نقشه راه GIS

درخواست مشاوره

09120049370

8 صبح تا 12 شب

09120049370

Telegram Whatsapp Youtube
کاربرد جی ای اس

 

چکیده

در این مقاله ما یک رویکرد تحلیل بصری برای استخراج الگوهای مکانی-زمانی تحرک جمعی انسان از یک مجموعه داده ترافیک شبکه تلفن همراه گسترده ارائه می‌کنیم. بیش از 88 میلیون جابه‌جایی بین جفت سلول‌های رادیویی (به‌اصطلاح تحویل‌دهنده) به عنوان یک پروکسی برای بیش از دو ماه تحرک در چهار منطقه آزمایشی شهری در شمال ایتالیا عمل کرد. برخلاف کار قبلی، رویکرد ما کاملاً بر تکنیک‌های تجسم و نقشه‌برداری استوار است که در چندین برنامه نرم‌افزاری پیاده‌سازی شده‌اند. ما به طور هدفمند از مدل‌سازی آماری یا احتمالی اجتناب می‌کنیم و با این وجود، الگوهای حرکتی مشخصه و استثنایی را آشکار می‌کنیم. نتایج به عنوان مثال، شباهت‌ها و تقارن‌های شگفت‌انگیزی را در میان کل تحرک و جریان افراد بین مناطق آزمایش نشان می‌دهد. علاوه بر این، الگوهای استثنایی شناسایی شده را می توان با رویدادهای دنیای واقعی مانند مسابقات فوتبال مرتبط کرد. نتیجه می‌گیریم که رویکرد تحلیل بصری ارائه‌شده می‌تواند نور جدیدی بر رفتار تحرک شهری جمعی در مقیاس بزرگ بتاباند و بنابراین به درک بهتر «نبض» سیستم‌های شهری پویا کمک می‌کند.
کلید واژه ها: 

تجزیه و تحلیل بصری ; پویایی شهری ; تحرک شهری ; حس اجتماعی ; کلان داده ؛ رفتار جمعی انسان ; الگوهای مکانی-زمانی ؛ علم اطلاعات جغرافیایی

 

1. مقدمه

مردم نقش محوری در سیستم های شهری دارند و رفتار آنها به طور طبیعی به ساختار شهر بستگی دارد [ 1 ، 2 ]. علاوه بر این، سازماندهی شهرها، به عنوان مثال ، پیکربندی عملکردی آنها، و نیز پویایی ذاتی آنها، شباهت جهانی خاصی را در میان ملل و زمان‌های مختلف شامل می‌شود – بنابراین شهرها، تا حدی، نسخه‌های مقیاس‌شده یکدیگر هستند [ 2 ، 3 ]. همانطور که الگوهای عمومی حرکت انسان درک اساسی پویایی شهری را بهبود می بخشد ( ر.ک. [ 4])، دانش دقیق الگوهای تحرک مکانی-زمانی و «ناهنجاری‌ها» می‌تواند بینش بیشتری در مورد پیکربندی عملکردی محیط‌های شهری ارائه دهد و بنابراین، به طور قابل توجهی آگاهی مکانی و زمانی تصمیم‌گیرندگان را برای اهداف مختلف افزایش دهد. مدیریت رویداد (کنسرت های عمومی، مسابقات فوتبال و غیره ).
هدف این تحقیق درک بهتر الگوهای مکانی-زمانی معمول تحرک جمعی انسان در مقیاس عملیاتی یک شهر و حاشیه نزدیک آن است. علاوه بر این، [ 5 ، 6 ] را دنبال می کنیم] و این الگوها را در میان چهار محیط شهری بزرگ در منطقه Friuli Venetia Giulia (شمال ایتالیا) مقایسه کنید که عبارتند از Trieste، Udine، Pordenone و Gorizia. به این ترتیب ما می‌توانیم شباهت‌ها و تفاوت‌ها را در پیکربندی عملکردی شهرها از نظر تحرک آشکار کنیم. برخلاف کارهای قبلی، ما در رویکرد تحلیل خود به طور انحصاری بر اجزای بصری تکیه می کنیم و به طور هدفمند از هر گونه مدل سازی ریاضی، آماری یا احتمالی اجتناب می کنیم. تجزیه و تحلیل بر اساس داده های ترافیک شبکه تلفن همراه تولید شده توسط کاربر است که نمونه بسیار گسترده ای در سراسر جامعه است و قرار است نماینده رفتار جمعی انسان باشد.
در این زمینه، سؤال تحقیق ما این است: آیا الگوهای مکانی-زمانی استثنایی تحرک جمعی انسان می‌تواند از حجم زیادی از ترافیک شبکه تلفن همراه تولید شده توسط کاربر با استفاده از ابزارهای تحلیل بصری استخراج شود؟ سؤالات فرعی زیر مطرح می شود: آیا می توان از الگوهای مشخصه برای توصیف پیکربندی عملکردی یک شهر از نظر تحرک استفاده کرد؟ آیا الگوهای استثنایی می توانند با رویدادهای دنیای واقعی مرتبط شوند؟

