Доклад конференции
РОЛЬ БОЛЬШИХ ДАННЫХ В ИССЛЕДОВАНИЯХ МОБИЛЬНОСТИ ЖИТЕЛЕЙ МЕГАПОЛИСОВ
В статье рассмотрены современные инструменты исследования пространственного поведения жителей мегалополисов.
1. Гдалин А.Д. Использование big data в хроногеографии // Природное и культурное наследие: междисциплинарные исследования, сохранение и развитие. Коллективная монография по материалам X Всероссийской научно-практической конференции с международным участием 27-28 октября 2021. Российский государственный педагогический университет им. А.И. Герцена, Российский государственный гидрометеорологический университет. Санкт-Петербург, 2021. С. 93-98.
2. Гдалин А.Д. Хроногеографические исследования: современность и тенденции развития / А.Д. Гдалин, Д.А. Гдалин // Природное и культурное наследие: междисциплинарные исследования, сохранение и развитие: сб. науч. ст. по материалам XI Всерос. науч.-практ. конф. с междунар. уч., Санкт-Петербург, 25 октября 2023 года. СПб.: РГПУ им. А.И. Герцена, 2023. С. 125-127.
3. Barbosa H. et al. Human mobility: Models and applications // Physics Reports. 2018. Т. 734. С. 1-74.
4. Bibri S.E., Krogstie J. Smart sustainable cities of the future: An extensive interdisciplinary literature review // Sustainable cities and society. 2017. Т. 31. С. 183-212.
5. Chen C. et al. B-Planner: Planning bidirectional night bus routes using large-scale taxi GPS traces // IEEE Transactions on Intelligent Transportation Systems. 2014. Т. 15. № 4. С. 1451-1465.
6. Fang Z. et al. Revealing the impact of storm surge on taxi operations: Evidence from taxi and typhoon trajectory data // Environment and Planning B: Urban Analytics and City Science. 2021. Т. 48. №. 6. С. 1463-1477.
7. Fokas A.S., Dikaios N., Kastis G.A. Mathematical models and deep learning for predicting the number of individuals reported to be infected with SARS-CoV-2 // Journal of the Royal Society Interface. 2020. Т. 17. № 169. С. 20200494.
8. Huang L. et al. Multi-modal Bayesian embedding for point-of-interest recommendation on location-based cyber-physical-social networks //Future Generation Computer Systems. 2020. Т. 108. С. 1119-1128.
9. Liu S., Qin Y., Xu Y. Inequality and influencing factors of spatial accessibility of medical facilities in rural areas of China: a case study of Henan Province //International journal of environmental research and public health. 2019. Т. 16. № 10. С. 1833.
10. Long Y., Liu L. Transformations of urban studies and planning in the big/open data era: A review // International Journal of Image and Data Fusion. 2016. Т. 7. № 4. С. 295-308.
11. Östh J., Reggiani A., Galiazzo G. Spatial economic resilience and accessibility: A joint perspective // Computers, Environment and Urban Systems. 2015. Т. 49. С. 148-159.
12. Pirra M., Diana M. Integrating mobility data sources to define and quantify a vehicle-level congestion indicator: an application for the city of Turin //European transport research review. 2019. Т. 11. С. 1-11.
13. Pirozmand P. et al. Human mobility in opportunistic networks: Characteristics, models and prediction methods //Journal of Network and Computer Applications. 2014. Т. 42. С. 45-58.
14. Sun Y. Investigating «locality» of intra-urban spatial interactions in New York city using foursquare data // ISPRS international journal of geo-information. 2016. Т. 5. № 4. С. 43.
15. Wang J. et al. Urban human mobility: Data-driven modeling and prediction // ACM SIGKDD explorations newsletter. 2019. Т. 21. №. 1. С. 1-19.
16. Wang R., Zhang X., Li N. Zooming into mobility to understand cities: A review of mobility-driven urban studies // Cities. 2022. Т. 130. С. 103939.
17. Wang Q. et al. Urban mobility and neighborhood isolation in America’s 50 largest cities // Proceedings of the National Academy of Sciences. 2018. Т. 115. № 30. С. 7735-7740.
18. Wu L. et al. Inferring demographics from human trajectories and geographical context // Computers, Environment and Urban Systems. 2019. Т. 77. С. 101368.
19. Yu X. et al. Quantifying the impact of daily mobility on errors in air pollution exposure estimation using mobile phone location data // Environment International. 2020. Т. 141. С. 105772.
20. Zhao K. et al. Urban human mobility data mining: An overview //2016 IEEE International Conference on Big Data (Big Data). IEEE, 2016. С. 1911-1920.
21. Zhao P., Hu H. Geographical patterns of traffic congestion in growing megacities: Big data analytics from Beijing // Cities. 2019. Т. 92. С. 164-174.
22. Zhang Y. et al. Optimizing impression counts for outdoor advertising //Proceedings of the 25th ACM SIGKDD international conference on knowledge discovery & data mining. 2019. С. 1205-1215.