Les données de mobilité GPS constituent une source précieuse de mesure comportementale, soumise à des biais systématiques, notamment la sur- ou sous-représentation de groupes démographiques, et les variations de la qualité de l'échantillonnage des lieux au fil du temps. Dans cet article, nous abordons le défi du biais temporel dans les données de mobilité, qui peut fausser la représentation des comportements de mobilité en raison de la nature basée sur les événements de l'échantillonnage des données de localisation. Nous utilisons l'Enquête américaine sur l'utilisation du temps (ATUS) pour évaluer l'exactitude d'une mesure spatiale de ségrégation économique tirée de données de mobilité à grande échelle dans 11 villes américaines. Nous montrons que les comparaisons avec des enquêtes sur l'utilisation du temps de haute qualité telles que l'ATUS peuvent valider les insights comportementaux des données de mobilité, tout en quantifiant l'incertitude et en soulignant des zones d'instabilité relative dans les résultats analytiques. Nous proposons également une méthode de réévaluation temporelle qui peut compléter les techniques d'atténuation des biais existantes pour améliorer la précision des conclusions tirées des données de mobilité basées sur GPS.
Sanchez et al. (Tue,) ont étudié cette question.