了解人类流动性对于智慧城市和社会行为研究的发展至关重要。人类流动模型可用于许多应用,包括大流行控制,城市规划和交通管理。现有模型的预测用户移动性模式的准确性小于25%。人类运动的灵活本质可以证明低精度可能是合理的。确实,人类的日常运动并不僵化。此外,严格的移动性模型可能会导致用户记录中的隐藏规律性。因此,我们提出了一种新的观点,以研究和分析人类的迁移率模式并捕获其灵活性。通常,迁移率模式由一系列位置表示。我们建议通过将这些位置抽象成一组位置来定义移动性模式。标记这些位置将使我们能够检测到接近现实的隐藏模式。我们提出IMAP,这是一种单独的人类流动性模式可视化平台。我们的平台使用户可以根据历史记录可视化他们所访问的位置的图。此外,我们的平台显示使用修改后的前缀方法计算出的最频繁的移动性模式。
translated by 谷歌翻译