Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Reconstructing commuters network using machine learning and urban indicators

Texto completo
Autor(es):
Spadon, Gabriel [1] ; de Carvalho, Andre C. P. L. F. [1] ; Rodrigues-Jr, Jose F. ; Alves, Luiz G. A. [2, 3]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Sao Paulo, Inst Math & Comp Sci, BR-13566590 Sao Carlos, SP - Brazil
[2] Rodrigues-Jr, Jr., Jose F., Univ Sao Paulo, Inst Math & Comp Sci, BR-13566590 Sao Carlos, SP - Brazil
[3] Northwestern Univ, Dept Chem & Biol Engn, Evanston, IL 60208 - USA
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: SCIENTIFIC REPORTS; v. 9, AUG 13 2019.
Citações Web of Science: 0
Resumo

Human mobility has a significant impact on several layers of society, from infrastructural planning and economics to the spread of diseases and crime. Representing the system as a complex network, in which nodes are assigned to regions (e.g., a city) and links indicate the flow of people between two of them, physics-inspired models have been proposed to quantify the number of people migrating from one city to the other. Despite the advances made by these models, our ability to predict the number of commuters and reconstruct mobility networks remains limited. Here, we propose an alternative approach using machine learning and 22 urban indicators to predict the flow of people and reconstruct the intercity commuters network. Our results reveal that predictions based on machine learning algorithms and urban indicators can reconstruct the commuters network with 90.4% of accuracy and describe 77.6% of the variance observed in the flow of people between cities. We also identify essential features to recover the network structure and the urban indicators mostly related to commuting patterns. As previously reported, distance plays a significant role in commuting, but other indicators, such as Gross Domestic Product (GDP) and unemployment rate, are also driven-forces for people to commute. We believe that our results shed new lights on the modeling of migration and reinforce the role of urban indicators on commuting patterns. Also, because link-prediction and network reconstruction are still open challenges in network science, our results have implications in other areas, like economics, social sciences, and biology, where node attributes can give us information about the existence of links connecting entities in the network. (AU)

Processo FAPESP: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)
Beneficiário:Agma Juci Machado Traina
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/08376-0 - Análise e aperfeiçoamento de sistemas urbanos por meio de mapas digitais representados por redes complexas
Beneficiário:Gabriel Spadon de Souza
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 19/04461-9 - Prognóstico médico avançado baseado em conceitos de grafos e redes neurais artificiais
Beneficiário:Gabriel Spadon de Souza
Linha de fomento: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 16/16987-7 - Uma abordagem de sistemas complexos para desenvolvimento e planejamento urbano
Beneficiário:Luiz Gustavo de Andrade Alves
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/18615-0 - Aprendizado de máquina avançado
Beneficiário:André Carlos Ponce de Leon Ferreira de Carvalho
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 14/25337-0 - Desenvolvimento de algoritmos centrados em vértice para detecção de padrões em grafos em larga escala utilizando processamento paralelo assíncrono
Beneficiário:Gabriel Perri Gimenes
Linha de fomento: Bolsas no Brasil - Doutorado