2. کارهای مرتبط

امروزه، به لطف ردپای دیجیتالی که مردم به‌طور داوطلبانه یا ناخواسته هنگام تعامل با سیستم‌های دیجیتالی مانند شبکه‌های ارتباطی یا پلتفرم‌های رسانه‌های اجتماعی از خود بر جای می‌گذارند، تحقیق در مورد الگوهای رفتاری انسان به بعد جدیدی رسیده است: انبوهی از «حسگرهای اجتماعی» داده‌های [ 4 ] از چنین سیستم‌های همه جا حاضر، رفتار جمعی و فردی انسان را با جزئیات مکانی و زمانی قابل توجه منعکس می‌کند [ 7 ، 8 ]. ترافیک تولید شده توسط کاربر در شبکه های ارتباطی سیار، که احتمالاً گسترده ترین و معمولاً کمترین سوگیری است [ 5 ]] نمونه یک سیستم دیجیتالی مورد استفاده روزانه، مجموعه داده ای است که اغلب برای تجزیه و تحلیل تحرک انسان استفاده می شود. وضوح مکانی چنین داده هایی می تواند به طور قابل توجهی متفاوت باشد (~250 متر تا 5000 متر، رجوع کنید به [ 9 ، 10 ، 11 ]) و با چگالی آنتن های شبکه و شدت ترافیک شبکه در هر آنتن تعیین می شود [ 10 ]. بنابراین وضوح و دقت مکانی داده‌ها معمولاً در محیط‌های شهری پرجمعیت در مقایسه با مناطق روستایی بیشتر است [ 12 ]. با این وجود، الگوهای تحرک انسانی با جزئیات نسبتاً دقیق را می توان بر اساس چنین مجموعه داده های ارتباطی بازسازی کرد ( ر.ک. [ 13 ]).
انواع مطالعات تحرک انسان بر محیط های شهری فردی متمرکز است. به عنوان مثال، چنین مطالعاتی نشان می دهد که تعامل انسانی به طور قابل توجهی با مناطق اداری [ 14 ]، الگوهای تحرک روزانه فردی با فاصله تا مناطق جغرافیایی جذاب [ 15 ] همبستگی دارد، یا اینکه مسیر حرکت افراد در ترکیب با ترجیحات جغرافیایی دیگر مانند استفاده از زمین را می توان برای توصیف فعالیت های انسانی و در نتیجه درک بهتر تقاضاهای سفر مردم استفاده کرد [ 1 ]. علاوه بر این، در [ 16]، الگوهای تکرار شونده تحرک مردم نشان می دهد که منظم بودن جنبش های توده ای با شاخص های اجتماعی و محیطی همبستگی دارد. با توجه به رویدادهای عمومی، تحلیل حرکت جمعی انسانی [ 17 ] نشان می‌دهد که افرادی که نزدیک به رویداد زندگی می‌کنند بیشتر از کسانی که دورتر زندگی می‌کنند جذب می‌شوند. برای کشف پویایی حرکت انسان در مناطق شهری، ابزار توسعه یافته توسط مارتینو و همکاران. [ 7 ] امکان بررسی ردپای تلفن همراه فردی و انبوه در مقیاس‌های مکانی و زمانی متفاوت را فراهم می‌کند. در سطح فردی بسیار دقیق، یوان و همکاران. [ 11] نشان می دهد که داده های استفاده از تلفن همراه به طور قابل توجهی با رفتار سفر کاربر از نظر مقیاس، شکل و تصادفی بودن ردیابی آنها مرتبط است.
مطالعات متعددی وجود دارد که تحرک انسان را بین محیط های شهری مقایسه می کند. به عنوان مثال، تفاوت‌های آماری معنی‌داری در الگوهای تحرک انسانی در رابطه با میانگین مسافت طی شده، ناحیه نفوذ فرد، و پراکندگی جغرافیایی شبکه اجتماعی را می‌توان در کشورهایی با سطح اقتصادی در حال توسعه یا پیشرفته مشاهده کرد [ 5 ]. شهرهای بزرگی مانند لس آنجلس و شهر نیویورک (هر دو ایالات متحده آمریکا) که مطمئناً در سطح اقتصادی پیشرفته ای قرار دارند، الگوهای حرکتی متفاوتی [ 6 ] از نظر مسافت روزانه و حداکثر سفر را نشان می دهند.
با این حال، مطالعاتی که الگوی مکانی-زمانی مشخص حرکت جمعی انسان را از منظری پویاتر بررسی می‌کنند و مقایسه‌ای بین محیط‌های مختلف شهری ارائه می‌دهند، بسیار نادر هستند. یک مثال بسیار جدید، بر اساس یک سری زمانی 9 روزه از داده های تلفن همراه فردی، شباهت ها و تفاوت های “الگوهای تحرک پویا” را در سطح سلول های رادیویی در همان شهر نشان می دهد [ 18 ].]. اگرچه این مطالعه یک رویکرد جالب برای اندازه‌گیری شباهت میانگین نشانه‌های زمانی روزهای هفته/آخر هفته سلول‌ها را نشان می‌دهد، اما اجازه مقایسه الگوهای تحرک بین محیط‌های مختلف شهری را نمی‌دهد. علاوه بر این، بسیاری از تحقیقات در مورد تحرک انسان، از جمله مطالعات ذکر شده در بالا، از تکنیک های تجسم مختلف به منظور ارتباط موثر نتایج مطالعات استفاده می کنند، با این حال، قدرت تحلیل ذاتی چنین تکنیک هایی نادیده گرفته می شود. یعنی ابزارهای تجزیه و تحلیل بصری به ندرت برای کاوش داده ها و در نتیجه نشان دادن نتایج معنی دار استفاده می شوند.
تجزیه و تحلیل بصری، همانطور که توسط [ 19 ] تعریف شده است، با هدف ایجاد پایه مفهومی و روش شناختی برای توسعه ابزارهای تجسم حمایتی در یک زمینه عمدتا اکتشافی است. این امر به ویژه برای مجموعه داده های وسیعی مانند ترافیک شبکه تلفن همراه تولید شده توسط کاربر صادق است. در حالی که نقشه‌نگاری عمدتاً بر ویژگی‌های داده‌های مکانی متمرکز است، ابزارهای تحلیل بصری معمولی چندین بعد دیگر را بیش از همه زمان در نظر می‌گیرند [ 20 ]. علاوه بر این، تجزیه و تحلیل بصری طبق تعریف یک فرآیند تعاملی و تکراری است [ 21 ]. تجزیه و تحلیل بصری داده های مکانی-زمانی می تواند از دو منطق مکمل پیروی کند [ 22]، یعنی تمرکز بر یک مکان یا منطقه خاص در طول زمان، یا تمرکز بر یک بازه زمانی یا زمانی خاص و بررسی فضا. مزیت اصلی تجزیه و تحلیل بصری اکتشافی امکان مشاهده داده ها از منظرهای مختلف و مقیاس های مختلف به طور همزمان است، در حالی که هرگز نمای کلی را از دست نمی دهید. تجزیه و تحلیل بصری کاوش، تجزیه و تحلیل داده ها و ارائه بسیار تعاملی را تسهیل می کند. از این رو برای استدلال استقرایی به جای قیاسی استفاده می شود.
به طور خلاصه، تحلیل‌ها و مقایسه‌های الگوهای تحرک انسان در محیط‌های شهری و در میان آن‌ها، ویژگی‌های ذاتی مکانی-زمانی الگوها را در گذشته نادیده می‌گرفت. همچنین، به دلیل غلبه مدل‌سازی ریاضی، آماری یا احتمالی، استفاده از تجزیه و تحلیل بصری برای استخراج کارآمد نتایج معنادار هنوز به اندازه کافی مورد توجه قرار نگرفته است.

3. طرح مطالعه موردی

3.1. مناطق مطالعه

مناطق مورد مطالعه چهار محیط شهری بزرگ در منطقه Friuli Venetia Giulia در شمال ایتالیا بودند: گوریزیا (~ 35000 نفر)، پوردنونه (~50,000)، تریست (~205,000) و اودینه (~100,000). هر شهر مرکز یکی از چهار استان به همین نام است، بنابراین مناطق مورد مطالعه دارای وظایف اداری مشابهی هستند. مجموعه داده‌های اداری رسمی سال 2001 اولاً برای تشخیص مناطق شهری از غیر شهری و ثانیاً برای در نظر گرفتن توزیع فضایی تراکم جمعیت استفاده شد ( شکل 1).). به منظور در نظر گرفتن حاشیه نزدیک نیز، ما 1 کیلومتر بافر برای هر یک از مناطق شهری رسمی اعلام شده محاسبه کردیم. برای اهداف ساده و دید، این بافرها در مرزهای ملی (در مورد گوریزیا) یا در سواحل (تریست به عنوان بندر دریایی اصلی منطقه ترکیبی از تحرک در کنار دریا و کنار خشکی) نبودند.
Ijgi 01 00256 g001 1024
شکل 1. مناطق مورد مطالعه: چهار محیط شهری در منطقه Friuli Venetia Giulia شامل حاشیه نزدیک آنها.

