Sean Qian cho biết: “Thật là thú vị khi thấy phương pháp này dẫn đến dự đoán tốt hơn về giao thông trên đường đi làm vào buổi sáng muộn nhất là 5 giờ sáng và tôi tin rằng điều này có thể nhanh chóng được triển khai tại nhiều trung tâm quản lý giao thông của chúng tôi,” Sean Qian nói. (Tín dụng: Á hậu màn trập / Flickr)
Các nhà nghiên cứu đã sử dụng thông tin trích xuất từ các tweet để cung cấp độ chính xác vô song cho việc dự đoán các mô hình giao thông buổi sáng.
Khoảng thời gian đi làm buổi sáng là một trong những thời điểm giao thông bận rộn nhất trong ngày; tuy nhiên, nó cũng đã được chứng minh là thời điểm khó dự đoán các mô hình lưu lượng truy cập nhất. Điều này là do hầu hết các phương pháp dự đoán lưu lượng đều dựa vào việc có một luồng dữ liệu lưu lượng nhất quán từ thời điểm dẫn đến khoảng thời gian dự đoán.
Tuy nhiên, phần lớn mọi người dành thời gian trước đi làm ngủ hoặc thực hiện các thói quen buổi sáng của họ ở nhà, để lại một khoảng trống lớn trong dữ liệu dự đoán về lưu lượng truy cập.
Phương pháp của các nhà nghiên cứu giải quyết vấn đề này bằng cách lấy dữ liệu từ các tweet được gửi từ tối hôm trước đến sáng sớm ngày hôm sau. Đầu tiên, họ sử dụng giao diện lập trình ứng dụng (API) của Twitter để xác định các tweet trong một khu vực nhất định (trong trường hợp này là thành phố Pittsburgh) với các thẻ địa lý cho biết chúng được gửi từ đâu. Sau đó, họ sử dụng một ứng dụng khác có tên Twint, một trình duyệt web, lấy các bài đăng khác từ người dùng bằng các tweet được gắn thẻ địa lý, để tạo ra một bức tranh tốt hơn về thời gian và khu vực chung mà người dùng đó đang hoạt động. Tất cả dữ liệu đã được ẩn danh và tước bỏ mọi thông tin nhận dạng cá nhân trước khi xuất bản.
“Chúng tôi tranh luận rằng các tweet nắm bắt ba loại thông tin hữu ích để giải thích giao thông buổi sáng ngày hôm sau, bao gồm tình trạng ngủ-thức của mọi người, các sự kiện địa phương và các sự cố giao thông (đã được lên kế hoạch),” tác giả Sean Qian, phó giáo sư kỹ thuật dân dụng và môi trường, và Weiran Yao, nghiên cứu sinh của Qian, viết.
Việc tăng cường thêm bộ dữ liệu này cho phép các nhà nghiên cứu trích xuất thêm thông tin. Sử dụng phân tích ngôn ngữ, nhóm đã xác định các cụm từ tìm kiếm có thể chỉ ra một sự cố giao thông. Điều này không chỉ bao gồm tai nạn mà còn bao gồm cả việc đóng cửa theo kế hoạch hoặc các sự kiện lớn như buổi hòa nhạc, trò chơi thể thao hoặc lễ kỷ niệm ngày lễ.
Các dòng tweet cá nhân đơn giản như "Đã có một vụ nổ trong trò chơi Cướp biển!" hoặc "Cái chắn bùn phía trước sẽ khiến tôi đến muộn", thực sự có thể cung cấp thông tin quan trọng, đặc biệt khi được gắn thẻ địa lý hoặc được thông báo bởi các tweet khác từ người dùng đó. Dữ liệu khác cũng được lấy từ các tài khoản chính thức, chẳng hạn như các cửa hàng tin tức và chính quyền địa phương, thường đăng các báo cáo trực tiếp về các vụ tai nạn và kế hoạch đóng cửa.
Khi được kết hợp, các phương pháp này cung cấp một tập dữ liệu lớn về thông tin cho biết sự phân bố địa lý và thời gian ngủ / thức có thể hành khách, cũng như các sự cố giao thông theo kế hoạch và tình cờ có thể ảnh hưởng đến việc đi làm của họ. Điều này đã thu hẹp khoảng cách thông tin do giao thông tạm lắng qua đêm tạo ra.
