کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6921939 864881 2015 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Can cognitive inferences be made from aggregate traffic flow data?
ترجمه فارسی عنوان
آیا می توان نتیجه های شناختی از داده های جریان ترافیکی جمع آوری کرد؟
کلمات کلیدی
جنبش شهری، فاصله شناختی، تجزیه و تحلیل شبکه، نحو فضایی، شبیه سازی مبتنی بر عامل،
ترجمه چکیده
تجزیه و تحلیل فضایی یا تجزیه و تحلیل توپولوژیکی شبکه های خیابانی نشان داده است که جریان ترافیک انسانی به شدت با برخی از اقدامات مرکزی توپولوژیکی ارتباط دارد، بدین معنا که جنبش انسانی در سطح کلان عمدتا توسط ساختار توپولوژیکی شبکه های خیابانی شکل می گیرد. با این حال، این همبستگی بالا به این معنا نیست که هر گونه حرکت فردی می تواند توسط هر اندازه گیری محدوده شبکه خیابان پیش بینی شود. به عبارت دیگر، جریان ترافیکی در سطح کلان نمی تواند برای نتیجه گیری در مورد شناخت فضایی فرد یا مفهوم سازی فضا استفاده شود. بر اساس مجموعه ای از شبیه سازی های مبتنی بر عامل با استفاده از سه نوع عوامل متحرک - توپولوژیکی، زاویه ای و متریک - ما نشان می دهد که اندازه گیری های مرکزیت زاویه ای توپولوژیک بهتر از اندازه گیری مرکزی متریک با جریانهای مجموع عوامل که کوتاه ترین زاویه را انتخاب می کنند ، مسیرهای توپولوژی یا متریک. ما برتری اثرات شبکه توپولوژیکی زاویه ای را نسبت به روابط ساختاری بین حرکت شبکه های خیابانی و پتانسیل های حرکتی مرتبط می کنیم. یافته های تحقیق نشان می دهد که ارتباطات بین جریان جمع آوری و اندازه گیری های محدوده شبکه های خیابانی نمی تواند مورد استفاده قرار گیرد تا دانش را در مورد شناخت فضایی افراد در هنگام حرکت شهری به دست آورد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Space syntax analysis or the topological analysis of street networks has illustrated that human traffic flow is highly correlated with some topological centrality measures, implying that human movement at an aggregate level is primarily shaped by the underlying topological structure of street networks. However, this high correlation does not imply that any individual's movement can be predicted by any street network centrality measure. In other words, traffic flow at the aggregate level cannot be used to make inferences about an individual's spatial cognition or conceptualization of space. Based on a set of agent-based simulations using three types of moving agents - topological, angular, and metric - we show that topological-angular centrality measures correlate better than does the metric centrality measure with the aggregate flows of agents who choose the shortest angular, topological or metric routes. We relate the superiority of the topological-angular network effects to the structural relations holding between street network to-movement and through-movement potentials. The study findings indicate that correlations between aggregate flow and street network centrality measures cannot be used to infer knowledge about individuals' spatial cognition during urban movement.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers, Environment and Urban Systems - Volume 54, November 2015, Pages 219-229
نویسندگان
, ,