Minería de Cadenas de Actividad Diarias a partir de Datos de Ubicación de Teléfonos Móviles a Gran Escala

Comprender las cadenas de actividad diarias de los residentes proporciona un apoyo crítico para diversas aplicaciones en transporte, salud pública y muchos otros campos relacionados. Recientemente, se han sugerido conjuntos de datos de ubicación de teléfonos móviles para la minería de patrones de actividad debido a su utilidad y grandes tamaños de muestra. Aunque recientemente los modelos basados en aprendizaje automático parecen funcionar bien en la inferencia del propósito de actividad utilizando datos de ubicación de teléfonos móviles, la mayoría de estos modelos funcionan como cajas negras. Para abordar estos desafíos, este estudio propone un método flexible de caja blanca para minar cadenas de actividad humana a partir de datos de ubicación de teléfonos móviles a gran escala, integrando tanto las características espaciales como temporales de las actividades diarias con pesos variables. Encontramos que la distribución de frecuencia de los principales patrones de cadenas de actividad concuerda bien con los patrones derivados de una encuesta de viajes de Shenzhen y un método de vanguardia. Además, un conjunto de datos que cubre más del 16,5% de la población de la ciudad puede producir un resultado razonable de los principales patrones de actividad. Las contribuciones de este estudio no solo radican en ofrecer un enfoque efectivo para minar cadenas de actividad diaria a partir de datos de ubicación de teléfonos móviles, sino que también implican investigar el impacto de diferentes condiciones de datos en el rendimiento del modelo, lo que hace que el uso de grandes datos de trayectoria sea más práctico para los expertos en el campo.