Товаров: 0 (0р.)

Cdr узоры: Бесплатные векторы Орнамент, более 287 000 изображений AI, EPS

Содержание

Узоры Орнаменты С Cdr

Векторные рамки и орнаменты (клипарт).br Формат ai или cdr. Файлы с векторной. Здесь вы найдете векторные файлы на тему Узоры, орнаменты. Орнаменты, тату и кельтский клипарт: Самая обширная векторная коллекция разнообразных орнаментов и тату — свыше 2200 векторных изображений в форматах *.cdr и *.eps. Цветные и черно-белые рамки, бордюры, уголки, паттерны, кноты, дингбаты, снежинки. Всевозможные тату: животные и фэнтези, изящные сердечки и глаза, симметричные и трибальные тату. Кельтский клипарт: кноты, кресты и буквицы. А также, цветные и черно-белые заглавные буквы, панели для текста и рамки-вывески, орнаменты горизонтальные и восточные, виньетки и многое многое другое. Коллекция содержит только изображения, указанные в списке.

Архив: 63.6 мб Кельтский орнамент — клипарт векторный. Скачать бесплатно векторный клипарт и логотипы 4.

Бесплатный векторный клипарт — орнамент орнамент скачать: EPS / CDR / WMF. Бесплатный векторный клипарт.Узоры и орнаменты — Patterns & Ornaments Бесплатная графика здесь Перед тем как Скачать: Узоры и орнаменты — Patterns. Vector Pattern Metal Backgrounds Вектор, металл, узоры, фон 4 EPS, CDR + JPG превью 10 Mb Vector.Corel DRAW растительные орнаменты вектор скачать В данной книге представлены разнообразные и уникальные исламские орнаменты.

В мировой истории существуют. Орнаменты 3743 cdr, eps, gif rar 50.3 mb. Картинки казахский орнамент скачать бесплатно; узоры для cdr; казахские орнаменты. Восточные узоры и орнаменты в векторе 40 EPS + 40 PNG Рарешение PNG 800 X 1000 Размер 13.1мб Восточные узоры и орнаменты в векторе 40 EPS + 40 PNG. Бесплатный векторный клипарт — орнамент орнамент скачать: EPS / CDR / WMF. Бесплатный векторный клипарт — орнамент орнамент скачать: EPS / CDR / WMF. Векторные рамки и орнаменты (клипарт).br Формат ai или cdr.

Опубликовано: 31 марта 2009. Красивый векторный орнамент.

Качать Всем и без исключения!. Бесплатный векторный клипарт — орнамент орнамент скачать: EPS / CDR / WMF. Русские орнаменты — винтажный вектор скачать на большой скорости. Вы сможете скачать шаблоны, картинки, фотошоп, клипарты, фото и много.14 май 2011. Бесплатный векторный клипарт – открытка к 23 февраля открытка к 23 февраля скачать: EPS / CDR / WMF,. Орнаменты в векторе Ornaments in.

Русские орнаменты — винтажный вектор 6 EPS + JPG Preview 18 Mb rar. Дети, играют, веселятся, хулиганят.

Формат.CDR скачать (5,54 Мб). CDR скачать(4,68 Мб). Мой блог находят по следующим фразам. Шаблоны для.5 дек.Векторный орнамент.

Векторные рамки, элементы орнамента. Золотой орнамент в векторе 7 CDR / 7 EPS превью архив 11,2 мб. Элементы орнамента в векторе Скачать. Уважаемый посетитель, Вы зашли на сайт как. Свадебный.Для тех кто хочет скачать Этнические орнаменты в векторе. Векторный орнамент.

Векторные рамки, элементы орнамента. Золотой орнамент в векторе 7 CDR / 7 EPS превью архив 11,2 мб. Средняя оценка: 4.93 4.93/72.На этой странице вы можете скачать Ornament Set 4 Элементы дизайна, завитушки в векторе бесплатно. Завитушки — векторная графика — 50 файлов в формате CDR. Посетители портала имеют уникальную возможность скачать.39 изображений 3 файла формат CDR (для CorelDraw) 3,54 МБ. Орнамент — векторная графика.

Орнамент — векторная графика — 4 файла EPS, AI + превью. Скачать бесплатно орнамент в формате CDR Орнамент служит украшением зданий.

16 files EPS + preview 98 Mb 16 EPS 111 Mb 25 files EPS + preview 143 Mb 4 JPG max 7000×5300 54 mb 25 Eps + Jpeg Preview 104 Mb 4 EPS + AI 89,8 mb 25 Eps + Jpeg preview 51 Mb 14 JPG max 40008000 300 dpi 158 Mb 10 jpg 4624x5040px 74Mb 6 files EPS + preview 84 Mb PNG 81 mb 26 files EPS + preview 128 Mb 6 eps, ai + 6 jpeg, tif / prew / 107,3 Mb 4 EPS + AI 43,1 mb 25 Eps + Jpeg Preview 141 Mb 9 eps 60 Mb 5 PSD 300 dpi 7205 x 3602 431 мб 7 eps, jpg 91,8 mb 5 eps, jpg 50 MB 25 HQ Jpeg / 160 Mb.

str3-26_cherno-belye_plyus_3mm_na_obrez версия 15.cdr

%PDF-1.3 % 110 0 obj >/Outlines 56 0 R/OutputIntents[>]/Pages 107 0 R/Type/Catalog>> endobj 51 0 obj >stream application/pdf

  • Доржик
  • str3-26_cherno-belye_plyus_3mm_na_obrez версия 15.cdr
  • 2017-08-18T12:00:47+08:00CorelDRAW X82017-08-18T12:03+08:002017-08-18T12:03+08:00Corel PDF Engine Version 18.0.0.448Falseuuid:a5250a58-88f7-48ee-b73c-0e1cbed86db3uuid:b0e3a602-40b0-43a9-bfec-edfa9feb2925default1PDF/X-1a:2001PDF/X-1:2001PDF/X-1:2001
  • http://ns.adobe.com/pdf/1.3/pdfAdobe PDF Schema
  • internalA name object indicating whether the document has been modified to include trapping informationTrappedText
  • http://ns.adobe.com/pdfx/1.3/pdfxPDF/X ID Schema
  • internalID of PDF/X standardGTS_PDFXVersionText
  • internalConformance level of PDF/X standardGTS_PDFXConformanceText
  • http://ns.adobe.com/xap/1.0/mm/xmpMMXMP Media Management Schema
  • internalUUID based identifier for specific incarnation of a documentInstanceIDURI
  • http://www.npes.org/pdfx/ns/id/pdfxidPDF/X ID Schema
  • internalID of PDF/X standardGTS_PDFXVersionText
  • endstream endobj 56 0 obj > endobj 107 0 obj > endobj 111 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 1 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 3 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 5 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 7 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 9 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 11 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 13 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 15 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 17 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 19 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 21 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 23 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 25 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 27 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 29 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 31 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 33 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 35 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 37 0 obj >>>/Rotate 0/TrimBox[0.0 0.0 858.8976 612.2835]/Type/Page>> endobj 39 0 obj >>>/Rotate 0/TrimBox[0.nlF3#»xb43?o/fϫWYW+6SϷ}Ǐ?o_gz~}ךˏ/J__5r \ W/sZFV k̽$Vڐ>A4LUhKx&YГD$9{STse}: jS~PV

    Как создать бесшовный узор в Кореле из цветных драгоценных камней

    . Следуя шагам урока вы научитесь создавать драгоценные камни, используя основные фигуры, дублировать их для создания повторяющегося узора. В завершении вы узнаете, как изменить цвет узора в несколько кликов на панели Цветовые стили (Color Styles) с помощью функции Поиск и замена (Find and Replace). 


    Шаг 1.

    Создаем камень в виде капли с помощью основных фигур

    Начнем с создания первого камня. Возьмите Инструмент Сложная звезда (Complex Star): вы можете найти его в наборе инструментов Многоугольника — Polygon Tool (Y). Удерживайте Ctrl при создании звезды, чтобы она была равномерной. На панели свойств (Property Bar) настройте параметры: Резкость (Sharpness) 2, Точки или стороны (Points or Sides) 8.

    Шаг 2.

    Создаем камень в виде капли с помощью основных фигур

    Преобразуйте звезду в кривые — Convert to Curves (Ctrl + Q) и перетащите ее верхнюю точку вверх с помощью Инструмента Форма — Shape tool (F10). Для упрощения процесса работы давайте включим привязку к объектам: Вид > Привязать к > Привязка к объектам — View > Snap To > Objects (Alt + Z). Теперь удалите средние точки на сторонах звезды, дважды кликнув по ним левой кнопкой мыши (при выбранном Инструменте Форма — Shape tool (F10).

