城市移动模式预测的最大熵方法
摘要：城市科学是一个相对较新且跨学科的课题。它借鉴了代理模型、随机过程和偏微分方程的技术。然而，城市的兴衰、演变以及导致这些现象的机制仍然是开放性问题。尽管在城市规划、交通规划和流行病传播建模中具有重要性，但科学家们直到最近才开始开发预测工具。在这里，我们构建了一个完全可解释的统计模型，它只包含最少的约束条件，可以预测城市中出现的不同现象。我们使用意大利不同城市共享汽车的运动数据推断出一个模型，采用最大熵(MaxEnt)原理进行建模。通过该模型，我们描述了不同城市区域的活动情况，并将其应用于活动预测和异常检测(如罢工和恶劣天气条件)。我们将我们的方法与专门用于预测的不同模型进行比较：SARIMA模型和深度学习模型。我们发现最大熵模型具有很高的预测能力，优于SARIMA模型，并且与神经网络具有相似的结果。这些结果显示了统计推断在构建描述城市系统现象的强大和通用模型中的重要性。本文确定了发生在城市中的过程的重要可观察量，从而更深入地理解驱动其动态的基本力量。
作者：Simone Daniotti, Bernardo Monechi, Enrico Ubaldi
论文ID：2210.01491
分类：Physics and Society
分类简称：physics.soc-ph
提交时间：2023-04-28