fa شناسایی الگوهای حرکتی درون‌شهری بر مبنای داده‌های شبکه‌های اجتماعی مکان مبنا سامانه های اطلاعات مکانی GIS پژوهشي Research <p dir="RTL" style="text-align: justify;"><span dir="RTL">امروزه علوم شهری و رفتاری در حال تجربه‌ی دوره‌ی جدید تحت عنوان دوره‌ی داده‌های عظیم است. با توسعه‌ی هم‌زمان تکنولوژی‌های ارتباطاتی و اطلاعاتی و تکنولوژی‌های مکان مبنا، یک حجم غیر قابل پیش‌بینی از داده تحت عنوان داده‌های عظیم، تولید شده و هر روز نیز به آن افزوده می‌شود. این مجموعه&shy;های عظیم اطلاعاتی مرتبط با رفتار انسان، به محققان اجازه می‌دهد که رفتارهای تحرک و تعامل انسان&shy;ها را با دقت بی‌سابقه&shy;ای مطالعه نمایند و بر این اساس به الگوهای جابجایی افراد بین مناطق مختلف جغرافیایی دست یابند. در این میان، شبکه‌های اجتماعی مکان مبنا که یک مفهوم جدید از رسانه‌های اجتماعی روی خط می‌باشند، دارای پتانسیل بالا برای تولید داده‌هایی با دقت مکانی و زمانی بیشتر، اندازه نمونه بزرگ‌تر و هزینه بسیار پایین‌تر می&shy;باشند. داده&shy;های حاصل از این شبکه&shy;ها یکی از مدرن و به‌روزترین منابع داده&shy;ای است که امروزه مورد توجه محققین در موضوع مدیریت شهری قرار گرفته است و به آن‌ها اجازه می&shy;دهد تا سه جنبه‌ی مهم تحرک و تعامل انسان شامل: مکان، زمان و ارتباطات اجتماعی را مورد بررسی قرار دهند. در این تحقیق ضمن تشریح و بررسی عملکرد دو مدل تابشی و </span>PWO<span dir="RTL"> به منظور برآورد ماتریس مبدا-مقصد تلاش شده است که با توسعه این مدل‌ها به منظور استفاده از اطلاعات قابل استخراج از داده‌های شبکه‌های اجتماعی مکان مبنا به عنوان پارامترهای ورودی این دو مدل، الگوهای حرکتی بین مناطق مختلف شهری شناسایی و ماتریس مبدا-مقصد بهینه استخراج گردد. نتایج ارزیابی ماتریس مبدا-مقصد مدل شده نشان می‌دهد که سفرهای پیش‌بینی شده حدود 70% سفرهای واقعی را بازسازی می‌نماید. این امر پتانسیل بالای داده‌های شبکه‌های اجتماعی مکان مبنا را در شناسایی رفتار حرکتی شهروندان و مدل‌سازی حرکت جمعیت پویای شهری اثبات می‌کند.</span></p> <p style="text-align: justify;"><a name="OLE_LINK9"></a><a name="OLE_LINK7">An important part of human activities in an urban environment is their mobility behavior. Nowadays, measuring the movement of people is a fundamental activity in modern societies. First insight regarding the mobility within a region can be captured by extracting the origin&ndash;destination (OD) matrix, which specifies the travel demands between the origin and destination nodes on a network. This matrix could be on different scales including macroscopic scales, e.g., at the inter-urban level, or at microscopic scales, e.g., at the intra-urban level. In the intra-urban level, OD matrix is indicative of the movement of people between different areas of the city.</a></p> <p style="text-align: justify;">Many methods have been suggested for OD-matrix estimation, which can be classified into three main categories: survey-based methods, traffic counts, and methods based on the positioning technology. Using location-Based Social Networking (LBSN) data is a method based on the positioning technology which is raised in recent literatures as a new travel demand data source. Users of LBSN provide location-sensitive data interactively via mobile devices, including smartphones and tablets<a name="OLE_LINK6"></a><a name="OLE_LINK5">. </a>These data has the potential to provide origin-destination movement estimation with significantly higher spatial and temporal resolution at a much lower cost in comparison with traditional methods. Data concluded from these networks are one of the modern and updated data sources that attracted researches attentions to urban management subject and let theme investigate three significant aspects of human movements and interactions including location, time and social communities.</p> <p style="text-align: justify;">On the other hand, various models have been proposed for the estimation of OD matrix. In this paper, two OD estimation models have been utilized in order to investigate their relative performance when using LBSN data. The first model used in this study is &ldquo;radiation model&rdquo; in which <a name="OLE_LINK4"></a><a name="OLE_LINK3">the number of trips is estimated with regard to population of the origin and destination location, and the total population in the circle centered at the origin with the distance between the origin and destination as the radius (excluding the origin and destination population). The second model is &ldquo;population-weighted opportunities model&rdquo;, in which the travel rate from origin to destination is calculated with regard to the attraction of destination. This model assumes that the attraction of a destination for a traveler is the destination&rsquo;s opportunities inversely weighted by </a>number of opportunities between the destination and the origin.</p> <p style="text-align: justify;">Although the two mentioned models have no adjustable parameters, they require information on variables such as population distribution and location attraction as input. In order to extract these inputs from location-based social networking data and make the proposed models compatible with this kind of data, it is essential to renew and advance the models, considering specific characters and limitations of LBSN data.</p> <p style="text-align: justify;">This study examines the efficiency of LBSN data in the estimation of the intra-urban OD matrix. For this, Foursquare check-ins data for Manhattan, one of the five boroughs of New York City, is collected. As each LBSN data records has a time attribute, check-ins are sorted based on time and individuals trajectories extracted using consecutive check-ins. The study area is then partitioned based on census tracts and using aggregated trajectories between these areas, the movement flow intensity between each pair of tracts is estimated by each of the mentioned models. Finally, the outputs of models are evaluated using real observations based on different criterions including distance distribution, destination travel constraints and flux. The results demonstrate the promising potential of using LBSN data for urban travel demand analysis and monitoring.</p> شبکه‌های اجتماعی مکان مبنا, داده‌های نقطه-مکان, الگوهای حرکتی, ماتریس مبدا-مقصد Location Based Social Network, Check-Ins Data, Movement Patterns, OD Matrix 141 158 http://jgst.issgeac.ir/browse.php?a_code=A-10-437-1&slc_lang=fa&sid=1 A. Kheiri اسما خیری Asma.kheiri@ymail.com 10031947532846003443 10031947532846003443 No a Faculty Technical and Engineering, Eslamic Azad University of Larestan دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لارستان F. Karimipour فرید کریمی پور fkarimipr@ut.ac.ir 10031947532846003444 10031947532846003444 Yes Faculty of Surveying and Geospatial Engineering, College of Engineering, University of Tehran پردیس دانشکده‌های فنی دانشگاه تهران M. Forghani محمد فرقانی mo.forghani@ut.ac.ir 10031947532846003445 10031947532846003445 No Faculty of Surveying and Geospatial Engineering, College of Engineering, University of Tehran پردیس دانشکده‌های فنی دانشگاه تهران