通过使用移动电话网络数据,提前检测重要的城市事件
Pierre Lemaire1, Angelo Furno1, Stefania Rubrichi2
1LICIT-ECO7 UMR T9401, ENTPE, University Gustave Eiffel, Lyon, France.
网络信号数据 (NSD) 可以使用移动交通异常实时检测城市事件. 这项技术提供了精确的位置和时间,以加强应急响应和城市规划.
科学领域:
- 城市信息学 城市信息学
- 网络科学 网络科学
- 数据科学数据科学数据科学
背景情况:
- 网络信号数据 (NSD) 提供了对城市人口的持续时空洞见.
- 对NSD的实时分析可以早期检测影响移动网络活动的关键城市事件.
研究的目的:
- 提出先进NSD的经验证据,用于检测移动交通服务消费中的异常.
- 引入使用无监督机器学习的多变量时间序列实时检测异常的方法.
主要方法:
- 开发了两种实时异常检测从大规模NSD的方法.
- 利用最先进的无监督机器学习算法来检测异常.
- 对巴黎地区的大型NSD数据集进行了全面的定量评估,记录了关键事件作为地面真相.
主要成果:
- 证明了框架能够几乎瞬间检测不寻常事件的能力.
- 在定位受影响区域方面实现了高精度,明显优于随机分类器.
- 在异常检测中展示了精细的空间 (十米) 和时间 (分钟) 分辨率.
结论:
- 基于NSD的异常检测显著提高了应急响应策略和城市规划.
- 拟议的框架提供了一种主动的方法来管理城市安全和弹性.
- 利用NSD来检测异常对城市环境具有变革性的潜力.
更多相关视频
06:49Evaluation of a Smartphone-based Human Activity Recognition System in a Daily Living Environment
Published on: December 11, 2015
11:21Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
相关概念视频
Applications of GIS: Disaster Management and Emergency Response
Steps in Outbreak Investigation
Errors in Global Positioning System
Field Application of Global Positioning System
Introduction to GIS
Design Example: Identifying the Locations of Monuments in the Field Using Global Positioning System Device