3.2. داده های ترافیک شبکه تلفن همراه استفاده شده است

با پرداختن به معرف بودن داده‌های مورد استفاده برای تجزیه و تحلیل تحرک شهری، ترافیک شبکه تلفن همراه کاملاً ناشناس و جمع‌آوری شده توسط یک اپراتور مخابراتی ایتالیایی با سهم بازار 34.2٪ ارائه شد. در منطقه Friuli Venetia Giulia، ضریب نفوذ تلفن همراه، یعنی نسبت بر حسب درصد بین تعداد تلفن‌های همراه و تعداد افراد بر حسب درصد، حدود 155٪ است (هر دو نسبت مربوط به سال 2010 است [ 23 ]]). بنابراین، بیش از یک سوم از فعالیت ارتباط تلفن همراه جمعیت منطقه قرار بود در ترافیک شبکه تلفن همراه تولید شده توسط کاربر که در اینجا استفاده می شود منعکس شود. تلفن های همراه خاموش گرفته نشدند، اما فرض بر این بود که این اثر به صورت تصادفی به صورت مکانی و همچنین زمانی توزیع شده است، بنابراین تحلیل مکانی-زمانی الگوهای تحرک جمعی را تحت تأثیر قرار نمی دهد (با این حال، تحلیل تحرک فردی را سوگیری می کند. ).
داده‌های ترافیک به‌عنوان فایل‌های ارزش جداشده با کاما (CSV) برای یک سری زمانی از 20 جولای تا 30 سپتامبر 2009 در فواصل زمانی 15 دقیقه‌ای ارائه شد. داده ها به طور کامل چهار حوزه مورد مطالعه را پوشش می دهند (به شکل 1 مراجعه کنید ). از حجم وسیعی از داده های مخابراتی تلفن همراه، ما به طور انحصاری بر روی واگذاری متمرکز شدیم که به عنوان نماینده ای برای کل تحرک و جریان مردم عمل می کرد. تحویل دادن اساساً فرآیند انتقال یک جلسه ارتباط فعال از یک سلول رادیویی شبکه تلفن همراه به سلول دیگر است در حالی که دستگاه تلفن همراه – و بنابراین کاربر آن – در حال حرکت است ( شکل 2 ). واگذاری ها توسط باطن شبکه مدیریت می شود.
Ijgi 01 00256 g002 1024
شکل 2. اصل اصلی انتقال (فلش آبی) بین دو سلول سرویس در طول یک مسیر (خط خاکستری). مکان های نارنجی به ترتیب نشان دهنده مرکز سلول مبدا و مقصد هستند (مناطق خاکستری).
هر انتقال در داده‌ها توسط: دو دسته از مختصات جغرافیایی (λ1، φ1 و λ2، φ2) نشان‌دهنده مرکز سلول‌های مبدا و مقصد است که بین آن تحویل اتفاق افتاده است. تعداد انتقال موفقیت آمیز ورودی (از مقصد به سلول مبدا) و با موفقیت خروجی (از مبدأ به سلول مقصد). در اینجا، انتقال به عنوان پیوند مستقیم بین مرکز سلول های مربوطه در نظر گرفته شد ( شکل 2، فلش آبی). به منظور تمایز فضایی انتقال‌ها، ما یک شناسه منحصربه‌فرد ایجاد کردیم – “cell_link_id” (در بقیه به نام cell-link). این منجر به 325 پیوند سلولی در گوریزیا، 516 در پوردنونه، 1200 در تریست و 1054 پیوند در اودینه شد. بنابراین، این پیوندهای سلولی به بالاترین سطح کیفی تجزیه و تحلیل داده های بصری اکتشافی اجازه دادند.

3.3. رویکرد تحلیل

ما یک رویکرد تجزیه و تحلیل چهار مرحله‌ای را اعمال کردیم ( شکل 3 ) که با پردازش داده‌های خام ترافیک شبکه تلفن همراه شروع می‌شود و با تجسم اطلاعات تحرک شهری پایان می‌یابد.
Ijgi 01 00256 g003 1024
شکل 3. مروری بر رویکرد تحلیل چهار مرحله ای.
مرحله اول و دوم برای اطمینان از داده های ترافیک شبکه تلفن همراه معتبر و سازگار طراحی شده است. فایل‌های داده‌های مخابراتی خام در یک برنامه جاوا پردازش شدند، که برای انتقال داده‌ها به یک پایگاه‌داده فضایی فعال توسعه داده شد. در نتیجه آن دو مرحله اول، بیش از 45 میلیون ورودی داده با بیش از 88 میلیون تحویل برای تجزیه و تحلیل داده های بصری اکتشافی باقی مانده است. سپس این پایگاه داده در ساختار داده های ذاتی و اختصاصی ابزار نرم افزار تجزیه و تحلیل بصری ادغام شد تا بهترین عملکرد تحلیل ممکن را تضمین کند. در تجزیه و تحلیل داده های بصری اکتشافی ( شکل 3مرحله 3 و مرحله 4) ما به طور مکرر این دو مرحله را برای به حداکثر رساندن استخراج اطلاعات تحرک به روشی تعاملی اعمال کردیم. به منظور در نظر گرفتن رفتار حرکتی منظم و نامنظم، ما بر دو نوع تحلیل تاکید می کنیم:
  • تجزیه و تحلیل الگوهای مشخصه ، که به تفصیل در بخش چهار توضیح داده شده است، به کشف الگوهای مکانی-زمانی معمول تحرک جمعی انسان در هر روز از هفته اختصاص داشت. سپس این الگوها در میان چهار منطقه آزمایشی شهری به منظور پرداختن به شباهت‌ها و تفاوت‌ها در پیکربندی عملکردی آنها با توجه به تحرک مقایسه شدند.
  • در تشخیص رویدادهای استثنایی ، که به تفصیل در بخش پنج توضیح داده شده است، ما “نقاط پرت” قابل توجه بصری را از “الگوی پس‌زمینه” به روشی بسیار شهودی متمایز کردیم. سپس ویژگی‌های مکانی-زمانی پرت‌ها با رویدادهای استثنایی دنیای واقعی، به عنوان مثال، کنسرت‌ها مرتبط شد.

3.4. ابزارهای نرم افزاری مورد استفاده

ابزارهای نرم افزاری مورد استفاده عبارتند از: نرم افزار Tableau 7 برای تجزیه و تحلیل داده های بصری، تجسم ها، و در ترکیب با آمار SPSS 17، برای بررسی صحت و اعتبار داده ها. ESRI ArcGIS 10 Desktop SP4 برای تجزیه و تحلیل و تجسم داده های مکانی. جاوا برای پردازش داده های خام؛ PostgreSQL 9.1 و PostGIS 1.5 برای مدیریت داده (مکانی).