    Шаг 3.

    Создаем камень в виде капли с помощью основных фигур

    Продолжим создавать форму звезды. Возьмите Инструмент Ломаная линия (Polyline tool): вы можете найти его в наборе инструмента Свободная форма (Freehand Tool – F5). Соедините вершины звезды поочередно.

    Шаг 4.

    Создаем камень в виде капли с помощью основных фигур

    Итак, теперь у нас есть основа камня в виде капли. Выделите звезду вместе с только что созданной формой и сгруппируйте их (Ctrl + G). Создайте копию (Ctrl + C > Ctrl + V), она понадобится нам немного позже.

    Шаг 5.

    Создаем камень в виде капли с помощью основных фигур

    Теперь будем добавлять заливку. Мы можем сделать это вручную, разделив камень на отдельные части и закрашивая каждую из них. Однако, в CorelDRAW есть замечательный Инструмент Интеллектуальная заливка (Smart Fill tool), который позволяет автоматически заполнять цветом любую замкнутую фигуру.

    Итак, возьмите Инструмент Интеллектуальная заливка (Smart Fill tool) и настройте Параметры заливки (Fill Options) на панели свойств (Property Bar). Откройте меню цветовых образцов и нажмите кнопку Дополнительно (More), чтобы открылось окно Выбор цвета (Select Color). Выберите яркий лиловый цвет.

    Шаг 6.

    Создаем камень в виде капли с помощью основных фигур

    Примените выбранный цвет к внешним частям камня, как показано на рисунке.

    Шаг 7.

    Создаем камень в виде капли с помощью основных фигур

    Затем выберите более светлый фиолетовый и также с помощью Инструмента Интеллектуальная заливка (Smart Fill tool) заполните цветом часть камня ближе к центру. Далее выберите еще более светлый оттенок и так по направлению к центру заливайте цветом части камня, закончив в середине самым светлым оттенком. Теперь удалите абрис объекта: для этого выделите весь камень целиком и кликните правой кнопкой мыши по значку с крестиком в цветовой палитре.

    Шаг 8.

    Создаем камень в виде капли с помощью основных фигур

    Сейчас мы сымитируем стеклянную поверхность камня с помощью блика в верхней части. Выделите копию фигуры, которую мы делали с помощью  Инструмента Ломаная линия (Polyline tool), копируйте ее, немного уменьшите размер и разместите в верхней части камня. (Примечание: чтобы выровнять фигуру относительно камня выделите фигуру и камень, затем нажмите С, чтобы выровнять по центральной линии и Т, чтобы выровнять по верхней точке). Залейте фигуру таким же цветом, как самая центральная часть камня. Возьмите Инструмент Прозрачность (Transparency tool), чтобы сделать полупрозрачный блик. Кликните на верхнюю точку фигуры и потяните курсор вниз, создавая Фонтанную прозрачность (Fountain transparency). Итак. камешек готов! Теперь вы знаете технику создания, перейдем к следующему камню.

    Шаг 9.

    Создаем камень в виде сердца с помощью Автофигур

    Следующий камень – рубин в виде сердца. Выберите Основные фигуры (Basic Shapes) на панели инструментов (в том же наборе, где находится Инструмент Многоугольник — Polygon Tool (Y), затем выберите фигуру сердца из выпадающего меню на панели свойств (Property Bar). Кликните и потяните, чтобы создать фигуру сердца, затем Преобразуйте в кривые — Convert to Curves (Ctrl + Q). Теперь немного скорректируем форму, выделив центральные точки фигуры (с помощью Инструмента Форма — Shape tool (F10) и сместив их вниз.

    Шаг 10.

    Создаем камень в виде сердца с помощью Автофигур

    Теперь создадим внутреннюю часть драгоценного камня, используя фигуру Сложная звезда (Complex Star), как мы делали ранее. Создайте звезду и поместите ее внутрь сердца так, чтобы нижние вершины звезды касались краев сердца. Преобразуйте звезду в кривые — Convert to Curves (Ctrl + Q) и затем выделите и переместите вершины звезды с помощью Инструмента Форма — Shape tool (F10), как показано на рисунке:

    Шаг 11.

    Создаем камень в виде сердца с помощью Автофигур

    Вот как основа нашего камня выглядит после удаления средних точек звезды.

    Шаг 12.

    Создаем камень в виде сердца с помощью Автофигур

    Далее сделайте заливку камня разными оттенками розового с помощью Инструмента Интеллектуальная заливка (Smart Fill tool). Используйте более светлые оттенки по направлению к середине, как мы делали для первого камня.

    Шаг 13.

    Создаем камень в виде сердца с помощью Автофигур

    Дублируйте (Ctrl + D) фигуру сердца и поместите ее сверху всего камня и залейте светло-розовым цветом, который вы использовали в середине камня. Уменьшите размер верхнего сердца и используйте Инструмент Прозрачность (Transparency tool), чтобы сделать блик и придать камню эффект стекла. Отлично, рубин в виде сердца готов!

    Шаг 14.

    Создаем круглый сапфир в пару кликов

    Итак, камни сложных форм позади, теперь сделаем несколько простых камней.

    Создадим основу сапфира: возьмите Инструмент Эллипс — Ellipse Tool (F7) и создайте круг, удерживая клавишу Ctrl. Затем переключитесь на фигуру Сложная звезда (Complex Star), и, удерживая клавишу Ctrl, создайте равновесную звезду. Установите настройки для звезды на панели свойств (Property Bar): Резкость (Sharpness) 2; Точки или стороны (Points or Sides) 9. Теперь выровняйте объекты относительно друг друга: выделите оба объекта и нажмите С (выравнивание центров по горизонтали) и У (выравнивание центров по вертикали).

    Удалите лишние точки с помощью Инструмента Форма — Shape tool (F10).

    Шаг 15.

    Создаем круглый сапфир в пару кликов

    Теперь залейте сапфир разными оттенками голубого (используя Инструмент Интеллектуальная заливка (Smart Fill tool), затем сделайте прозрачный блик с помощью Инструмента Прозрачность (Transparency tool).

    Шаг 16.

    Создаем круглый сапфир в пару кликов

    Отлично, сапфир готов. Двигаемся дальше.

    Шаг 17.

    Создаем изумруд

    Начните с создания квадрата с помощью Инструмента Прямоугольник — Rectangle Tool (F6): удерживайте Ctrl при создании, чтобы получить квадрат. Выделите созданную фигуру, на панели свойств (Property Bar) найдите опции углов и выберите Угол с фаской (Chamfered Corner), затем установите Радиус угла (Corner Radius) на свое усмотрение (в данном случае это 140 пикселей). Заметьте, как изменились углы квадрата.

    Шаг 18.

    Создаем изумруд

    Когда закончите с настройкой углов, создайте Сложную звезду (Complex Star) с 9 точками и затем разместите в центре камня. Преобразуйте звезду в кривые (Ctrl + Q) и скорректируйте положение вершин с помощью Инструмента Форма — Shape tool (F10) так, чтобы они касались граней камня, но не выходили за них.

    Шаг 19.

    Создаем изумруд

    Далее, как мы делали раньше, примените заливку разных оттенков изумрудного с помощью Инструмента Интеллектуальная заливка (Smart Fill tool), и сделайте полупрозрачный блик с помощью Инструмента Прозрачность (Transparency tool). Используйте Эллиптическую фонтанную прозрачность (Elliptical fountain transparency), чтобы сделать эффект более реалистичным.

    Шаг 20.

    Создаем изумруд

    Вы можете переключаться между видами прозрачности, чтобы попробовать разные вариации и выбрать наиболее подходящую. Применим Линейную фонтанную прозрачность (Linear fountain transparency), чтобы достичь единообразия плоского стиля наших драгоценных камней.

    Шаг 21.

    Создаем изумруд

    Замечательно! Драгоценные камни готовы и мы переходим к следующей части урока.

    Шаг 22.

    Создаем бесшовный узор

    Снимите выделение со всех объектов: возьмите Инструмент выбора (Pick Tool) и кликните по пустой части страницы. Измените размер документа на 600 x 600 пикселей на панели свойств (Property Bar). Правее в полях Дублировать расстояние (Duplicate distance) введите значения: по оси Х 600 пикселей, по оси Y 0 пикселей.

    Теперь поместите сапфир в левую часть страницы, так, чтобы его центр был выровнен по краю страницы: для этого введите значение 0 по оси Х в поле Позиция объекта (Object Position) на панели свойств (Property Bar). Выделите объект, нажмите Ctrl + D, чтобы дублировать объект на противоположную сторону страницы.

