Centre de documentation
scientifique

Fine-grained prediction of urban population using mobile phone location data / Jie Chen in International journal of geographical information science IJGIS, vol 32 n° 9-10 (September - October 2018)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 32 n° 9-10 (September - October 2018) . - pp 1770 - 1786 Titre : Fine-grained prediction of urban population using mobile phone location data Type de document : Article/Communication Auteurs : Jie Chen, Auteur ; Shih-Lung Shaw, Auteur ; Feng Lu, Auteur ; Mingxiao Li, Auteur ; et al., Auteur Année de publication : 2018 Article en page(s) : pp 1770 - 1786 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] classification par réseau neuronal [Termes IGN] données spatiotemporelles [Termes IGN] modèle de simulation [Termes IGN] population urbaine [Termes IGN] Shanghai (Chine) [Termes IGN] trace numérique Résumé : (Auteur) Fine-grained prediction of urban population is of great practical significance in many domains that require temporally and spatially detailed population information. However, fine-grained population modeling has been challenging because the urban population is highly dynamic and its mobility pattern is complex in space and time. In this study, we propose a method to predict the population at a large spatiotemporal scale in a city. This method models the temporal dependency of population by estimating the future inflow population with the current inflow pattern and models the spatial correlation of population using an artificial neural network. With a large dataset of mobile phone locations, the model’s prediction error is low and only increases gradually as the temporal prediction granularity increases, and this model is adaptive to sudden changes in population caused by special events. Numéro de notice : A2018-304 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1460753 Date de publication en ligne : 26/04/2018 En ligne : https://doi.org/10.1080/13658816.2018.1460753 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90445 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2018051	RAB	Revue	Centre de documentation	En réserve L003	Disponible