4. تجزیه و تحلیل الگوهای حرکتی مشخصه

4.1. الگوهای حرکتی زمانی مشخص

تجزیه و تحلیل الگوهای تحرک زمانی در اینجا شامل ویژگی‌های مشترک زیر است: موضوع تجزیه و تحلیل، پیوند سلولی تحویل‌دهنده است، یعنی پیوند مستقیم بین سلول مبدا و سلول مقصد (به فلش آبی در شکل 2 مراجعه کنید.)—نه مکان سلول ها. برای کاهش تأثیر نقاط پرت بر میانگین تحرک هر پیوند سلولی، میانه انتقال‌های مربوطه را محاسبه کردیم. برای حفظ ویژگی‌های مکانی-زمانی اصلی ذاتی داده‌های انتقال، داده‌ها به‌عنوان مثال، جمعیت یا ترافیک کلی شبکه عادی نشده‌اند – بنابراین مجموعه داده‌ها بی‌طرفانه باقی می‌مانند. برای مقایسه الگوهای تحرک مطلق، مقیاس بندی محور در نمودارهای مربوطه برای چهار محیط شهری برابر است. الگوهای نشان داده شده در شکل 4 و شکل 5 مکمل یکدیگر هستند و دو نمای متفاوت از تحرک زمانی مشخص برای هر یک از چهار منطقه مورد مطالعه شهری در هر روز هفته ارائه می دهند.
شکل 4 دو الگو را در هر منطقه مورد مطالعه نشان می‌دهد: الگوهای بالایی مجموع میانه تمام تحویل‌ها در ساعت و پیوند سلولی را نشان می‌دهند، یعنی تحرک کل ساعتی پیوند سلولی، و الگوهای پایین‌تر تفاوت میانه مطلق مبدا به- را نشان می‌دهند. تحویل مقصد و مقصد به مبدا در هر پیوند سلولی، به عنوان مثال ، جریان انتقال خالص مطلق ساعتی پیوند سلولی. این جریان مهاجرت، هم مهاجرت و هم مهاجرت سلول های مربوطه را در یک پیوند سلولی خاص ترکیب می کند.
شکل 5 نمودارهای پراکندگی تحرک کل روزانه (میانگین 24 ساعت مجموع تحویل ها) را در برابر جریان خالص مهاجرت روزانه (24 ساعت اختلاف میانگین مطلق تحویل ها) در هر پیوند سلولی نشان می دهد. مقدار صفر در محور x به معنی عدم جریان خالص مهاجرت در آن بازه 24 ساعته است، اگرچه تحرک کل (در محور y) ممکن است زیاد باشد. ما چنین پیوند متعادلی را “نقطه کانونی تحرک” می نامیم. در مقابل آن، یک جریان خالص مهاجرت بالا نشان دهنده یک “دروازه تحرک” است. بنابراین شکل 5 تکمیل کننده شکل 4 با امکان شناسایی نقاط حساس تحرک و دروازه های تحرک است که سطح تحرک کلی دائمی بالایی را در 24 ساعت نشان می دهد.
Ijgi 01 00256 g004 1024
شکل 4. تغییرات روزانه تحرک کل و جریان خالص خالص مهاجرت چهار محیط شهری در هر روز هفته (رنگی در هر پیوند سلولی). فلش های آبی نشان دهنده دروازه های تحرک و فلش های قرمز نشان دهنده نقاط مهم تحرک است ( شکل 5 را مقایسه کنید ).
در گوریزیا، تحرک بالا به ویژه در یک پیوند سلولی ( شکل 4 : G1)، و دومین پیوند سلولی بالاتر از جریان مهاجرت خالص ( شکل 4 : G2) دو دروازه تحرک را نشان می دهد. این دو دروازه توسط شکل 5 تایید شده اند . با این حال، آنها در روزهای هفته در مقایسه با آخر هفته، به ویژه یکشنبه ها، به طور قابل توجهی فعال تر هستند. سایر پیوندهای سلولی تقریباً متعادل می مانند، به عنوان مثال ، آنها بسیار نزدیک به محور y در شکل 5 قرار دارند.
در پوردنون، یک پیوند سلولی ( شکل 4 : P1) در شب در مقایسه با سایر پیوندهای سلولی ماندگاری بیشتری دارد. دو پیوند سلولی اضافی به عنوان دروازه های تحرک شناسایی شده اند (P2 و P3 در شکل 5 ).
Ijgi 01 00256 g005 1024
شکل 5. 24 ساعت حرکت کل در مقابل 24 ساعت جریان خالص مهاجرت چهار محیط شهری در هر روز هفته (رنگی در هر پیوند سلولی). دروازه های تحرک با فلش های آبی و نقاط حساس تحرک با فلش های قرمز نشان داده شده اند ( شکل 4 را مقایسه کنید ).
در تریست، دو سلول فعال با تحرک کل (T1 و T2 در شکل 4 ) رتبه خود را در مورد جریان های مهاجرت خالص مبادله می کنند. این دو دروازه تحرک را نشان می دهد و با شکل 5 تأیید می شود – در واقع، این دو دروازه تحرک فعال ترین هر چهار منطقه آزمایشی شهری هستند. علاوه بر این، T2 بالاترین و تقریباً ثابت جریان نسبی را در ساعات اولیه صبح نشان می دهد. این یک نقطه گذار را نشان می دهد. علاوه بر این، شکل 4 : T3 یک نقطه حساس تحرک متعادل را نشان می دهد. دروازه تحرک دیگری ( شکل 5 : T4) تقریباً در روزهای هفته مانند آخر هفته ثابت می ماند اما در شکل 4 به سختی قابل توجه است.. بنابراین این پیوند سلولی یک نقطه گذار بین سلول های بسیار نزدیک را نشان می دهد.
در اودینه، از دوشنبه تا جمعه، یک پیوند سلولی (U1 در شکل 4 و شکل 5 ) یک دروازه تحرک “صبح” را نشان می دهد. پیوند سلولی دیگر ( شکل 4 : U2) یک دروازه تحرک “عصر” را نشان می دهد. تفاوت‌ها در جریان مهاجرت خالص این دو پیوند سلولی نشان‌دهنده یک هدف عملکردی موقتی است. یک پیوند سلولی ( شکل 4 : U3) هم تحرک کلی پایدار و هم یک جریان خالص مهاجرت ثابت را در طول روز نشان می‌دهد. معمولاً الگوی دو قله روزانه قابل مشاهده فقط در آخر هفته قابل تشخیص است. این ممکن است نقطه گذار دیگری را بین سلول های بسیار نزدیک نشان دهد ( شکل 5 : T4 را مقایسه کنید).