    Шаг 23.

    Создаем бесшовный узор

    Теперь сделаем то же самое для рубина, но в этот раз расположим его в верхней части страницы. Установите значение 600 пикселей по оси Y  в настройках Позиция объекта (Object Position), чтобы выровнять центр рубина по верхнему краю страницы. Снимите выделение со всех объектов и установите значения Дублировать расстояние (Duplicate distance): по оси Х -600 пикселей, по оси Y 0 пикселей. Выделите рубин и нажмите Ctrl + D, чтобы дублировать объект. Копия будет расположена в нижней части страницы.

    Шаг 24.

    Создаем бесшовный узор

    Теперь сделайте несколько копий камней, измените их размер и расположите по странице, чтобы разнообразить узор. Заполните пустое пространство между камнями кружочками разных размеров (используйте Инструмент Эллипс — Ellipse Tool (F7). Залейте кружочки пастельными оттенками голубого, розового, лилового и бирюзового.

    Шаг 25.

    Создаем бесшовный узор

    Заполним фон узора нейтральным оттенком. Снимите выделение со всех объектов, затем дважды кликните по Инструменту Прямоугольник — Rectangle Tool (F6): таким образом вы создадите прямоугольник размера страницы и поместить его на задний план всех остальных объектов. Выберите цветом заливки бледно-желтый, чтобы сделать узор теплым и солнечным.

    Шаг 26.

    Создаем бесшовный узор

    Сейчас нам нужно избавиться от тех частей, которые выступают за края страницы. Мы можем срезать их или удалить, однако если мы сделаем это, мы не сможем редактировать узор. Так что мы выберем другой способ, чтобы скрыть объекты.

    Снимите выделение всех объектов, дважды кликните по Инструменту Прямоугольник — Rectangle Tool (F6), чтобы создать еще один квадрат. При выделенном квадрате кликните правой кнопкой мыши и выберите пункт Тип фрейма > Создать пустой фрейм PowerClip (Frame Type > Create Empty PowerClip Frame). Вы увидите перечеркнутый квадрат, обозначающий пустой фрейм PowerClip.

    Шаг 27.

    Создаем бесшовный узор

    Теперь выделите все объекты, кроме фрейма PowerClip: вы можете сделать это на вкладке Диспетчер объектов (Objects Manager), кликнув удерживая Shift по первому и последнему объекту списка. Затем кликните правой кнопкой мыши и выберите пункт Поместить в контейнер (PowerClip Inside). После этого курсор мыши заменится на черную стрелку. Кликните ей по пустому пространству между объектами, таким образом помещая объекты внутрь квадрата PowerClip. Вуаля! Теперь ненужные части скрыты, но мы можем в любое время отредактировать их.

    Шаг 28.

    Создаем бесшовный узор

    Можете проверить правильность размещения объектов, дублировав узор (Ctrl + D) несколько раз. Если все в порядке, используйте функцию Экспорт — Export (Ctrl + Е), чтобы сохранить часть узора для использования в других программах.

    А теперь продолжим работу в CorelDRAW и узнаем еще некоторые возможности: экспорт и изменение цвета узора.

    Шаг 29.

    Создание узора и изменение цвета

    Выделите фрейм PowerClip, кликните правой кнопкой мыши и выберите пункт Извлечь содержимое (Extract Contents). Перейдите в меню Инструменты > Создать > Заливка узором (Tools > Create > Pattern Fill) и выберите Тип Вектор (Vector) в открывшемся окне.

    Теперь выделите область, которую вы хотите сделать узором. Убедитесь, что включена функция Привязка к объектам (Вид > Привязать к > Привязка к объектам — View > Snap To > Objects (Alt + Z) и выделите область страницы 600 х 600 пикселей без выступающих за границы частей. Нажмите иконку Принять (Accept) и сохраните узор.

    Шаг 30.

    Создание узора и изменение цвета

    Давайте теперь применим наш узор и посмотрим, как он смотрится. Создайте прямоугольник любого размера и дважды кликните по иконке Заливка (Fill), чтобы открыть окно Изменить заливку (Edit Fill), выберите опцию Заливка полноцветным узором (Vector Pattern Fill), затем в выпадающем списке найдите ваш только что созданный узор и дважды кликните по нему, чтобы применить.

    Шаг 31.

    Создание узора и изменение цвета

    Теперь я покажу, как можно быстро изменить цвет узора. Перейдите в меню Окно > Окна настройки > Цветовые стили Window > Dockers > Color Styles (Ctrl + F6). Выделите элементы узора, перетяните их на панель цветовых стилей с надписью Перетащите сюда, чтобы добавить цветовой стиль и создать гармонию (Drag here to add color style & create a harmony). В открывшемся окне выберите Заливка объектов (Object fill).

    Шаг 32.

    Создание узора и изменение цвета

    Итак, теперь у нас есть все цвета, объединенные в группы палитр. Выберите первую группу бирюзовых оттенков, которая относится к изумрудному камню нашего узора. Удерживая клавишу Shift, выберите все цвета из этой группы.

    Теперь вращайте и перетаскивайте ползунки в разделе Редактор гармоний (Harmony Editor), чтобы изменить цвет. Вы можете видеть, как цвета объекта меняются в реальном времени.

    Шаг 33.

    Создание узора и изменение цвета

    Сделайте то же самое для других цветовых групп, создавая совершенно другую комбинацию цветов драгоценных камней.

    Шаг 34.

    Создание узора и изменение цвета

    Также нам нужно изменить цвет фона. Перейдите в меню Правка > Поиск и замена > Заменить объекты (Edit > Find and Replace > Replace Objects). В открывшемся окне выберите пункт Заменить цвет (Replace a color) и нажмите Далее (Next).

    Кликните на выпадающее меню Найти (Find) и с помощью Пипетки (Eyedropper tool) выберите цвет фонового объекта. Выберите белый цвет в выпадающем меню Заменить на (Replace with color). Нажмите Готово (Finish).

    Далее нажмите Заменить все (Replace All) в открывшемся меню. Вы увидите, что цвет фона изменился на белый.

    Шаг 35.

    Создание узора и изменение цвета

    В этом уроке мы использовали только один пункт в меню Поиск и замена (Find and Replace), но эта функция может быть использована и для других целей, таких как: замена свойств текста или контура, изменение цветовой схемы или палитры. Редактирование объектов становится очень удобным и гибким, так как мы можем применять изменения только к выделенным объектам.

    Шаг 36.

    Финальное изображение

    Итак, вы успешно создали два варианта узора, узнали как создавать драгоценные камни с помощью простых фигур, изменять их цвет, объединять их для создания бесшовного узора. Надеюсь, вы узнали о некоторых полезных возможностях инструментов CorelDRAW, которые помогут вам создавать собственные проекты в будущем. Удачи!

    Ссылка на источник

    Logo Vr46 Wallpaper Hd Explore dream wave s photos on flickr

    1280×720 — 12,000+ vectors, stock photos & psd files.

  • Original Resolution: 1280×720
  • Background Vr46 Logo 46 The Doctor 3d 523860 Hd Wallpaper Backgrounds Download Thank you for your interest in our vr46 clock widget app.

    1920×1080 — Pngtree offers over 348 vr 46 png and vector images, as well as transparant background vr 46 clipart images and psd files.download the free graphic resources in in addition to png format images, you can also find vr 46 vectors, psd files and hd background images.

  • Original Resolution: 1920×1080
  • 47 Valentino Rossi Wallpaper Hd On Wallpapersafari Get our stickers dedicated to vr46, yamaha racing, riders academy and monster energy, ideal for bikes or helmets.

    444×794 — Dream_wave has uploaded 329 photos to flickr.

  • Original Resolution: 444×794
  • The Doctor 46 Wallpaper Iphone You can download in.ai,.eps,.cdr,.svg,.png formats.

    720×1280 — The complete application of the latest 4k valentino 46 wallpaper collection.

  • Original Resolution: 720×1280
  • Vr 46 Logo Wallpapers Wallpaper Cave The clock font style is based on valentino rossi’s famous 46 logo.

    1242×2688 — We hope you enjoy our growing collection of hd images to use as a background or.

  • Original Resolution: 1242×2688
  • Vr46 Valentino Rossi Cartoon Wallpaper The clock font style is based on valentino rossi’s famous 46 logo.

    444×794 — Download the latest logo 46 free and convenient logo 46 vector logos from the logospike.

  • Original Resolution: 444×794
  • Valentino Rossi Wallpapers Free By Zedge A collection of stickers, featuring valentino rossi, the number 46, the doctor, valeyellow, yamaha collection , sky racing team vr46, riders academy.

