Simulating micro-level attributes of railway passengers using big data

IF 2.7 Q1 GEOGRAPHY
Eusebio Odiari , Mark Birkin
{"title":"Simulating micro-level attributes of railway passengers using big data","authors":"Eusebio Odiari , Mark Birkin","doi":"10.1016/j.urbmob.2022.100027","DOIUrl":null,"url":null,"abstract":"","PeriodicalId":100852,"journal":{"name":"Journal of Urban Mobility","volume":"2 ","pages":""},"PeriodicalIF":2.7000,"publicationDate":"2022-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"https://www.sciencedirect.com/science/article/pii/S2667091722000152/pdfft?md5=db378fc8e007c9f0c86ae11d76025f23&pid=1-s2.0-S2667091722000152-main.pdf","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journal of Urban Mobility","FirstCategoryId":"1085","ListUrlMain":"https://www.sciencedirect.com/science/article/pii/S2667091722000152","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q1","JCRName":"GEOGRAPHY","Score":null,"Total":0}
引用次数: 0
利用大数据模拟铁路旅客微观属性
在缺乏全面、有代表性和属性丰富的人口的情况下,有必要进行空间微观模拟,以模拟或重建人口,用于分析铁路上的复杂流动性。被称为“大数据”的新型消费者数据集是详尽无遗的,但它们只揭示了消费特定数字服务的更广泛人群的一个子集。此外,大数据是为特定目的而测量的,因此不具有更广泛应用所需的广泛属性。通过空间微观模拟利用大数据有可能解决上述缺点。本文探讨了不同空间微观模拟方法的相对优点,并通过一个案例研究说明了如何最好地模拟将铁路票务大数据与2011年人口普查通勤上班数据和国家铁路旅行调查(NRTS)联系起来的微观人口。其结果是具有代表性的属性丰富的微观层面人口,这可能会对战略、战术和运营铁路部门分析规划模型的投入质量产生重大影响。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
CiteScore
2.90
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信