4.2. الگوهای تحرک فضایی

شکل 6 توزیع فضایی دروازه‌های تحرک و نقاط حساس تحرک و همچنین برآورد تراکم فضایی کل تحرک برای هر محیط شهری را نشان می‌دهد. برای گوریزیا و تریست، از آنجایی که هر دو دقیقاً در مرز اسلوونی قرار دارند، شکل 6 تنها دروازه‌های تحرک را که توسط شبکه تلفن همراه ایتالیا مشاهده می‌شود، نشان می‌دهد. برای مقایسه نقاط مهم تحرک و دروازه‌های تحرک از نظر فضایی در بین چهار محیط، آنها به عنوان نقاط نشان داده شده‌اند اما در واقع خطوط هستند.
در ادامه [ 24 ]، شکل 6 همچنین تراکم انتقال کل تحرک را بر اساس پیوندهای سلولی منفرد و تعداد کل تحویل متناظر آنها که از 20 ژوئیه تا 30 سپتامبر 2009 انباشته شده است را نشان می دهد. بنابراین این تجسم تصویری از چگونگی جمع کلی ارائه می دهد. تحرک انسان بر روی فضا برای هر یک از محیط های شهری سازماندهی شده است.
Ijgi 01 00256 g006 1024
شکل 6. الگوهای تحرک فضایی چهار محیط شهری: مکان های جغرافیایی دروازه های تحرک و نقاط حساس تحرک شناسایی شده در شکل 4 و شکل 5 ، و تخمین تراکم فضایی کل تحرک (تراکم خط تحویل در هر پیوند سلولی).

4.3. شباهت و تقارن تحرک شهری

در کوچکترین مقیاس فضایی، یعنی در واحد شهری اداری اصلی، الگوهای کلی تحرک شهری، به ویژه تحرک کل، درجه بالایی از شباهت و تقارن را در بین چهار منطقه آزمایشی نشان می دهد ( شکل 7 ).
Ijgi 01 00256 g007 1024
شکل 7. شباهت و تقارن تحرک کل و جریان خالص مهاجرت خالص در بین چهار منطقه آزمایشی شهری (مقادیر بین 0 و 1 نرمال شده است).
برای مقایسه بهتر شباهت و تقارن، تحرک کل و جریان خالص مهاجرت مطلق بین 0 (=حداقل) و 1 (=حداکثر) برای هر ناحیه به طور جداگانه نرمال شده است. همه الگوها نشان می‌دهند که حداکثر تحرک کل در روز سه‌شنبه و از نزدیک چهارشنبه به دنبال آن می‌رسد. حداقل تحرک کل به وضوح در روز یکشنبه است. با این حال، جریان خالص خالص مهاجرت ( شکل 7 ، پایین) از چهارشنبه شروع به واگرایی می کند و دوباره در روز یکشنبه همگرا می شود ( شکل 7 ، پایین سمت چپ). در واقع، کوچکترین شهر – گوریزیا – بیشترین فعالیت تحرک نسبتاً قابل مقایسه را در روزهای جمعه و شنبه نشان می دهد، که به عنوان یک رفتار تحرک نامتقارن در شکل 7 تایید شده است (پایین سمت راست، با دو فلش نشان داده شده است).

4.4. بحث در مورد الگوهای حرکتی مشخصه

هنگام مقایسه الگوهای تحرک مشخصه در میان چهار منطقه مورد مطالعه، برخی از پیکربندی‌های عملکردی محیط شهری و شبکه تلفن همراه را می‌توان استخراج کرد. به عنوان مثال، مطابق شکل 4 و شکل 5 ، تحرک بالا در گوریزیا، تریست و اودینه در حداکثر سه پیوند سلولی متمرکز است. با این حال، در Pordenone، سه دروازه تحرک شناسایی شده در شکل 5 (P1، P2، و P3) به سختی در امضاهای زمانی نشان داده شده در شکل 4 قابل شناسایی هستند.. بنابراین پوردنون، برخلاف سه محیط شهری دیگر، یک الگوی تحرک زمانی با دامنه نسبتاً ثابتی در میان تمام پیوندهای سلولی نشان می‌دهد. موقعیت جغرافیایی خاص این نقاط حساس تحرک و دروازه‌های تحرک ( شکل 6 ) با مکان‌هایی با تراکم جمعیت بالا ارتباط دارد ( شکل 1 ). از نقطه نظر شبکه تلفن همراه، این به طور بالقوه نشان دهنده تعادل بار بهتر آنتن ها در ناحیه پوردنون در مقایسه با Udine، Trieste، یا به ویژه Gorizia است (به شکل 4 مراجعه کنید : G1، G2). علاوه بر این، برخی عوامل توضیحی دیگر را می توان شناسایی کرد که احتمالاً آن مکان های ذکر شده را توضیح می دهد. به عنوان مثال، محتمل ترین دلیل برای موقعیت مکانی دروازه متحرک متمایز U1 ( شکل 6) یک خیابان اصلی است که از جاده کمربندی شهر در شمال اودینه عبور می کند.
الگوهای فضایی تحرک جمعی انسان ( شکل 6 ) نشان می دهد که تراکم تحرک و تراکم جمعیت ( شکل 1 ) الگوهای توزیع فضایی مشابهی را نشان می دهد – که با [ 24 ] همخوانی دارد. علاوه بر این، هنگام مقایسه شکل کلی و جهت گیری تراکم تحرک فردی در بین شهرهای دیگر، ساختارهای مختلفی ایجاد می شود. به عنوان مثال، به نظر می رسد پوردنونه و اودینه از یک مدل شهری متمرکز و نه غیرمتمرکز پیروی می کنند ( شکل 6). برخلاف آن، گوریزیا دو “مرکز تحرک” را نشان می دهد، یکی در شمال و دیگری در جنوب، اما هر دو نسبتاً از دو دروازه تحرک G1 و G2 فاصله دارند. بنابراین گوریزیا را می توان به عنوان یک شهر نسبتاً “غیر متمرکز” از نظر تحرک دید.

5. تشخیص الگوهای حرکتی استثنایی

به منظور تشخیص بصری تغییرات قابل توجه در جریان مهاجرت خالص پیوندهای سلولی، که به طور بالقوه توسط برخی رویدادهای دنیای واقعی ایجاد می شوند، حداقل دو روز مرجع را برای مقاصد مقایسه نشان می دهیم. برای تشخیص شهودی مقدار کلی جریان خالص مهاجرت مطلق، ما از نمودارهای میله ای انباشته به جای نمودارهای خطی استفاده شده قبلی استفاده کردیم و جریان در هر پیوند سلولی را در فواصل زمانی 15 دقیقه در روز مشاهده کردیم (هر رنگ در نمودار سری زمانی اشاره دارد. به یک پیوند سلولی).

