1.文章概述

文章主要是借助出租车数据对城市出行网络进行分析,包括以下几块:1.对城市出行流进行分类,进而对各种出行流进行了一些描述性统计的分析;2.对各种出行流的模式做了分析,这里模式分析主要采用的方法是得到各种出行流OD距离和方向,然后对每小时的OD流和方向做了离散傅里叶变换(DFT)分析,分析各种出行流的OD流距离和方向的周期性。
文章的方法论上的创新主要是使用DFT分析了出行模式的规律性,其他的分析内容相对较为直观,针对傅里叶变换以及DFT主要可以参考傅里叶变换科普1,傅里叶变换科普2,傅里叶变换公式推导,DFT科普,DFT应用介绍。

2.方法论

2.1 OD聚类

文章第一部分首先对起讫点进行聚类划分。实现这一部分的方法论为:

  1. 对城市进行1km*1km的栅格化划分,然后统计每个栅格中起点和讫点的trip的数量,生成一个OD矩阵,行的sum就是该栅格作为起点的trip数量,列的sum就是该栅格作为讫点的trip数量。
  2. 可以人为设定一个阈值,将起点划分为hotspot和non hotspot,类似的,将终点也划分为hotspot和non hotspot。这是最为简单的处理方式,作者提出可以使用聚类的手段,自动确定这个阈值,详见第三步。
  3. 通过聚类的方式得到一个阈值,将起点和讫点分别划分为hotspot和non hotspot。该聚类方法的优化目标为下式,比较容易理解,其实就是使得这个阈值的划分使得hotspot和non hotspot的区分度最大。

2.2 Repeating patterns in fow displacement(模式分析)

这部分可以说是这篇论文的核心了,这部分分析主要是通过下列方式进行:

  1. 计算各个流,HH,HN,NH,NN,也就是hotspot->hotspot,hotspot->nonhotspot等等,计算这些流的两个指标,这两个指标计算如下列步骤所述。
  2. 首先定义每个流的overall displacement vector for each flow type f如下式,xe和ye分别是该flow的每一个trip的经度和纬度方向距离,可以把地图投影到平面,就易于理解,d和w分别是link的距离和trips的数量,需要说明的是这里一小时构建一个网络。
  3. 得到VfV_fVf​之后,便可以计算出每个flow的宏观的两个统计指标,下图的这两个指标就相当容易理解,其中rfr_frf​代表着总体的直线距离,越大说明trip距离越长,θf\theta_fθf​代表着总的来说这个流的流向。
  4. 计算得到这两个指标后,由于是每小时构建一个网络,因此得到了一个时间序列,对这个时间序列使用DFT分析,可以进一步分析得到时间序列的周期特性。

具体结果见第三章所示。

3.result

下面展示一下各个方法论对应的结果,只是展示下结果的样子,但是对于具体解读可以去看文章,由于我也没有这么关注具体解读,所以也没有仔细去看了。


4.参考文献

[1] H Hamedmog h adam, Ramezani, M. , & Saberi, M. . (2019). Revealing latent characteristics of mobility networks with coarse-graining. Scientific Reports, 9(1), 7545.

Revealing latent characteristics of mobility networks with coarsegraining相关推荐

  1. Optimizing the Latent Space of Generative Networks

    1. 概述 提出了一种称之为Generative Latent Optimization(GLO)的方法,与GAN相比,免去了生成对抗训练的策略,取得了类似GAN的效果 2. GAN的介绍 GAN有三 ...

  2. 【论文阅读】A Gentle Introduction to Graph Neural Networks [图神经网络入门](4)

    [论文阅读]A Gentle Introduction to Graph Neural Networks [图神经网络入门](4) The challenges of using graphs in ...

  3. 【ECCV2020】接收论文列表part1

    ECCV2020将于2020年8月23-28日在线上举行,今年共接受了1361篇论文,本文是接收论列表的第一部分,第二部见链接 Paper ID Paper Title Category 267 Qu ...

  4. ECCV2020 收录论文汇总(持续更新中)附打包下载

    2020极市计算机视觉开发者榜单已于2020年7月20日开赛,8月31日截止提交,基于火焰识别.电动车头盔识别.后厨老鼠识别.摔倒识别四个赛道,47000+数据集,30万奖励等你挑战!点击这里报名 极 ...

  5. 【ICCV2019】完整论文列表

    ICCV2019完整论文清单,共1075篇. FaceForensics++: Learning to Detect Manipulated Facial Images Authors:Andreas ...

  6. ECCV 2020 论文大盘点-人脸技术篇

    本文盘点ECCV 2020 所有与人脸相关的研究,涵盖人脸各子领域,总计46篇文章,涉及21个方向. 除了常见的人脸检测.对齐.识别.活体检测,人脸合成.编辑.重建.动画等技术都非常吸引人. 下载包含 ...

  7. 欧洲计算机视觉国际会议ECCR20最新论文整理分享

    ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议) ,两年一次,是计算机视觉三大会议(另外两个是ICCV和CVPR)之一.每次会议在 ...

  8. paper survey ——deep learning or machine learing and optical communication

    machine learning 或者说deep learning已经被广泛应用于各种领域,之前本人也发表了几篇ML或者DL跟VLC相结合的论文.本博文主要是对16年后ML或DL跟optical co ...

  9. Twitter, 微博相关文献

    [转]Twitter及微博研究的一组文献 Bibliography of Research on Twitter & Microblogging Alfred Hermida. (2010). ...

  10. 3G 4G 5G中的网络安全问题——文献汇总

    Modeling and Analysis of RRC-Based Signalling Storms in 3G Networks 还是使用状态机模型来做恶意UE识别 https://san.ee ...

最新文章

  1. 域用户权限设置目录权限
  2. python27-python27安装
  3. mysql百万数据根据索引查询_mysql创建多列索引查询百万表数据的性能优化经验分享...
  4. sql server中同时执行select和update语句死锁问题
  5. Mac 配置PHP运行环境
  6. LINQ 花3个礼拜的时间来弄清楚
  7. excel绘制直方图
  8. 树莓派python语音唤醒_唤醒DuerOS Python SDK(解决声音切回树莓派的问题)
  9. hive:建库建表、表分区、内部表外部表、数据导入导出
  10. WPA3 vs WPA2
  11. C# vb .net实现消除红眼效果
  12. 树莓派3B+的基础配置
  13. JS Knockoutjs 简单使用
  14. linux编写域网扫描工具,shell脚本+详细解析
  15. HCI 基础系列:超融合架构的本质是什么(上)
  16. GridDehazeNet
  17. 学习笔记 | 查找成绩排名第二的学生
  18. 为什么我在使用word时。输入空格是点点点
  19. 战五渣系列之四(精通泛型)
  20. 蓝桥杯STC15单片机流水灯

热门文章

  1. 国美易卡对IP层数据进行处理,国美易卡对TCP/IP的封装
  2. 微型计算机日常的应用领域,计算机的应用领域有哪些?
  3. 160页PPT神经网络图,颜色形状随意DIY
  4. 传奇服务器攻城文件,仿盛大传奇沙巴克攻防战与比奇怪物攻城说明
  5. 计算机的数字符号化是什么,电脑输入数字变成符号怎么办
  6. 如何在win10中迅速打开命令提示符
  7. Windows Server 2019 配置DHCP
  8. 金属塑性成形计算机模拟仿真,金属塑性成形计算机模拟的若干进展
  9. 微信公众平台被动回复用户消息开发全步骤
  10. 完美世界年营收85亿:同比降17% 影视业务整体产生亏损2亿