Với thông tin này, Qian và Yao có thể đưa ra dự đoán giao thông cho khoảng thời gian đi làm buổi sáng ở Pittsburgh với độ chính xác chưa từng thấy trước đây và đã tạo ra một khuôn khổ toàn diện để dự đoán tình trạng giao thông buổi sáng trong đô thị khu vực.
Thông tin này cũng cho phép họ bắt đầu quan sát và dự đoán trên quy mô lớn hơn, hàng ngày. Điều đó bao gồm việc phát hiện ra rằng giao thông buổi sáng của Pittsburgh thường tắc nghẽn hơn vào các ngày Thứ Ba, Thứ Tư và Thứ Năm, điều này có thể cho phép các cơ quan giao thông vận tải quản lý tốt hơn lộ trình đi làm buổi sáng. Những loại quan sát này - trước đây là không thể, do không thể dự đoán chính xác điều kiện buổi sáng - có thể cung cấp các quyết định lớn hơn trong quản lý nhu cầu đi lại, kiểm soát thời gian tín hiệu và định tuyến điểm đến cá nhân.
Qian cho biết: “Nghiên cứu này sử dụng công nghệ máy học và dữ liệu lớn để hiểu hành vi của con người trong khi vẫn bảo vệ quyền riêng tư của cá nhân.
“Thật là thú vị khi thấy phương pháp này dẫn đến dự đoán tốt hơn về giao thông trên đường đi làm vào buổi sáng muộn nhất là vào lúc 5 giờ sáng và tôi tin rằng điều này có thể nhanh chóng được triển khai tại nhiều trung tâm quản lý giao thông của chúng tôi.”
Về các tác giả
Kết quả của họ xuất hiện trong Nghiên cứu Giao thông vận tải. - Nghiên cứu ban đầu
Sách liên quan:
Thói quen nguyên tử: Cách dễ dàng và đã được chứng minh để xây dựng thói quen tốt và phá vỡ những điều xấu
của James Clear
Atomic Habits đưa ra những lời khuyên thiết thực để phát triển những thói quen tốt và từ bỏ những thói quen xấu, dựa trên nghiên cứu khoa học về thay đổi hành vi.
Bấm để biết thêm thông tin hoặc đặt hàng
Bốn khuynh hướng: Cấu hình tính cách không thể thiếu tiết lộ cách làm cho cuộc sống của bạn tốt đẹp hơn (và cuộc sống của những người khác cũng tốt hơn)
bởi Gretchen Rubin
Bốn xu hướng xác định bốn loại tính cách và giải thích cách hiểu xu hướng của chính bạn có thể giúp bạn cải thiện các mối quan hệ, thói quen làm việc và hạnh phúc tổng thể.
Bấm để biết thêm thông tin hoặc đặt hàng
Hãy suy nghĩ lại: Sức mạnh của việc biết những gì bạn không biết
của Adam Grant
Think Again khám phá cách mọi người có thể thay đổi suy nghĩ và thái độ của mình, đồng thời đưa ra các chiến lược để cải thiện tư duy phản biện và ra quyết định.
Bấm để biết thêm thông tin hoặc đặt hàng
Cơ thể giữ điểm số: Não bộ, trí óc và cơ thể trong việc chữa lành chấn thương
bởi Bessel van der Nikol
The Body Keeps the Score thảo luận về mối liên hệ giữa chấn thương và sức khỏe thể chất, đồng thời đưa ra những hiểu biết sâu sắc về cách điều trị và chữa lành chấn thương.
Bấm để biết thêm thông tin hoặc đặt hàng
Tâm lý học về tiền bạc: Những bài học vượt thời gian về sự giàu có, lòng tham và hạnh phúc
bởi Morgan Housel
Tâm lý học về tiền bạc xem xét cách thức mà thái độ và hành vi của chúng ta đối với tiền bạc có thể định hình thành công tài chính và hạnh phúc tổng thể của chúng ta.