5.1. کنسرت

شکل 8 جریان خالص خالص مهاجرت را از 22 تا 24 ژوئیه 2009 نشان می دهد. در هر روز، بیش از 30000 واگذاری موفقیت آمیز مشاهده می شود. برخلاف الگوی نسبتاً معمولی کهنه مانند در 22 و 24 ژوئیه، یک پیوند سلولی (که با فلش نارنجی مشخص شده است) به طور قابل توجهی در 23 جولای برجسته است.
Ijgi 01 00256 g008 1024
شکل 8. کنسرت بروس اسپرینگستین در استادیوم فریولی، اودینه، در روز پنجشنبه، 23 ژوئیه 2009. الگوی برجسته نارنجی به موقعیت استادیوم اشاره دارد که در عکس هوایی سمت راست نشان داده شده است (خطوط سفید نشان دهنده سایر پیوندهای سلولی است).
این پیوند سلولی خاص درست در ورودی اصلی استادیوم فوتبال اودینه، استادیو فریولی قرار داشت ( شکل 8 سمت راست، نقطه نارنجی در عکس هوایی؛ تصویر کوچکتر با جزئیات نشان می دهد که پیوند سلولی که به عنوان یک نقطه نشان داده شده است در واقع یک نقطه است. خط). در حالی که تنها 1635 واگذاری موفقیت آمیز برای 22 ژوئیه ثبت شد، این تعداد در روز بعد به 14238 افزایش یافت، بنابراین نشان دهنده یک رویداد بزرگ در ورزشگاه است. مشاوره منابع اطلاعاتی اضافی نشان داد که یک کنسرت بروس اسپرینگستین دلیل این الگوی خاص در 23 جولای در شکل 8 بود.
الگوی زمانی منعکس کننده یک الگوی رفتار تحرک معمولی توده است: هواداران در اوایل بعدازظهر شروع به ورود به استادیوم کردند. در طول کنسرت، قبل از اینکه ترافیک به سرعت در حوالی نیمه شب، زمانی که کنسرت به پایان رسید، افزایش یابد، تعداد واگذاری ها کاهش یافت.

5.2. مسابقه فوتبال

شکل 9 یک پیوند سلولی برجسته را در ساعات عصر روز 23 اوت نشان می دهد – این همان پیوند سلولی است که در شکل 8 مشخص شده است. در این مورد، الگوی زمانی آن پیوند سلولی از نظر بصری تا حدودی با مثال قبلی متفاوت است زیرا سه قله قابل تشخیص و دو شیب وجود دارد. نمای دقیق این ساعات عصر ( شکل 9 سمت راست) برخی ویژگی های خاص را نشان می دهد: جریان خالص مهاجرت مطلق در این پیوند سلولی قبل از اینکه برای سه برش زمان کاهش یابد افزایش می یابد، دوباره برای یک مرحله 15 دقیقه افزایش می یابد، دوباره برای سه مرحله کاهش می یابد. فواصل زمانی قبل از «ناپدید شدن» فعالیت آن پیوند سلولی در الگوی پس‌زمینه.
این الگو کاملاً با ویژگی های یک مسابقه فوتبال همبستگی دارد (در این مورد مسابقه فوتبال اودینزه در مقابل آث میلان در اولین لیگ فوتبال ایتالیا بود). این الگوی خاص به راحتی از بقیه قابل تشخیص است و به احتمال زیاد برای مسابقات فوتبال منحصر به فرد است. علاوه بر این، جریان خالص خالص مهاجرت به طور بالقوه می تواند به عنوان نماینده ای برای تعداد افرادی که در این مکان خاص حضور داشتند عمل کند.
Ijgi 01 00256 g009 1024
شکل 9. بازی فوتبال اودینزه در مقابل آث میلان (استادیو فریولی، اودینه) در یکشنبه، 23 اوت 2009.
طبق گزارش بازی، کمی بیش از 15000 نفر به صورت رسمی در این مسابقه حضور داشتند. جریان خالص مهاجرت مطلق برای این پیوند سلولی و این روز 3926 است. نسبت بین 3926 و 15000 0.262 است. این نسبت با سایر مسابقات فوتبال نیز قابل مقایسه است:
  • در 23 آگوست 2009، اودینزه با 21000 نفر در ورزشگاه و جریان خالص مهاجرت 5758، یعنی نسبت 0.274، مقابل آث میلان بازی کرد.
  • در 27 سپتامبر 2009، اودینزه با FC جنوا با اندکی بیش از 15000 نفر در ورزشگاه و جریان خالص مهاجرت 3458، یعنی نسبت 0.231، مقابل اف سی جنوا بازی کرد.

5.3. رژه

شکل 10 نشان می دهد که چگونه یک “رویداد متحرک”، در این مورد یک رژه، در جریان خالص خالص مهاجرت منعکس می شود. الگوی 13 سپتامبر 2009 پنج پیوند سلولی را با جریان‌های نسبتاً زیاد در فواصل زمانی مختلف و مکان‌های مختلف نشان می‌دهد، بنابراین یک حرکت جمعی را نشان می‌دهد. این الگوی مکانی-زمانی با برنامه رژه [ 25 ] همبستگی دارد.
Ijgi 01 00256 g010 1024
شکل 10. جشن شصتمین سالگرد پیاده نظام کوهستانی در اودینه در روز یکشنبه، 13 سپتامبر 2009 (رنگ فلش ها با رنگ موجود در نقشه مطابقت دارد).

5.4. تعطیلات آخر هفته

مثال زیر نشان می دهد که نقاط پرت قابل تشخیص بصری لزوماً به یک رویداد رسمی یا عمومی متصل نبودند. در عوض، نقاط پرت می توانند افزایش تحرک کلی در مناطق خاص را در یک بازه زمانی معین نشان دهند و بنابراین به طور بالقوه به عنوان شاخص هایی برای مانند جذابیت مراکز خرید یا میخانه ها، مشکلات در جریان ترافیک و غیره عمل می کنند.
شکل 11 الگویی را برای تعطیلات آخر هفته نشان می دهد که نشان می دهد مناطقی با میانگین فعالیت در طول هفته ترافیک شبکه تلفن همراه را در شنبه شب افزایش داده اند. همانطور که نقشه در شکل نشان می‌دهد، چهار پیوند سلولی پرمصرف از نظر جغرافیایی بسیار نزدیک به یکدیگر هستند – این ممکن است نشان‌دهنده فعالیت‌های شبانه خارق‌العاده باشد.
Ijgi 01 00256 g011 1024
شکل 11. رویداد ناشناخته در مرکز شهر اودینه در شنبه شب، 19 سپتامبر 2009 (رنگ فلش ها با رنگ در نقشه مطابقت دارد).