    934×630 — There are more than 100 vr 46 wallpapers ready to use.

  • Original Resolution: 934×630
  • Fantastis 22 Wallpaper Android Vr46 Vr 46 Logo Wallpapers Wallpaper Cave Vr46 Wallpapers Top Motogp Valentino Rossi Valentino Rossi Logo Valentino Rossi 46 Get our stickers dedicated to vr46, yamaha racing, riders academy and monster energy, ideal for bikes or helmets.

    728×546 — We provide version 1.0, the latest version that has been optimized for different devices.

  • Original Resolution: 728×546
  • Rossi 1080p 2k 4k 5k Hd Wallpapers Free Download Wallpaper Flare Check out this fantastic collection of vr46 wallpapers, with 45 vr46 background images for your desktop, phone or tablet.

    960×800 — Создаем геометрические узоры из линий.

  • Original Resolution: 960×800
  • V R 46 Wallpaper By Saguaro 22 Free On Zedge Almost files can be used for commercial.

    1920×1080 — Find & download free graphic resources for vr.

  • Original Resolution: 1920×1080
  • Vr46 Wallpapers Top Free Vr46 Backgrounds Wallpaperaccess 46 lovely christmas vector illustration background material.

    800×800 — We have 4 free vr46 vector logos, logo templates and icons.

  • Original Resolution: 800×800
  • Vr46 Wallpaper Hd 800×800 Download Hd Wallpaper Wallpapertip Valentino rossi hd wallpaper,valentino rossi birthday,wallpaper hd,vr 46 logo,vr 46 bike,vr46,motogp wallpaper hd 1080p 2017,46 racer images.

    982×1026 — Contains a collection of vr 46 wallpaper images with hd quality.

  • Original Resolution: 982×1026
  • Valentino Rossi Wallpapers Top Free Valentino Rossi Backgrounds Wallpaperaccess Pngtree offers over 348 vr 46 png and vector images, as well as transparant background vr 46 clipart images and psd files.download the free graphic resources in in addition to png format images, you can also find vr 46 vectors, psd files and hd background images.

    3840×2160 — Download the latest logo 46 free and convenient logo 46 vector logos from the logospike.

  • Original Resolution: 3840×2160
  • Cartoon Wallpaper Valentino Rossi We are the leading community for creating and sharing 21:9 wallpapers for all ultrawide resolutions!

    (PDF) Мониторинг структуры осадков в южной части Амазонки с данными PERSIANN-CDR: долгосрочные характеристики и тенденции

    Remote Sens. 2017,9, 889 17 из 20

    14.

    Longobardi, P .; Черногория, А .; Beltrami, H .; Эби, М. Изменение климата, вызванное обезлесением: последствия

    пространственного масштаба. PLoS ONE 2016,11, DOI: 10.1371 / journal.pone.0153357.

    15.

    Nobre, CA; Sampaio, G .; Borma, L.S .; Castilla-Rubio, J.C .; Silva, J.S .; Кардозу, М.Землепользование и климат

    изменяют риски в Амазонке и необходимость новой парадигмы устойчивого развития. Proc. Natl. Акад.

    Sci. США, 2016, 113, 10759–10768.

    16.

    Fu, R .; Инь, Л .; Li, W .; Arias, P.A .; Dickinson, R.E .; Huang, L .; Чакраборти, С .; Fernandes, K .; Liebmann, B .;

    Fisher, R .; и другие. Увеличение продолжительности засушливого сезона на юге Амазонии в последние десятилетия и его влияние на будущий климатический прогноз. PNAS 2013,110, 18110–18115.

    17. Boisier, J.P .; Ciais, P .; Ducharne, A .; Guimberteau, M. Прогнозируемое усиление засушливого сезона в Амазонии на

    симуляций климатической модели с ограничениями. Nat. Клим. Чанг. 2015,5, 656–660.

    18.

    Cook, B .; Zeng, N .; Юн, Дж. Амазония высохнет? Масштабы и причины изменения прогнозов климата МГЭИК

    . Земля Взаимодействие. 2012,16, 1-27.

    19.

    Espinoza, J.C .; Segura, H .; Ronchail, J .; Drapeau, G .; Гутьеррес-Кори, О.Эволюция частоты влажных дней и

    сухих дней в бассейне западной Амазонки: взаимосвязь с атмосферной циркуляцией и воздействия на растительность

    : частота влажных и засушливых дней в Амазонке и воздействие на растительность. Водный ресурс. Res.

    2016

    ,

    52, 8546–8560.

    20.

    Дюрье, Л. Влияние обезлесения на облачный покров над дугой обезлесения Амазонки. Remote Sens.

    Окружающая среда. 2003, 86, 132–140.

    21.

    Ronchail, J .; Cochonneau, G .; Молинье, М .; Guyot, J.L .; Де Миранда Чавес, A.G .; Guimarães, V .;

    де Оливейра, Э. Межгодовая изменчивость количества осадков в бассейне Амазонки и температуры поверхности моря в экваториальном Тихом океане и тропической части Атлантического океана

    . Int. J. Climatol. 2002, 22, 1663–1686.

    22.

    Debortoli, N.S .; Dubreuil, V .; Funatsu, B .; Delahaye, F .; de Oliveira, C .; Rodrigues-Filho, S .; Saito, C.H .;

    Феттер Р. Характер осадков в южной части Амазонки: хронологическая перспектива (1971–2010 гг.).Клим. Чанг.

    2015,132, 1–20.

    23.

    Delahaye, F .; Kirstetter, P.E .; Dubreuil, V .; Machado, L.A.T .; Vila, D.A .; Кларк, Р., III. Единая база данных датчика

    для ежедневного анализа осадков над законной бразильской Амазонкой. J. Hydrol. 2015, 525, 292–304.

    24.

    Huffman, G.J .; Bolvin, D.T .; Nelkin, E.J .; Wolff, D.B .; Адлер, Р.Ф .; Gu, G .; Hong, Y .; Bowman, K.P .; Stocker, E.F.

    Многоспутниковый анализ осадков (TMPA) TRMM: квазиглобальный, многолетний, комбинированный датчик

    Оценки осадков в мелком масштабе.J. Hydrometeorol. 2007,8, 38–55.

    25.

    Getirana, A .; Espinoza, J .; Ronchail, J .; Ротунно Филхо, О. Оценка различных наборов данных об осадках и

    их воздействия на водный баланс бассейна реки Негро. J. Hydrol. 2011, 404, 304–322.

    26.

    Ashouri, H .; Hsu, K.L .; Сорошян, С .; Брейтуэйт, Д.К .; Knapp, K.R .; Cecil, L.D .; Nelson, B.R .; Prat, O.P.

    PERSIANN-CDR Ежедневная запись климатических данных по осадкам из многоспутниковых наблюдений для гидрологических

    и климатических исследований.Бык. Являюсь. Meteorol. Soc. 2015,96, 69–83.

    27.

    Sorooshian, S .; Hsu, K .; Braithwaite, D .; Ashouri, H .; Программа NOAA CDR. Запись климатических данных NOAA (CDR)

    оценки осадков по данным дистанционного зондирования с использованием искусственных нейронных сетей (PERSIANN-CDR),

    , версия 1, редакция 1 [1983–2008]; Национальные центры экологической информации NOAA: Эшвилл, Северная Каролина,

    США, 2014 г.

    28.

    Всемирная метеорологическая организация (ВМО).Расчет месячных и годовых 30-летних стандартных норм;

    Всемирная метеорологическая организация: Вашингтон, округ Колумбия, США, 1989.

    29.

    Всемирная метеорологическая организация (ВМО). Путеводитель по климатическим практикам; Технический отчет; Мир

    Метеорологическая организация: Вашингтон, округ Колумбия, США, 2011.

    30. Zhou, J .; Лау, К. Существует ли над Южной Америкой муссонный климат? J. Clim. 1998,11, 1020–1040.

    31.

    Gan, M.A .; Куски, В.E .; Ропелевски, К.Ф. Циркуляция муссонов в Южной Америке и ее связь с количеством осадков

    над Западно-Центральной Бразилией. J. Clim. 2004, 17, 47–66.

    32. Gan, M.A .; Rao, V.B .; Москати, M.C.L. Южноамериканские индексы муссонов. Атмос. Sci. Lett. 2005,6, 219–223.

    33.

    Liebmann, B .; Камарго, С.Дж .; Сет, А .; Marengo, J.A .; Carvalho, L.M.V .; Allured, D .; Мех.; Vera, C.S.

