una precisión nunca antes vista y han creado un marco integral para predecir las condiciones del tráfico matutino en zonas urbanas. áreas.
Esta información también les permite comenzar a hacer observaciones y predicciones en una escala más grande del día a día. Eso incluye descubrir que el tráfico matutino de Pittsburgh estaba generalmente más congestionado los martes, miércoles y jueves, lo que podría permitir a las agencias de transporte administrar mejor el viaje diario al trabajo. Este tipo de observaciones, que antes eran imposibles debido a la incapacidad de predecir con precisión las condiciones de la mañana, pueden informar decisiones más importantes en la gestión de la demanda de viajes, el control de tiempo de señal y la ruta de destino personal.
“Esta investigación aprovecha el aprendizaje automático y los macrodatos para comprender el comportamiento humano y, al mismo tiempo, preservar la privacidad individual”, dice Qian.
"Es muy emocionante ver que este método conduce a mejores predicciones del tráfico de los desplazamientos matutinos hasta las 5 de la mañana, y creo que esto se puede implementar rápidamente en muchos de nuestros centros de gestión de transporte".
Acerca de los autores
Sus resultados aparecen en Investigación de transporte. - Estudio original
Libros relacionados:
Hábitos atómicos: una forma fácil y comprobada de construir buenos hábitos y romper los malos
por James Clear
Atomic Habits proporciona consejos prácticos para desarrollar buenos hábitos y romper los malos, basados en investigaciones científicas sobre el cambio de comportamiento.
Haga clic para obtener más información o para ordenar
Las cuatro tendencias: los perfiles de personalidad indispensables que revelan cómo mejorar su vida (y también la vida de otras personas)
por Gretchen Rubín
Las Cuatro Tendencias identifica cuatro tipos de personalidad y explica cómo comprender sus propias tendencias puede ayudarlo a mejorar sus relaciones, hábitos de trabajo y felicidad en general.
Haga clic para obtener más información o para ordenar
Piense de nuevo: el poder de saber lo que no sabe
por Adam Grant
Think Again explora cómo las personas pueden cambiar de opinión y de actitud, y ofrece estrategias para mejorar el pensamiento crítico y la toma de decisiones.
Haga clic para obtener más información o para ordenar
El cuerpo lleva la cuenta: cerebro, mente y cuerpo en la curación del trauma
por Bessel van der Kolk
The Body Keeps the Score analiza la conexión entre el trauma y la salud física, y ofrece información sobre cómo se puede tratar y curar el trauma.
Haga clic para obtener más información o para ordenar
La psicología del dinero: lecciones atemporales sobre riqueza, codicia y felicidad
por Morgan Housel
La psicología del dinero examina las formas en que nuestras actitudes y comportamientos en torno al dinero pueden dar forma a nuestro éxito financiero y bienestar general.