5.5. بحث در مورد رویدادهای استثنایی

مثال کنسرت بروس اسپرینگستین ( شکل 8 ) تصور خوبی از این که رویدادهای بزرگ در دنیای واقعی در بعد زمانی و مکانی چقدر قابل ردیابی هستند، به دست می دهد. یک هیستوگرام زمانی ساده، فرآیند زیربنایی را کاملاً آشکار می‌کند و به بینش‌هایی درباره زمان و مکان حرکت توده‌ها اجازه می‌دهد.
الگوهای تحرک در طول یک مسابقه فوتبال ( شکل 9 ) به طور بالقوه برای کاربردهای بیشتر مهم هستند، مهمتر از همه نظارت بر زمان واقعی رویدادها: از یک طرف، رویدادهای استثنایی را می توان در الگوهای شناخته شده (مثلاً مسابقات فوتبال) و الگوهای ناشناخته (که نشان می دهد) طبقه بندی کرد. به عنوان مثال، تجمعات خودجوش). از سوی دیگر جریان خالص خالص مهاجرت پتانسیل یک تخمین تقریبی از تعداد افراد در حال حرکت را نشان می دهد.
مثال رژه ( شکل 10 ) نشان می‌دهد که چگونه حرکات جمعی جمعی را می‌توان در داده‌های شبکه تلفن همراه کاملاً ناشناس و بسیار تجمیع‌شده بدون هیچ گونه عملکرد ردیابی شناسایی کرد. بزرگی، مکان و توسعه زمانی چنین رویدادی را می توان از ترکیب یک نمودار ستونی و نقشه جغرافیایی مربوطه استنتاج کرد.
مطابقت مکانی و زمانی نقاط پرت در جریان خالص مهاجرت مطلق، همانطور که در شکل 11 نشان داده شده است ، امکان استدلال در مورد پیکربندی عملکردی منطقه آسیب دیده را فراهم می کند (به عنوان مثال، یک نوار محبوب برای معاشرت، برخی مشکلات در یک تقاطع جاده خاص و غیره ). ).

6. نتیجه گیری

در این مقاله ما الگوهای مکانی-زمانی تحرک جمعی انسان را که از داده‌های ترافیک شبکه تلفن همراه تولید شده توسط کاربر به دست می‌آید را به صورت بصری بررسی کردیم. به منظور پاسخ به سوال تحقیق، ما یک رویکرد تحلیل چهار مرحله‌ای، از پردازش داده‌های خام تا تجسم اطلاعات تحرک شهری را توسعه دادیم، و رفتار حرکتی مشخصه و استثنایی را جستجو کردیم. بر اساس مثال گوریزیا، پوردنونه، تریست، و اودینه، الگوهای حرکتی مشخصه را استخراج کردیم و آنها را در بین چهار منطقه آزمایشی مقایسه کردیم. ما پیکربندی مکانی-زمانی مشخصه دروازه‌های تحرک، و نقاط داغ تحرک را از نظر تحرک کل و جریان خالص خالص مهاجرت نشان دادیم. در واقع، ما شباهت‌ها و تقارن‌های شگفت‌انگیز تحرک را در میان مناطق آزمایش شهری نشان دادیم.3 ]، ص. 7205)، یعنی «[…] که شهرها سازمان‌های خود مشابهی هستند، که نشان‌دهنده جهانی بودن پویایی‌های اجتماعی انسانی […]» است. علاوه بر این، چندین الگوی تحرک استثنایی را شناسایی کردیم که می‌توانستند با رویدادهای کلمه واقعی خاص مرتبط باشند. الگوی تحرک مکانی-زمانی این کنسرت مشابه الگوی کنسرت مدونا [ 7 ] است، اما به سختی می توان آنها را به طور مستقیم بر اساس بصری خالص مقایسه کرد.
نتیجه می‌گیریم که رویکرد تحلیل ارائه شده، که صرفاً بر قدرت ذاتی تکنیک‌های مختلف تجسم متکی است، یک روش مؤثر و شهودی برای استخراج الگوهای تحرک مشخصه و استثنایی از داده‌های شبکه تلفن همراه گسترده است. نتایج درک بهتری از رفتار تحرک شهری جمعی در مقیاس بزرگ و همچنین “نبض” سیستم‌های شهری پویا را ممکن می‌سازد. با این حال، یافته‌ها صرفاً توصیفی و مبتنی بر «تنها» یک مجموعه داده است، به عنوان مثال ، هیچ اطلاعاتی در مورد علل زمینه‌ای نمی‌تواند بدون اطلاعات اضافی افشا شود.
زمینه های کاربردی بالقوه رویکرد تجزیه و تحلیل بصری ارائه شده شامل، به عنوان مثال، نظارت در مقیاس بزرگ تقریباً زمان واقعی تحرک شهری، توسعه مکانیسم های کنترل تحرک موثرتر با توجه به مدیریت جریان ترافیک، یا تشخیص هوشمند “زنده” رویدادهای استثنایی است. با توجه به مدیریت اضطراری با اشاره به فاجعه “رژه عشق” 2010 در دویسبورگ، آلمان، چنین اطلاعاتی می تواند – اگر در زمان واقعی در دسترس باشد – برای اطمینان از ایمنی و امنیت مردم در رویدادهای بزرگ و در نتیجه نجات جان انسان ها اهمیت حیاتی داشته باشد.