    Начало и конец сезона дождей в Южной Америке в наблюдениях и ECHAM 4.5 Модель общей циркуляции атмосферы

    . J. Clim. 2007,20, 2037–2050.

    34.

    Silva, V.B.S .; Куски, В. Южноамериканская система муссонов: климатология и изменчивость. В современной климатологии

    ; Wang, S.Y.S., Ed .; InTech: Риека, Хорватия, 2012 г .; С. 123–152.

    Сравнительный анализ петель CDR антигенных рецепторов

    Позвольте мне представить нашу недавно принятую статью: Сравнительный анализ петель CDR рецепторов антигенов, которая появится в Frontiers in Immunology [1].В своем сообщении в блоге я дам краткое пятиминутное резюме основных идей этой работы.

    Наша иммунная система распознает чужеродные молекулы, известные как антигены, и удаляет их. Чтобы запустить иммунную систему, иммунные клетки должны отличать себя от чужеродных антигенов. Это распознавание в основном осуществляется В-клетками и Т-клетками.

    В-клеточных и Т-клеточных рецепторов, далее обобщенных как антитела и TCR, кодируются сходными генетическими механизмами. Оба рецептора подвергаются рекомбинации V (D) J для достижения высокой вариабельности их антигенсвязывающих сайтов.Эти гены кодируют тяжелые и легкие цепи в антителах и, соответственно, β и α цепи в αβ TCR. Структурно оба рецептора принимают конфигурацию β-сэндвича. Однако, учитывая, насколько они похожи, антитела могут связываться с почти бесконечным диапазоном антигенов, в то время как TCR могут нацеливаться только на пептидные антигены, представленные основным комплексом гистосовместимости. Затем мы задаемся вопросом, можем ли мы проанализировать сайты привязки и выяснить, почему у них разные цели.

    В этой работе мы сосредотачиваемся только на их определяющих комплементарность областях (CDR), которые формируют большую часть обоих их сайтов связывания.Пять из шести CDR принимают ограниченное количество конформаций скелета, известных как «канонические классы». Остальные CDR (β3 в TCR и h4 в антителах) более разнообразны по структуре.

    Мы начали с обновления текущего определения канонических классов. Затем мы сравнили канонические CDR двух рецепторов. Для CDR соответствующих типов (, т.е. CDRβ1 / h2 и CDRα1 / L1) они имеют тенденцию иметь разную длину. Это несколько затрудняет их структурное сходство, даже если мы используем алгоритм структурной кластеризации, не зависящий от длины [2].Мы доказали это путем кластеризации CDR антител и TCR. Они разделяются на разные структурные кластеры, за исключением двух из них, где мы находим оба типа CDR. Когда мы посмотрели на их паттерны последовательности (см. Пример одного из двух кластеров на рисунке а), TCR явно используют особый паттерн для формирования этих структур. Если мы смешаем оба типа последовательностей вместе, строгий образец последовательности станет менее заметным. Чтобы количественно оценить это различие, мы горячо кодировали последовательности и наблюдали, что они в основном разделяются на отдельные области с помощью анализа главных компонентов (рисунок B).Эти результаты указывают на:

    • CDR от TCR и антител не имеют одинаковой длины последовательности.
    • В таком случае они не похожи друг на друга структурно.
    • И когда они это делают, они не имеют одинаковых шаблонов последовательности.
    Рисунок: Один из двух структурных кластеров, в которых как антитела, так и петли CDR TCR сгруппированы вместе. (a) Паттерны последовательностей составляющих антител (L3) и TCR (α3), а также паттерны совместных последовательностей антител и членов TCR.Различные паттерны последовательностей в отдельных типах нарушаются, когда мы смешиваем два типа CDR вместе. (b) Анализ основных компонентов последовательностей CDR с горячим кодированием, окрашенных двумя типами рецепторов антигена. TCR и антитело используют разные последовательности для кодирования одной и той же структуры.

    Второй набор анализов, который мы сделали, касался якорных областей петель β3 / h4. Предыдущий анализ показал, что в h4, хотя конформации петель сильно варьируют, их основные области в основном изогнуты, а не вытянуты.Мы провели такой же анализ для базовой области β3 и обнаружили интригующую цифру: 97,5% из них используют расширенную базовую область.
    Наконец, и, возможно, ключевое наблюдение, которое мы сделали в этой статье, мы проанализировали все последовательности CDR, которые были решены несколько раз и имеют несколько примеров структур. Всегда были интересные дискуссии о том, являются ли циклы гибкими. Мы обнаружили, что в антителах 8% петель, которые могли принимать множественные конформации, действительно так и поступали.Напротив, почти 20% их аналогов TCR принимают множественные конформации. Но, учитывая отсутствие структурных данных для TCR, этого может быть недостаточно, чтобы оспорить применение моделирования канонической формы в TCR. Нам нужно больше данных!

    Различия между основными компонентами сайта связывания (CDR) в этих антигенных рецепторах могут указывать на их различную роль в иммунной системе. Мы видим возрастающий интерес к использованию компонентов TCR для разработки антител, которые могут нацеливаться на внутриклеточные антигены, и прививки функций антител для повышения специфичности TCR для терапевтического лечения.Наше исследование выявило важные структурные характеристики, которые следует учитывать при принятии этих проектных решений. Более полное понимание структур может улучшить дизайн переплета.

    Артикул:

    1. Wong, W.K., Leem, J. и Deane, C.M., 2019. Сравнительный анализ петель CDR рецепторов антигенов. Границы иммунологии , DOI: 10.3389 / fimmu.2019.02454.
    2. Новак, Дж., Бейкер, Т., Жорж, Г., Кельм, С., Клостерманн, С., Shi, J., Sridharan, S. и Deane, C.M., 2016. Независимые от длины структурные сходства обогащают модель канонического класса CDR антител. MAbs, 8 (4), стр. 751-760.

    Изучение универсальных закономерностей в повседневной работе человека на дому по данным мобильного телефона

    Abstract

    Работа на дому всегда привлекала значительное внимание исследователей из-за его влияния на мобильность человека. Одно из ключевых предположений в этой области исследований — универсальная равномерность времени коммутации.Однако истинное сравнение схем поездок на работу часто затрудняется из-за существенных различий в методах сбора данных, которые делают наблюдения в разных странах потенциально необъективными и ненадежными. В настоящей работе мы подходим к этой проблеме, используя записи сведений о звонках по мобильным телефонам (CDR), которые предлагают последовательный метод исследования моделей мобильности в совершенно разных частях мира. Мы применяем наш анализ к широкому спектру наборов данных как в масштабе страны (Португалия, Кот-д’Ивуар и Саудовская Аравия), так и в масштабе города (Бостон).Кроме того, мы сравниваем эти результаты с результатами, полученными на основе GPS-трассировки транспортных средств в Милане. В то время как разные регионы имеют некоторые уникальные временные характеристики коммутирующих, мы показываем, что распределение времени домашней работы и средние значения в пределах одного региона действительно в значительной степени не зависят от коммутируемого расстояния или страны (Португалия, Кот-д’Ивуар и Бостон), несмотря на значительные пространственные и инфраструктурные особенности. различия. Кроме того, наш сравнительный анализ показывает, что такая независимость от расстояния верна только в том случае, если мы рассматриваем мультимодальное коммутирующее поведение как согласованное с предыдущими исследованиями.В наборах данных только об автомобилях (следы GPS в Милане) и о загруженных автомобилях (Саудовская Аравия) мы видим, что время в пути действительно зависит от расстояния. Наконец, мы выдвинули проверяемую гипотезу и предложили способы будущей работы, чтобы сделать более точные и обобщаемые утверждения о поведении людей при поездках на работу.

    Образец цитирования: Кунг К.С., Греко К., Соболевский С., Ратти С. (2014) Изучение универсальных закономерностей при перемещении человека из дома к работе с использованием данных мобильного телефона. PLoS ONE 9 (6): e96180.https://doi.org/10.1371/journal.pone.0096180

    Редактор: Хосе Дж. Рамаско, Instituto de Fisica Interdisciplinar y Sistemas Complejos IFISC (CSIC-UIB), Испания

    Поступило: 18 ноября, 2013; Одобрена: 3 апреля 2014 г .; Опубликовано: 16 июня 2014 г.

    Авторские права: © 2014 Kung et al. Это статья в открытом доступе, распространяемая в соответствии с условиями лицензии Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии указания автора и источника.

