Это – ситуация, которая расстраивает даже наиболее укрепленных наездников метро.#HelpIsOnTheWay
В предварительном исследовании Университет в инженерах Буффало нашел, что, поскольку использование метро раздувается во время событий, которые привлекают многочисленные толпы, так также делает количество твитов на этих мероприятиях. Результаты предполагают, что данные из Твиттера, и возможно другие платформы социальных сетей, могут использоваться, чтобы улучшить организацию мероприятий, планирование маршрута, инструкции толпы и другие операции метро.
«Социальные медиа предлагают рентабельный способ получить данные в реальном времени по контролирующему потоку пассажира метро», говорит Цин Хэ, доктор философии, доцент Стивена Стилла в Разработке Транспортировки и Логистике в UB и соответствующем авторе исследования. «Наши результаты показывают, что данные из приложений как Твиттер могут помочь чиновникам общественного транспорта подготовиться к и реагировать на пассажирские скачки во время концертов, бейсбольных матчей и других больших событий».В дополнение к Он, у кого есть назначения в Отделе UB Гражданской, Структурной и Инженерной защиты окружающей среды и Отделе Промышленных и Системного проектирования, соавторов, является Цзин Гао, доктором философии, доцентом в Информатике и Разработке Отдела UB, и Мин Ни, кандидате доктора философии в Отделе UB Промышленных и Системного проектирования.
Чтобы провести исследование, исследователи собрали информацию количества перевезенных пассажиров метро с апреля до октября 2014 через турникеты на станции Пункта Метс-Willets в Куинсе, Нью-Йорк. Они выбрали станцию, потому что это следующее за Областью Citi, домом Нью-Йорк Метс Главной лиги бейсбола и USTA Билли-Джин Кинг Национальный Теннисный Центр, где чемпионаты по теннису U.S. Open проведены.
Исследователи также собрали почти 30 миллионов твитов, геотегируемых в область Нью-Йорка в течение того же самого времени. Они тогда фильтровали твиты своими географическими координатами (опция, которую пользователи Твиттера активируют на их счетах), контекст твита (например, #subwayseries), время и другие элементы.Используя шесть различных компьютерных моделей, исследователи тогда проанализировали данные и нашли то, что они описывают как умеренную положительную корреляцию между пассажирским потоком и ставками твитов во время больших событий.
«Результаты воодушевляют по двум причинам. Во-первых, они указывают, что увеличения постов социальных сетей и количества перевезенных пассажиров метро могут быть связаны. Во-вторых, мы разработали метод, чтобы отследить эту корреляцию», говорит Гао. «Теперь, проблема состоит в том, чтобы усовершенствовать этот метод, таким образом, это может использоваться системными операторами общественного транспорта, чтобы улучшить их системы».Ранняя версия исследования, «Предсказывая Поток Пассажира Метро под Происшествиями Событий с социальными медиа», была издана онлайн в октябре в журнале IEEE Transactions on Intelligent Transportation Systems.
Исследование появится в предстоящей печатной версии журнала.