نویسندگان

دانشگاه صنعتی اصفهان

چکیده

مطالعات گوناگون، رفتارهای آماری متفاوتی برای الگوی جابجایی انسان‌ها در شهرهای جهان ارائه کرده‌اند. مقاله حاضر به تحلیل آماری مسافت سفر تاکسی‌ها در شهر اصفهان می‌پردازد. داده‌های این پژوهش از سامانه خودکار ثبت مکان تاکسی‌ها بدست آمده است و مجموعا اطلاعات زمان-مکانی حدود پنجاه و سه‌هزار سفر مورد بررسی قرار گرفته است. نتایج نشان می‌دهند که تابع لوگ‌نرمال بهتر از توابع نمایی و توانی، توزیع آماری مسافت سفرها را برازش می‌دهد. همچنین وجود طبقات مختلف معابر شهری (بزرگراه، خیابان‌های دو و چندخطه) نتوانسته است بتنهایی الگوی سرعت سفرها را توجیه کند. میانگین مسافت سفرها برای اصفهان در روزهای کاری حدود پنج کیلومتر و در روزهای تعطیل حدود هفت کیلومتر می‌باشد. همچنین توزیع مسافت سفرها در روزهای تعطیل، چاولگی و کشیدگی بیشتری نسبت به روزهای کاری نشان می‌دهد. در نتیجه مسافت سفرهای تاکسی روزهای تعطیل ناهمسانی بیشتری نسبت به روزهای کاری دارند. مقایسه رفتار سفرها در پرترددترین ساعت روزهای کاری (ساعات اوج) با کل نشان می‌دهد که میانگین مسافت سفر در ساعات اوج دارای میانگین، انحراف معیار، چاولگی، و کشیدگی کمتری نسبت به کل روز است. متوسط سرعت تاکسی‌های شهر اصفهان در روزهای کاری برابر 30 کیلومتر بر ساعت و در روزهای تعطیل برابر 50 کیلومتر بر ساعت بوده است.

کلیدواژه‌ها

عنوان مقاله [English]

A Probe into the Mobility Pattern of Taxis in the City of Isfahan

نویسندگان [English]

  • Meisam Akbarzadeh
  • SyedSina Mohri

چکیده [English]

This paper aims to explore the human mobility pattern by using taxi positioning data in the city of ‎Isfahan. Results show that Lognormal yields the most suitable fit to the data at hand which has ‎been collected from 53000 records throughout Isfahan in a week. Power law did not show ‎acceptable performance and exponential function did not function as good as Lognormal. It was ‎also shown that transportation hierarchy does not sufficiently explain the human mobility pattern. ‎The trip lengths are shown to be 5 and 7 kilometers for working days and holidays respectively. ‎Peak hour trip length distribution function shows lower mean, standard deviation, skewness, and ‎kurtosis compared to the whole day figures.‎

کلیدواژه‌ها [English]

  • Mobility Pattern
  • Distribution
  • Peak Hour
  • Lognormal Distribution
‌[1]‌‎ Makse, H. A., Halvin, S. & Stanley, H. E. Modeling urban growth patterns. Nature 377, 608-612 (1995).‎
‌[2]‌‎ ‎‌ ‌Krings, G., Calabrese, F., Ratti, C., & Blondel, V. D. Urban gravity: a model for inter-city telecommunication flows. Journal of Statistical ‎Mechanics: Theory and Experiment, L07003, 2009 (07).‎
‌[3]‌‎ Belik, V., Geisel, T. & Brockmann, D. Natural human mobility patterns and spatial spread of infectious diseases. Phys. Rev. X 1, 011001 ‎‎(2011).‎
‌[4]‌‎ ‎‌ ‌Gabaix, X., Gopikrishnan, P., Plerou, V. & Stanley, H. E. A theory of power-law distribution in financial market fluctuations. Nature 423, ‎‎267-270, (2003).‎
‌[5]‌‎ ‎‌ ‌Han, X. P., Hao, Q., Wang, B. H., & Zhou, T. Origin of the scaling law in human mobility: Hierarchy of traffic systems. Physical Review E, ‎‎83(3), 036117, (2011).‎
‌[6]‌‎ ‎‌ ‌Zhao, K., Musolesi, M., Hui, P., Rao, W., & Tarkoma, S. Explaining the power-law distribution of human mobility through transportation ‎modality decomposition. Scientific reports, 5, (2015).‎
‌[7]‌‎ Liang, X., Zhao, J., Dong, L., & Xu, K. Unraveling the origin of exponential law in intra-urban human mobility. Scientific reports, 3, (2013).‎
‌[8] ‌‎ Liang, X., Zheng, X., Lv, W., Zhu, T., & Xu, K. The scaling of human mobility by taxis is exponential. Physica A: Statistical Mechanics ‎and its Applications, 391(5), 2135-2144, (2012).‎
‌[9]‌‎ Zhao, K., Musolesi, M., Hui, P., Rao, W. & Tarkoma, S. Explaining the power-law distribution of human mobility through transportation ‎modality decomposition. Scientific reports 5 (2015).‎‌
‎[10] Gallotti, R., Bazzani, A., & Rambaldi, S. Understanding the variability of daily travel-time expenditures using GPS trajectory data. EPJ Data ‎Science, 4(1), 1-14, (2015).‎

تحت نظارت وف ایرانی