    Финансирование: Audi, Volkswagen, BBVA, The Coca Cola Company, Ericsson, Ferrovial, GE предоставили финансирование для этого исследования. Нет никаких патентов, продуктов в разработке или продаваемых продуктов, которые можно было бы декларировать. Это не влияет на соблюдение авторами всех политик PLOS ONE в отношении обмена данными и материалами. Финансирующие организации не играли никакой роли в дизайне исследования, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

    Конкурирующие интересы: Авторы заявили, что никаких конкурирующих интересов не существует.Мы подтверждаем, что Audi Volkswagen, BBVA, The Coca Cola Company, Ericsson, Ferrovial, GE предоставили финансирование для этого исследования. Нет никаких патентов, продуктов в разработке или продаваемых продуктов, которые можно было бы декларировать. Это не влияет на соблюдение авторами всех политик PLOS ONE в отношении обмена данными и материалами.

    Введение

    С появлением различных инициатив в области больших данных и сопутствующей им аналитики стало все более возможным изучать человеческое поведение в массовом масштабе.Одно из направлений исследований, которое привлекло значительное внимание, — это человеческая мобильность. Исследователи добились прогресса в этой работе, используя различные источники данных, такие как банкноты в обращении [1], записи поездок на такси [2], [50] — [51], данные регистрации Foursquare [3], твиты [52] , и даже устройства GPS [4] — [6].

    Хотя эти различные источники являются многообещающими и приводят ко многим схожим выводам о мобильности человека, они часто ограничены по масштабу (следы GPS и записи такси), ограничены в разрешении данных (банкноты) или ограничены в адаптации (Foursquare).Напротив, в настоящее время записи мобильных телефонов, по-видимому, являются источником, который преодолевает все эти неотъемлемые ограничения: мобильный телефон обычно носит человек в течение дня и, таким образом, точно отслеживает модель мобильности на индивидуальном уровне и достаточно широко распространен с точки зрения адаптации — даже в развивающихся странах — что это позволяет нам адекватно отобрать население страны (в отличие от такси, Foursquare или GPS-трасс). Действительно, в предыдущих исследованиях использовались подробные записи разговоров по мобильным телефонам (CDR), чтобы сделать вывод о различных характеристиках мобильности человека.Например, González et al. [7], используя европейский набор данных, количественно оценил безмасштабный характер мобильности человека в различных масштабах длины. Аналогичным образом Song et al. [8] впоследствии ответил на более фундаментальный вопрос о том, насколько предсказуема мобильность человека по данным CDR. Simini et al. [9], смогли предложить универсальную модель мобильности человека на основе наблюдений в данных переписи и подтвердили модель данными мобильного телефона. Аналогичным образом, Amini et al. сравнил данные CDR из разных стран, чтобы сделать вывод о влиянии социальных / культурных границ на мобильность людей [35], [42]. Несмотря на критику относительно потенциальных смещений выборки CDR [10] — [11], на сегодняшний день CDR остаются одним из наиболее полных и универсальных источников данных, помогающих нам понять крупномасштабную мобильность людей.

    Особый интерес в этой области представляет изучение мобильности людей в контексте нашего повседневного поведения, поскольку выводы из таких занятий часто имеют серьезные и далеко идущие последствия для городского планирования, строительства инфраструктуры и даже эпидемиологии.Первые набеги на эту область с использованием CDR были сделаны Becker et al. [12], который использовал массив данных мобильной сети, чтобы понять дневные и ночные профили активности в Морристауне, штат Нью-Джерси. Совсем недавно Issacman et al. [13] провел сравнительное исследование ежедневных поездок на работу в двух городах США (Нью-Йорк и Лос-Анджелес). Хотя эти исследования заложили основу для некоторых ключевых представлений о поведенческих моделях людей, путешествующих на работу, они были довольно ограниченными по своему охвату.Сосредоточившись на нескольких избранных городах, особенно в США, наблюдаемые сходства и различия, возможно, в большей степени связаны с региональными детерминантами, а не с фундаментальными культурными и / или эволюционными факторами. Если мы действительно хотим понять характеристики моделей передвижения людей, нам также необходимо шире взглянуть на общенациональные наборы данных, которые поступают из разных частей мира. В качестве доказательства концепции мы сосредоточили свое внимание на Португалии (в Европе) и Кот-д’Ивуаре (в Африке к югу от Сахары) для нашего исследования.

    Особо следует отметить, что существует давняя дискуссия об универсальном единообразии времени в пути, чему наш анализ может внести свой вклад. Например, в предыдущих исследованиях схем поездок на работу Левинсон и Кумар [14] отметили, что, хотя скорость и пройденное расстояние могут зависеть от плотности населения, влияние на время в пути на работу кажется неоднозначным. Действительно, согласно Кенуорти и Лаубе [15], а затем и по данным исследования американского сообщества 2010 г. [16], для американских городов разного размера (площади и населения) время в пути на работу кажется удивительно стабильным и составляет примерно 25–35 минут.Это отражено на Рисунке S1, где мы видим, что, несмотря на большие различия в численности населения, среднее время в пути остается стабильным. Недавний отчет OCED в 2011 году [17] перекликается с аналогичными выводами для различных развитых стран. Шванен и Дайст [18], используя голландское национальное исследование путешествий 1998 года, также предположили, что время в пути как доля от общего рабочего времени примерно постоянна и составляет 10%, что для человека, работающего 8 часов, составляет около 30 минут. В других исследованиях эта «ежедневная постоянная времени» по-разному сообщается как 1.1 час [19], 1,2 часа [20] или 1,3 часа [21]. Это, в общем, отражает то, что известно как константа Маркетти, или то, что мы будем называть «гипотезой о постоянном бюджете времени в пути», которая утверждает, что люди со времен неолита тратят примерно один час в день на путешествие, независимо от местоположения и режимов. транспорта и другие соображения, связанные с образом жизни [22]. Хотя мы не можем легко сделать вывод о том, как люди ездили на работу в далекое прошлое, анализ [14] наборов данных из Вашингтона, округ Колумбия, за 1957–1988 гг. Показывает, что время в пути достаточно стабильно, по крайней мере, в течение этих трех десятилетий.Другой лагерь исследователей выступил против этой гипотезы. Гудвин [36], например, рассуждал, что с точки зрения психологии человека постоянный бюджет времени нецелесообразен. Голоб и др. [37] также указал, что временные затраты имеют тенденцию быть негибкими в краткосрочной перспективе (что приводит к очевидному постоянному наблюдению за временем в пути), но более гибкими в долгосрочной перспективе. Это мнение подтверждается van Wee et al. [38], который показал, что из различных голландских наборов данных время в пути, похоже, увеличилось за последнее десятилетие.К аналогичным выводам пришли Левинсон и Ву, изучавшие поездки в городах-побратимах (США) в 1990–2000 гг. [39]. Кроме того, есть исследования, показывающие, что время в пути зависит не только от городов в пределах одной страны [23], но и от времени в пути [24].

    Mokhtarian and Chen [25], объединив результаты различных исследований, составили, пожалуй, наиболее полный обзор гипотезы о постоянном движении во времени. Они утверждали, что расходы на время в пути, по-видимому, зависят от таких факторов, как уровень дохода, пол и виды транспорта.Однако, как признали авторы, все еще существует вероятность того, что время в пути будет постоянным для всего коммутирующего населения города (без разделения пассажиров на группы по видам транспорта, уровню дохода и т. Д.). Исследователи признали, что у их анализа могут быть значительные ограничения, поскольку их выводы были подтверждены на основе метаанализа разнообразных наборов данных, связанных с поездками на работу, и, как результат, очень легко могут быть смешанные факторы, такие как типы опросов / вопросы. [26], блоки анализа [27] — [28], типы поездок включены [29] — [30] — в том, как собираются / анализируются данные, которые могли бы повлиять на наблюдаемые результаты.

    Мы предлагаем использовать данные сигнализации мобильного телефона, чтобы свести к минимуму эти возможные мешающие факторы. Хотя нет никакой гарантии, что люди из всех стран / культур используют одни и те же модели звонков, эти наборы данных мобильных телефонов все же содержат некоторые «общие знаменатели», на основании которых в предыдущих исследованиях были выведены модели мобильности. Поэтому, имея доступ к различным наборам данных мобильных телефонов на уровне страны (Кот-д’Ивуар, Португалия и Саудовская Аравия) и на уровне города (Бостон), а также к набору данных GPS-слежения только для автомобилей (Милан), мы пытаемся поддерживать / опровергнуть гипотезу о постоянном бюджете времени в пути.Исследование этой гипотезы имеет важные последствия на уровне политики, поскольку она определяет, как население ведет себя при строительстве новых видов транспорта, дорог или других инфраструктур [31].

