211service.com
Afrikanska bussrutter ritade om med hjälp av mobiltelefondata
Forskare vid IBM har, med hjälp av rörelsedata som samlats in från miljontals mobiltelefonanvändare i Elfenbenskusten i Västafrika, utvecklat en ny modell för att optimera ett stadstransportsystem.
Väg orsak: Ett användargränssnitt för IBM:s mobildatadrivna trafikmodell visar det nuvarande transitnätet i Abidjan, Elfenbenskusten (rosa) och föreslagna nya rutter som föreslås av en modell som använder mobildata från mobiltelefoner.
IBM-modellen föreskrev förändringar av busslinjer runt Abidjan, landets största stad. Dessa förändringar – baserade på människors rörelser som kan urskiljas från mobiltelefonregister – skulle i teorin kunna minska restiden med 10 procent.
Även om resultaten var preliminära, pekar de på de nya sätt som stadsplanerare kan använda mobiltelefondata för att designa infrastruktur, säger Francesco Calabrese, en forskare vid IBM:s forskningslabb i Dublin, och en medförfattare till en artikel om arbetet. Detta representerar en ny front med en potentiellt stor inverkan på att förbättra stadstransportsystem, säger han. Människor med mobiltelefoner kan fungera som sensorer och vara byggstenarna i utvecklingsinsatser.
IBM-arbetet gjordes som en del av en forskningsutmaning dubbad Data för utveckling , där telekomjätten Orange släppte 2,5 miljarder samtalsposter från fem miljoner mobiltelefonanvändare i Elfenbenskusten. Uppgifterna samlades in mellan december 2011 och april 2012. Datasläppet är det största i sitt slag som någonsin gjorts. Registeren rensades för att förhindra att någon identifierar användarna, men de innehåller fortfarande användbar information om dessa användares rörelser. IBM-tidningen är ett av partitur som sänds senare denna vecka på a konferens vid MIT.
IBM-arbetet kretsade kring Abidjan, där 539 stora bussar kompletteras med 5 000 minibussar och 11 000 delade taxibilar. IBM-forskarna studerade samtalsregister från cirka 500 000 telefoner med data som är relevanta för pendlingsfrågan.
Mobilitetsdata skapas när någon använder en telefon för ett samtal eller textmeddelande. Den åtgärden registreras på ett mobiltelefontorn och fungerar som en rapport om användarens allmänna plats någonstans inom tornets radie. Personens rörelse fastställs sedan när samtalet överförs till ett nytt torn eller när ett nytt samtal görs som ansluter till ett annat torn.
Även om informationen är grov - och naturligtvis inte alla på en buss har en telefon eller använder den - kan rutter hämtas genom att notera sekvensen av anslutningar. Och IBM och andra grupper har funnit att dessa mobiltelefonspår är tillräckligt korrekta för att fungera som en guide till större befolkningsrörelser för applikationer som epidemiologi och transport (se Big Data from Cheap Phones .)
Mobiltelefondata lovar att bli en välsignelse för många branscher. Andra forskargrupper använder liknande datamängder för att utveckla kredithistorik baserad på en persons rörelser och telefonbaserade transaktioner, för att upptäcka framväxande etniska konflikter och för att förutsäga var människor kommer att ta vägen efter en naturkatastrof för att bättre betjäna dem när man slår till.
För att utföra sådana uppgifter i utvecklingsländerna kan det finnas lite eller ingen annan data att arbeta med. Ägare av smartphones som har GPS kan tillåta appar som Google Maps att använda sin platsdata för trafikavkänningsinformation som delas med andra. Men platsinformation på de enkla telefonerna som är mycket vanligare i utvecklingsländerna är endast känd för mobiloperatörerna. Och den informationen är endast tillgänglig efter särskild överenskommelse med transportörerna.
När det gäller transporter, är förbättring av vägar och kollektivtrafiksystem ofta beroende av arbetsintensivt arbete som de resenärundersökningar som vanligtvis görs i den rika världen. Kostnaden för traditionella undersökningar är mycket hög för applikationer i utvecklingsvärlden, men mobiltelefonanvändningen är hög, så cellspår är en fantastisk datamöjlighet. Det här är en värdefull utredningsinsats, säger Kara Kockelman , en transportforskare vid University of Texas, Austin.
Även om mobiltelefondata i ett antal tidigare studier användes för att dra slutsatser om resvägar och efterfrågan, säger IBM att detta var första gången sådan data användes i ett försök att faktiskt optimera ett stadstrafiknätverk.
IBM kallar sin modell AllAboard. För Abidjan valde modellen bland 65 möjliga förbättringar för att dra slutsatsen att att lägga till två rutter och utöka en befintlig skulle göra det mesta för att optimera systemet, med 10 procents tidsbesparingar för pendlare.
Naturligtvis kan det uppstå oförutsedda problem att täppa till en transportrutt, som att locka fler människor att använda den vägen, vilket vidmakthåller problemet. Om restiderna märkbart faller på många vägar kan många resenärer gå tillbaka till högtrafik och populära vägar, säger Kockelman.
Ändå, om data var tillgänglig i realtid - snarare än månader efter att den skapades - kan resultaten bli ännu mer kraftfulla. Detta skulle ge ögonblicksbilder av människor som rör sig i en stad, vilket möjliggör optimal förskjutning av rutter och minskar rese- och väntetider, säger Calabrese.