ВЫЯВЛЕНИЕ СКРЫТЫХ ХАРАКТЕРИСТИК МОБИЛЬНОСТИ ЛЮДЕЙ И ПРОГНОЗИРОВАНИЕ ПРИТОКА/ОТТОКА ВЕЛОСИПЕДОВ НА СТАНЦИЯХ СОВМЕСТНОГО ИСПОЛЬЗОВАНИЯ

Огромное количество пространственно-временных данных генерируется из всех типов городской инфраструктуры. Точное понимание и прогнозирование такого большого объема данных может принести пользу многим реальным приложениям. В этой статье представлен анализ данных о мобильности людей в городских районах с использованием данных со станции совместного использования велосипедов. На основе данных, взятых с веб-сайта оператора, можно определить временную и географическую мобильность в пределах города. Эти схемы используются для прогнозирования количества доступных велосипедов для любой станции на несколько часов вперед. Наша методология сначала идентифицирует и количественно определяет скрытые характеристики различных пространственных сред и временных факторов посредством тензорной факторизации. Гипотеза авторов состоит в том, что закономерности пространственно-временной
активности сильно зависят от этих скрытых пространственно-временных особенностей. Мы моделируем это как зависимые отношения, как гауссовский процесс, который можно рассматривать как распределение.

1. Bike sharing world maps web site. URL: www.bikesharingmap.com

2. Kazakhstani bike sharing systems web sites. URL: https://velobike.kz/, https://almatybike.kz/, https://shymkentbike.kz/

3. Borgnat, P., Robardet, C., Abry, P., Flandrin, P., Rouquier, J.-B., & Tremblay, N. (2013). A dynamical network view of Lyon ' S. V. ' Elo ' v shared bicycle system. Dynamics on and of Complex Networks, 2, 267-284.

4. O’Brien, O., Cheshire, J., & Batty, M. (2014). Mining bicycle sharing data for generating insights into sustainable transport systems. Journal of Transport Geography, 34, 262-273. Retrieved from http://linkinghub.elsevier.com/retrieve/pii/S0966692313001178

5. Zaltz Austwick, M., O’Brien, O., Strano, E., Viana, M., & Gomez-Gardenes, J. (2013). The structure of spatial networks and communities in bicycle sharing systems. PLoS ONE, 8 (9), e74685, 1-17.

6. Goodman, A., & Cheshire, J. (2014). Inequalities in the London bicycle sharing system revisited: Impacts of extending the scheme to poorer areas but then doubling prices. Journal of Transport Geography. Retrieved from http://linkinghub.elsevier.com/retrieve/pii/S0966692314000659

7. Lin, J. H., & Chou, T. C. (2012). A geo-aware and VRP-based public bicycle redistribution system. International Journal of Vehicular Technology, 2012, 1-14.

8. Raviv, T., Tzur, M., & Forma, I. A. (2013). Static repositioning in a bike-sharing system: Models and solution approaches. EURO Journal on Transportation and Logistics, 2 (3), 187-229. Retrieved from http://link.springer.com/10.1007/s13676-012-0017-6

9. Systems, D. T. & Lackner, B. (2013). Modeling demand for bicycle sharing systems - Neighboring stations as a source for demand and a reason for structural breaks. TRB, 1-19.

10. Garcia-Palomares, J. C., Gutierrez, J., & Latorre, M. (2012). Optimizing the location of stations in bike-sharing programs: A GIS approach. Applied Geography, 35 (1-2), 235-246.

11. Romanillos, G., Zaltz Austwick, M., Ettema, D., & De Kruijf, J. (2016). Big data and cycling. Transport Reviews, 36 (1), 114-133.

12. Khatri, R. (2015). Modeling route choice of Utilitarian Bikeshare users from GPS Data. University of Tennessee. Retrieved from http://trace.tennessee.edu/cgi/viewcontent.cgi?article=4837&context=utk_gradthes

13. Wergin, J., & Buehler, R. 2018. Where do bikeshare bikes actually Go? An analysis of capital bikeshare trips using GPS data. Transportation Research Record, (January), 2662, 12-21.

14. Gustavo Romanillos, Borja Moya-Gomez, Martin Zaltz-Austwick & Patxi J. Lamiquiz-Dauden (2018) The pulse of the cycling city: visualising Madrid bike share system GPS routes and cycling flow, Journal of Maps, 14:1, 34-43, DOI: 10.1080/17445647.2018.1438932

15. Kolda, T. G., & Bader, B. W. (2009). Tensor decompositions and applications. SIAM Review, 51, 455-500.

16. Rasmussen, C. E. (2006). “Gaussian processes for machine learning.”