    В этом исследовании мы сосредотачиваемся на особом типе поездок на работу, известном как поездки на работу на дому. Хотя термин «поездка на работу» может быть определен в более широком смысле, чтобы включать в себя любую повторную поездку между двумя или более местами, большинство исследований, упомянутых выше, рассматривают поездки на работу в конкретном контексте между домом и работой.Сначала мы опишем методологию определения местоположения дома / работы и агрегированные схемы поездок на работу по мобильным телефонным звонкам в разных странах / городах по сравнению с GPS-треками только для автомобилей из Милана. Хотя обычно невозможно точно измерить время в пути, используя только звонки по мобильному телефону, время последнего звонка из дома и первого звонка с рабочего места используется (только для пользователей, которые часто звонят) в качестве прокси-сервера, из которого можно измерить утреннее время в пути и, наоборот, вечернее время в пути.Затем мы тестируем методологию, исследуя некоторые интересные модели поездок на работу. Мы завершаем это исследование, проверив конкретную версию гипотезы о постоянном бюджете времени в пути в отношении поведения людей при поездках на работу. Хотя этот косвенный показатель времени в пути, как определено выше, обычно приводит к завышению интервала в пути, мы также описываем подходы, с помощью которых фактическое время в пути можно более точно оценить в будущих исследованиях.

    Материалы и методы

    Мы изучили пять различных наборов данных.Первые четыре набора («Кот-д’Ивуар», «Португалия», «Саудовская Аравия» и «Бостон») представляют собой данные сигналов мобильного телефона, а четвертый набор («Милан») состоит из GPS-следов автомобилей. Более подробную информацию об этих наборах данных можно найти в разделе результатов ниже, а также в таблице 1.

    Пространственная и временная фильтрация

    Для наборов данных на основе мобильных телефонов из-за неоднородности поступления вызовов от каждого пользователя, чтобы создать некоторую временную однородность, необходимую для марковского моделирования, мы использовали временную фильтрацию путем субдискретизации данных с 10-минутными интервалами.В случаях, когда интервал между событиями составляет более 10 минут, мы предполагали, что вызывающий абонент оставался на исходной вышке сотовой связи в течение этого периода времени. Поскольку для вызывающих абонентов в районах с плотно перекрывающимися вышками сотовой связи возникает опасение, что мобильный телефон может случайным образом переключаться между разными вышками сотовой связи, даже если вызывающий абонент фактически не двигался, мы также использовали пространственную фильтрацию, используя тот же метод, что описан в Calabrese et al . [32]. По сути, мы рассматривали все движения в радиусе 1 км от исходной вышки сотовой связи как «шум» и подсчитывали движения, которые выходили только за пределы этого 1-километрового круга.В случае набора данных GPS в Милане, чтобы данные были сопоставимы с данными CDR, мы сначала дискретизировали столичный район Милана на сетку сеток размером 0,5 км на 0,5 км. GPS-трасса человека соответственно дискретизируется в контексте этих сеток и применяется ступенчатый фильтр нижних частот размером 1 км на 1 км. Если какой-либо пользователь проявлял необычное поведение при мобильности (например, двигался с нереалистичной скоростью 120 км / ч или более), то обычно вся трасса отбрасывается.

    Составление индивидуальных туристических портфелей

    Прежде чем мы определили домашнее / рабочее место каждого пользователя, мы сначала составили индивидуальное «туристическое портфолио»: список вышек сотовой связи, которые он посещал, ранжированный по времени, проведенному в каждом месте.А именно, башне, в которой звонящий проводил большую часть своего времени, будет присвоен ранг 1 и так далее. Это позволило нам построить профиль движения каждого пользователя, когда он / она переходил из башни определенного ранга в башню другого ранга или проводил определенное время в башне определенного ранга. В случае набора данных GPS в Милане, получив GPS-трассу каждого пользователя в серии сеток, мы затем определили наиболее часто посещаемые сетки (измеряемые совокупным временем, проведенным в каждой сетке).Затем наиболее часто посещаемые места были ранжированы в сеточном разрешении. Пример GPS-трассы одного пользователя показан на рис. S2 (b) в качестве иллюстрации этого метода.

    Определение местоположения дома / работы

    Чтобы определить местонахождение дома / работы, мы сначала отфильтровали звонки по субботам и воскресеньям, потому что в странах / городах исследования люди, как правило, не ходят на работу в эти дни недели. Поскольку выходные в Саудовской Аравии определяются по-разному, мы отфильтровали всю активность по четвергам и пятницам в наборе данных STC.Затем мы отфильтровали последовательности вызовов, которые слишком редки, чтобы дать значимую оценку. Для этого мы рассматривали только последовательные вызовы с интервалом менее 16 ч и предполагали, что после вызова вызывающий остается в том же месте до момента следующего вызова. На основе этого анализа мы смогли определить общее дневное и ночное время, проведенное в каждом месте, с пороговыми значениями, установленными на 8 и 20 часов соответственно. Если период между вызовами охватил пороговые значения день / ночь (8 a.м. и 20:00), затем разбиваем интервал на пороге и назначаем дневные и ночные интервалы соответственно. Для каждого пользователя мы определили дневные и ночные местоположения, в которых пользователь проводит максимальное время пребывания, при условии, что на такое местоположение приходится более 50% от общего наблюдаемого дневного и ночного времени пребывания в портфеле путешествий пользователя. Если такая пара дневных / ночных мест существовала, то мы распределили эти места соответственно как домашнее (ночное) и рабочее (дневное).Если такие места не существуют для пользователя, мы игнорируем пользователя. Наш метод примерно аналогичен используемому Phithakkitnukoon et al. [33], но мы ввели более строгую фильтрацию, потребовав от каждого пользователя тратить более 50% от общего наблюдаемого дневного / ночного времени пребывания на место, которое будет идентифицировано как рабочее / домашнее. Хотя такая строгая фильтрация гарантирует минимизацию ложных сигналов, она также ограничивает объем нашего исследования, исключая определенные занятия без фиксированного местоположения в фиксированное время дня (например, продавцов, водителей и т. Д.).). Хотя, безусловно, возможно, что у людей с этими профессиями все еще есть четко определенные офисные помещения и дома, их домашнее / рабочее место будет гораздо сложнее определить с помощью нашей методологии, описанной выше. Поскольку эти люди составляют небольшую часть всего населения, путешествующего на работу, мы решили проигнорировать их в нашем исследовании. Вкратце, наш анализ предназначен для стабильно работающих людей с четким местонахождением дома и работы. В целом, благодаря нашему строгому методу фильтрации, примерно от 7% (Португалия) до 11% (Кот-д’Ивуар и Саудовская Аравия) всех пользователей, доступных в наборе данных, будут иметь четко определенные пары домашнего / рабочего местоположения, из которых можно будет продолжить дальнейший анализ.

    В наборе данных GPS в Милане местоположение дома / работы оценивается аналогичным образом, при условии, что человек всегда находится поблизости от своей машины. Это предположение не всегда верно, поскольку человек может припарковать свою машину и одновременно выполнять несколько поручений. Несмотря на потенциальные неточности, которые возникают из-за такого поведения, характер набора данных GPS делает невозможным учет такого поведения, если тот же набор данных не может быть наложен пользователем на пользователя с другими наборами данных, связанных с мобильностью (такими как набор данных CDR Милана, который был недоступен нам).

    Вычисление коммутируемого расстояния

    После определения местоположения дома / работы мы вычислили расстояние до места работы как расстояние по большому кругу между домом и местом работы. В литературе существует множество подходов к оценке коммутируемого расстояния: например, расстояние по прямой (расстояние по дуге большого круга или евклидово расстояние) [44], путь кратчайшего расстояния (SDP) или путь кратчайшего времени (STP). ) [45]. Поскольку наборы данных CDR не могут точно воспроизвести маршруты поездок, если они не связаны со следами GPS или дополнительной анкетной информацией, мы решили рассчитать расстояние по прямой.Из двух подходов (большой круг в сравнении с евклидовыми расстояниями) первый кажется более точным, особенно в тех случаях, когда коммутируемое расстояние велико. Мы поняли, что расстояние по большому кругу — не самая точная мера фактического расстояния до работы. В зависимости от режима проезда (например, автобус, поезд, автомобиль и т. Д.) Поправочный коэффициент между фактическим расстоянием до работы и расстоянием по большому кругу может различаться. В общем, для коммутируемых расстояний более 5 км этот поправочный коэффициент вполне соответствует примерно 1.3–1,4 для разных видов транспорта [46]. Однако ниже 5 км этот коэффициент может резко возрасти (для автомобилей) или уменьшиться (для общественного транспорта). Поскольку наборы данных CDR, вероятно, включают смешанные режимы поездок, мы можем в лучшем случае сказать, что недооценка для средних / длинных поездок (~ 5 км или более) будет согласованной, что наложит систематический поправочный коэффициент на нашу поездку по большому кругу. расстояние. Для более коротких поездок (т. Е. <2,5 км) эта ошибка может стать значительной и зависеть от вида транспорта, и это может ограничить нашу способность проводить точные измерения расстояния до работы на небольших расстояниях.Однако из-за отсутствия данных о других деталях передвижения людей, здесь мы просто берем расстояние по большому кругу в качестве прокси для расстояния до места работы, которое всегда будет больше, чем расстояние по большому кругу.