منابع

  1. دی لورنزو، جی. Calabrese, F. شناسایی الگوهای فعالیت فضایی-زمانی انسان از ردپای تلفن همراه. در مجموعه مقالات 2011 چهاردهمین کنفرانس بین المللی IEEE سیستم های حمل و نقل هوشمند (ITSC)، واشنگتن، دی سی، ایالات متحده آمریکا، 2011; صص 1069–1074.
  2. بتنکورت، ال. وست، جی. نظریه یکپارچه زندگی شهری. طبیعت 2010 ، 467 ، 912-913. [ Google Scholar ] [ CrossRef ]
  3. بتنکورت، LMA؛ لوبو، جی. هلبینگ، دی. کونرت، سی. غرب، رشد GB، نوآوری، مقیاس‌پذیری و سرعت زندگی در شهرها. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 7301-7306. [ Google Scholar ]
  4. ساگل، جی. رسچ، بی. هاولکا، بی. بینات، ای. از داده‌های حسگر اجتماعی تا الگوهای رفتار جمعی انسان: تحلیل و تجسم دینامیک مکانی-زمانی در محیط‌های شهری. در GI-Forum 2012: Geovisualization, Society and Learning ; Jekel, T., Car, A., Strobl, J., Griesebner, G., Eds. Wichmann Verlag: برلین، آلمان، 2012; صص 54-63. [ Google Scholar ]
  5. روبیو، آ. فریاس مارتینز، وی. فریاس مارتینز، ای. الیور، ن. تحرک انسانی در اقتصادهای پیشرفته و در حال توسعه: یک تحلیل مقایسه ای. در مجموعه مقالات AAAI 2010 بهار سمپوزیوم هوش مصنوعی برای توسعه، AI-D 2010، استانفورد، کالیفرنیا، ایالات متحده آمریکا، 22-24 مارس 2010.
  6. ایزاکمن، اس. بکر، آر. کاسرس، آر. کوبوروف، اس. رولند، جی. ورشاوسکی، الف. داستان دو شهر. در مجموعه مقالات یازدهمین کارگاه در سیستم‌ها و برنامه‌های محاسباتی سیار، آناپولیس، MD، ایالات متحده آمریکا، 22 تا 23 فوریه 2010. صص 19-24.
  7. مارتینو، ام. کالابرز، اف. لورنزو، جی دی. آندریس، سی. لیو، ال. Ratti، C. Ocean of Information: Fusing Aggregate & Individual Dynamics for Metropolitan Analysis. در مجموعه مقالات پانزدهمین کنفرانس بین المللی رابط های کاربری هوشمند، هنگ کنگ، چین، 7 تا 10 فوریه 2010. صص 357-360.
  8. Goodchild، MF Citizens به عنوان حسگر: دنیای جغرافیای داوطلبانه. ژئوژورنال 2007 ، 69 ، 211-221. [ Google Scholar ] [ CrossRef ]
  9. متئوس، پی. فیشر، دقت فضایی-زمانی PF در مکان تلفن همراه: ارزیابی جغرافیای سلولی جدید. در پویا و موبایل GIS: بررسی تغییر در فضا و زمان . Drummond, J., Billen, R., João, E., Forrest, D., Eds. CRC Press/Taylor & Francis: لندن، انگلستان، 2006; ص 189-212. [ Google Scholar ]
  10. شوال، ن. ایزاکسون، ام. ردیابی گردشگران در عصر دیجیتال. ان Results Tourism Res. 2007 ، 34 ، 141-159. [ Google Scholar ] [ CrossRef ]
  11. یوان، ی. راوبال، م. لیو، ی. ارتباط استفاده از تلفن همراه و رفتار سفر – مطالعه موردی هاربین، چین. محاسبه کنید. محیط زیست سیستم شهری 2012 ، 36 ، 118-130. [ Google Scholar ] [ CrossRef ]
  12. شوال، ن. جامعه انسانی. محیط زیست طرح. B-Plan. طراحی 2007 ، 34 ، 191-195. [ Google Scholar ]
  13. گونزالس، ام سی؛ هیدالگو، کالیفرنیا؛ باراباسی، ع.-ال. درک الگوهای حرکتی فردی طبیعت 2008 ، 453 ، 779-782. [ Google Scholar ]
  14. راتی، سی. سوبولفسکی، اس. کالابرس، اف. آندریس، سی. ریدز، جی. مارتینو، ام. کلاکستون، آر. استروگاتز، SH ترسیم مجدد نقشه بریتانیای کبیر از شبکه ای از تعاملات انسانی. PLoS One 2010 . [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  15. Phithakkitnukoon، S. هورانونت، تی. دی لورنزو، جی. شیباساکی، آر. Ratti, C. Activity-Aware Map: شناسایی الگوی فعالیت روزانه انسان با استفاده از داده های تلفن همراه. در درک رفتار انسان ; Salah, A., Gevers, T., Sebe, N., Vinciarelli, A., Eds. Springer: برلین/هایدلبرگ، آلمان، 2010; جلد 6219، ص 14-25. [ Google Scholar ]
  16. سوتسوک، ا. Ratti, C. آیا تحرک شهری یک روال روزانه دارد؟ یادگیری از داده های کل شبکه های تلفن همراه. J. فناوری شهری. 2010 ، 17 ، 41-60. [ Google Scholar ] [ CrossRef ]
  17. کالابرس، اف. پریرا، اف سی؛ لورنزو، جی دی. لیو، ال. راتی، سی. جغرافیای ذائقه: تحلیل تحرک تلفن همراه و رویدادهای اجتماعی. در محاسبات فراگیر (یادداشت های سخنرانی در علوم کامپیوتر) ; Springer: برلین/هایدلبرگ، آلمان، 2010; جلد 6030/2010، صص 22-37. [ Google Scholar ]
  18. یوان، ی. Raubal, M. استخراج الگوهای پویا تحرک شهری از داده های تلفن همراه. در علم اطلاعات جغرافیایی (یادداشت های سخنرانی در علوم کامپیوتر) ; Xiao, N., Kwan, M.-P., Goodchild, M., Shekhar, S., Eds.; Springer: برلین/هایدلبرگ، آلمان، 2012; جلد 7478/2012، صص 354–367. [ Google Scholar ]
  19. آندرینکو، جی. آندرینکو، ن. یانکوفسکی، پ. کیم، دی. کراک، ام جی. MacEachren، A.; Wrobel, S. تجزیه و تحلیل جغرافیایی برای پشتیبانی تصمیم گیری فضایی: تنظیم دستور کار تحقیق. بین المللی جی. جئوگر. Inf. علمی 2007 ، 21 ، 839-857. [ Google Scholar ] [ CrossRef ]
  20. کیم، دی. کوههامر، جی. الیس، جی. Mansmann, F. تسلط بر مشکلات حل عصر اطلاعات با تجزیه و تحلیل بصری . انجمن یوروگرافیک: نیدرزاکسن، آلمان، 2010; پ. 182. [ Google Scholar ]
  21. کوههامر، جی. کیم، دی. پولل، ام. سانتوچی، جی. آندرینکو، جی. حل مسائل با تجزیه و تحلیل بصری. Procedia Comput. علمی 2011 ، 7 ، 117-120. [ Google Scholar ]
  22. آندرینکو، جی. آندرینکو، ن. باک، پ. برم، اس. کیم، دی. لندسبرگر، تلویزیون؛ پولیتز، سی. Schreck، T. چارچوبی برای استفاده از نقشه های خودسازماندهی برای تجزیه و تحلیل الگوهای مکانی-زمانی، که با تجزیه و تحلیل استفاده از تلفن همراه نمونه است. J. Locat. سرویس مبتنی بر 2010 ، 4 ، 200-221. [ Google Scholar ] [ CrossRef ]
  23. وب سایت رسمی Telecom Italia. Telecom Italia Mobile TIM بازار داخلی . در دسترس آنلاین: http://www.telecomitalia.com/tit/en/investors/business_areas_competitive_scenario/domestic_market.html (در 25 ژوئن 2012 قابل دسترسی است).
  24. Rae, A. از داده های تعامل مکانی تا اطلاعات تعامل مکانی؟ ژئو تجسم و ساختارهای فضایی مهاجرت از سرشماری 2001 انگلستان. محاسبه کنید. محیط زیست سیستم شهری 2009 ، 33 ، 161-178. [ Google Scholar ] [ CrossRef ]
  25. وب سایت رسمی Fondazione CRUP. وب سایت Infondazione 60 Anniversario Brigata Alpina “Julia” . در دسترس آنلاین: http://www.infondazione.it/eventi/60-anniversario-brigata-alpina-julia (در 16 ژوئیه 2012 قابل دسترسی است).

;کاربردهای GISمقالات

آموزش کاربردی ArcGISالهام ابراهیم زادهکاربرد جی ای اسکاربردهای GIs در زمین شناسی

بدون نظر

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

همواره حمایت دانشجویان عزیزمان همراه ما بوده و این سببب شده که گامی محکم به‌سوی ایجاد یک مرجع برای آموزش GIS برداریم. با این امید که بتوانیم قدردان حمایت شما بزرگواران باشیم.

  • خانه
  • آموزش
  • فیلم آموزشی
  • تماس با ما
  • درباره ما
  • وبلاگ
  • سمنان /خیابان کاشانی/ساختمان فناوری اطلاعات/پ 8
  • 09120049370