一个基于网络的分析,以评估波哥大BRT系统中的COVID-19中断

科学领域:

• 城市研究是城市研究.
• 运输科学 运输科学
• 数据科学是数据科学.

背景情况:

• COVID-19大流行严重影响了全球大众交通系统,特别是在全球南方.
• 波哥大的TransMilenio巴士快速运输 (BRT) 系统由于封锁和社交距离措施,乘客数量急剧下降 (低于20%).
• 随着TransMilenio乘客数据的可用性,城市移动变化的数据驱动分析成为了一个机会.

研究的目的:

• 用TransMilenio数据分析COVID-19大流行对波哥大城市流动模式的影响.
• 开发和应用数据驱动的方法来评估行为障碍和识别受影响的地理区域.
• 展示网络分析和集群的实用性,以了解大规模的城市移动数据集.

主要方法:

• 利用每天的个人乘客卡刷微数据数据库 (入境时间,车站,匿名身份证).
• 采用网络分析来量化日常通勤模式之间的相似性.
• 应用集群技术来识别不同流行病阶段的行为转变和地理影响区域.

主要成果:

• 该研究成功地确定了波哥大日常通勤模式的重大破坏.
• 网络分析和集群有效地确定了受大流行相关流动性变化影响最严重的地理区域.
• 该方法在分析大量分钟到分钟的乘客数据方面被证明是有效的.

结论:

• 数据驱动的网络分析为了解危机期间的城市移动动态提供了一种强有力的方法.
• 这种方法可以揭示行为障碍,并突出显示大型城市交通系统中的脆弱区域.
• 这些发现为未来的城市规划和公共交通中的危机管理策略提供了洞察力.