کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6538389 1421028 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting demand for 311 non-emergency municipal services: An adaptive space-time kernel approach
ترجمه فارسی عنوان
پیش بینی تقاضا برای 311 غیر اضطراری خدمات شهری: یک رویکرد هسته فضا زمان سازگار است
کلمات کلیدی
311، فرآیند نقطه ی فضایی، مدل سازی، برآورد هسته فضایی زمان،
ترجمه چکیده
بسیاری از شهرهای ایالات متحده و کانادا یک خط تلفن 311 برای ساکنینشان برای ارسال درخواست برای خدمات اضطراری شهری ارائه می دهند. با شماره تلفن 311، ساکنین شهر می توانند طیف وسیعی از مسائل عمومی را که به توجه دولتی نیاز دارند، از جمله چاله ها، نقاشی های دیواری، شکایات بهداشتی و بقایای درختان گزارش دهند. تقاضا برای این خدمات شهری با توجه به زمان و مکان بسیار متغیر است که چالش های متعددی را برای به کارگیری موثر منابع محدود دارد. برای رسیدگی به این چالش ها، این مطالعه از یک رویکرد هسته فضایی-زمان سازگار محلی برای مدل 311 درخواست به عنوان یک فرآیند پوآسون غیرواقعی استفاده می کند و چهارچوبی تحلیلی را برای تولید پیش بینی های 311 تقاضا در فضا و زمان ارائه می دهد. پیش بینی ها می توانند برای بهینه منابع و کارکنان تخصیص یافته، کاهش زمان پاسخ، و برنامه ریزی پویا درازمدت را فراهم کنند. ما از یک هسته فضایی دوتایی برای شناسایی ساختار فضایی استفاده می کنیم و با هر مشاهدات گذشته، هر هسته را وزن می کنیم تا دینامیک زمانی را بگیریم. وابستگی سریال کوتاه مدت و زمان زمانی هفتگی از طریق وزنهای زمانی که سازگاری با مناطق محلی محسوب می شوند، مدل می شوند. ما همچنین روش تخمینی پارامترهای محاسبات را به یک مشکل بهینه سازی بعدی با تبدیل به عملکرد خودکار وابسته به درخواست های تاریخی تبدیل می کنیم. روش ارائه شده با درخواست خدمات بهداشتی در شیکاگو نشان داده شده و تایید شده است. نتایج نشان می دهد که آن را بهتر از عمل صنعت مشترک و مدل های فضایی معمولی با هزینه محاسباتی قابل مقایسه بهتر می کند.
موضوعات مرتبط
علوم زیستی و بیوفناوری علوم کشاورزی و بیولوژیک جنگلداری
چکیده انگلیسی
Many cities in the United States and Canada offer a 311 helpline to their residents for submitting requests for non-emergency municipal services. By dialing 311, urban residents can report a range of public issues that require governmental attention, including potholes, graffito, sanitation complaints, and tree debris. The demand for these municipal services fluctuates greatly with time and location, which poses multiple challenges to effective deployment of limited resources. To address these challenges, this study uses a locally adaptive space-time kernel approach to model 311 requests as an inhomogeneous Poisson process and presents an analytical framework to generate predictions of 311 demand in space and time. The predictions can be used to optimally allocate resources and staff, reduce response time, and allow long-term dynamic planning. We use a bivariate spatial kernel to identify the spatial structure and weigh each kernel by corresponding past observations to capture the temporal dynamics. Short-term serial dependency and weekly temporality are modeled through the temporal weights, which are adaptive to local community areas. We also transform the computation-intensive parameter estimation procedure to a low dimensional optimization problem by fitting to the autocorrelation function of historical requests. The presented method is demonstrated and validated with sanitation service requests in Chicago. The results indicate that it performs better than common industry practice and conventional spatial models with a comparable computational cost.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Geography - Volume 89, December 2017, Pages 133-141
نویسندگان
, , , ,