    В качестве подтверждения нашего метода, когда мы рассчитали расстояния до работы в Португалии, наши результаты качественно согласуются с результатами, найденными в Phithakkitnukoon et al. [33] из другого набора данных Португалии, даже после того, как мы применили более строгие фильтры, как описано выше.В качестве дополнительной проверки правильности определения расстояния от дома до работы мы также проверили корреляцию между дистанцией передвижения человека и его / ее радиусом вращения (рассчитанным с использованием метода, описанного в González et al. [7], и мы обнаружили статистически значимые корреляции между этими двумя величинами. Поскольку большинство наборов данных охватывают относительно короткий период времени, мы не учли возможность того, что пользователь телефона переместил свой дом или место работы в течение этого периода, и предположили, что такие события редки.

    Определение времени в пути утром / вечером

    Чтобы оценить время в пути, мы применяем следующий алгоритм. Для утренних поездок на работу для каждого пользователя мы определяем отметки времени последнего звонка из «домашнего» местоположения и первого звонка из «рабочего» местоположения до полудня. Разница между этими двумя отметками времени дает нам верхнюю оценку утреннего времени в пути. Аналогичным образом, для вечерних поездок на работу для каждого пользователя мы определяем временные метки самого раннего звонка из «домашнего» местоположения и последнего звонка из «рабочего» местоположения после полудня.Опять же, разница дает нам верхнюю оценку времени вечерней поездки на работу. Чтобы гарантировать, что рассчитанное нами время в пути не отражает тривиально частоту звонков, мы дополнительно отфильтровали набор данных, чтобы в окончательный подсчет были включены только те, кто звонил достаточно часто (в среднем примерно один звонок в час). Эти строгие требования отфильтровали более 95% используемого набора данных, хотя даже в этом случае мы все же смогли найти около 20000 (Кот-д’Ивуар), 50000 (Португалия), до 260000 (Саудовская Аравия) пользователей с идентифицируемым временем поездок на работу утром / вечером. .Кроме того, мы также допускаем, что в этом случае наше рассчитанное время в пути все еще может быть искажено из-за того, что люди не могут сразу звонить прямо перед отъездом или прибытием домой / на работу, а те, кто звонит нечасто, могут иметь несколько больше расчетное время в пути. Однако, учитывая, что в предыдущей литературе (см. Вводный раздел выше), время в пути обычно составляет от 30 до 60 минут, и учитывая, что мы рассматриваем только пользователей, частота звонков которых в среднем равна этой продолжительности, тогда если мы действительно наблюдаем перемещения между домом / местом работы в один и тот же период времени, мы не ожидаем, что последний фактор (время между звонками) будет преобладать в нашей оценке.

    Несмотря на эти меры фильтрации и исправления, все еще существуют некоторые потенциальные ограничения в отношении наборов данных, которые могут отрицательно повлиять на точность наших результатов и их интерпретацию. К ним относятся различия в поведении пользователей мобильных телефонов, особенно в разных странах / культурах. Например, люди, которые звонят в разное время дня с разной частотой, могут повлиять на наши оценки времени в пути в разные места.Существуют более сложные механизмы коррекции, которые мы можем использовать для дальнейшей проверки этих мешающих факторов. Однако, учитывая ограниченный размер набора данных (например, для Кот-д’Ивуара, всего около 500 000 пользователей, каждый из которых отслеживается всего за 2 недели), такие более сложные методологии выходят за рамки нашего исследования. Однако в разделе «Обсуждение» мы более подробно рассматриваем потенциальное влияние, которое эти ограничения могут оказать на точность нашего исследования поведения людей при поездках на работу.

    Результаты

    Разработав общий способ синтаксического анализа информации о доме / работе и поездках, который можно в равной степени применить к различным наборам данных, мы можем затем спросить, какие идеи эта методология может открыть нам в отношении мобильности людей и поездок на работу. В этом разделе мы обсудим несколько тем / идей о наборах данных, которые вытекают из нашей методологии, и в заключение сосредоточимся на проверке гипотезы постоянного бюджета времени в пути в контексте поездок на работу.

    Описание данных

    Первый набор данных («Кот-д’Ивуар»), предоставленный Orange Telecom, охватывает 150 дней с 1 декабря 2011 г. по 28 апреля 2012 г. и состоит из последовательных вызовов 50 000 рандомизированных абонентов и предоставляется как часть данных для развития (D4D) Challenge.Каждая запись в этом наборе данных имеет следующие выходные данные: метку времени, обезличенный идентификатор пользователя и антенну подключения (одна из примерно 1200 антенн в Кот-д’Ивуаре). Этот набор данных разбит на 10 подмножеств, каждый из которых отслеживает 50 000 различных подписчиков в течение двухнедельного периода. 10 подмножеств последовательно упорядочены по периоду времени, так что вместе они охватывают весь период исследования, хотя 50 000 подписчиков в каждом наборе данных повторно рандомизируются для обеспечения анонимности.Второй набор данных («Португалия»), также предоставленный Orange Telecom, охватывает 2 года с 1 января 2006 г. по 31 декабря 2007 г. и по своим результатам аналогичен набору данных Кот-д’Ивуара в контексте Португалии. Размер этого набора составляет 400 миллионов CDR от 2 миллионов пользователей и имеет около 6500 антенн. Третий набор данных («Саудовская Аравия»), предоставленный Saudi Telecom Company (STC), охватывает всю страну Саудовская Аравия, с приблизительно 100 миллионами ежедневных сетевых подключений к более чем 10 000 уникальных вышек сотовой связи.Общий набор данных включает примерно 14 миллионов устройств. Каждая отдельная запись содержит местоположение вызывающего абонента, точное время и продолжительность, тип соединения и тип услуги (подписка, предоплата и т. Д.). Четвертый набор данных («Бостон»), предоставленный AirSage, состоит из данных сигнализации мобильных устройств в районе Большого Бостона с 2 миллионов мобильных устройств в течение 4 месяцев с июля по октябрь 2009 г., содержащих около 900 миллионов записей в месяц. Наконец, пятый набор данных («Милан»), предоставленный Octo Telematics, состоит из GPS-следов автомобилей (около 99 000 автомобилей и 18 миллионов позиций) в столичном районе Милана за период в одну неделю.Примеры GPS-трасс и графиков плотности показаны на рис. S2. Сводка этих наборов данных приведена в таблице 1. Все представленные данные были анонимны до получения и соответствуют всем местным законам о защите данных.

    Разрешение местоположения

    Есть некоторые опасения по поводу того, обеспечивает ли распределение вышек сотовой связи в наших наборах данных достаточное пространственное разрешение для исследования поведения людей при поездках на работу, особенно для общенациональных наборов данных, таких как Кот-д’Ивуар, Португалия и Саудовская Аравия.Рисунок 1 в предыдущем исследовании Amini et al. [42] попытался подробно охарактеризовать это пространственное распределение. На рисунке S2 (c) в этом документе показана плотность вышек сотовой связи для Саудовской Аравии. Примечательно, что расстояние между вышками сотовой связи не одинаково во всех странах; скорее, как и ожидалось, они наиболее сконцентрированы в городских районах, часто с расстоянием между башнями менее 1 км. В сельских районах с очень низкой плотностью населения расстояние между вышками сотовой связи может составлять более 100 км.Эта пространственная неоднородность может вызывать опасения относительно пространственной точности характеристик нашего дома / работы, особенно в сельской местности с большим расстоянием между башнями. Хотя в наборах данных CDR, в отличие, например, от GPS-трасс, пространственное разрешение обычно выходит за рамки нашего контроля, мы утверждаем, что поездки на работу наиболее интересны и актуальны в городских и пригородных районах, где вышки сотовой связи в Португалии и Кот-д’Ивуаре довольно однородны и плотно упакован. Для сельских жителей (например, в / из небольших провинциальных городов) редкое расстояние в сельской местности может вызвать неточности в двух расчетах: от одной вышки сотовой связи к другой с большим расстоянием между вышками; и (2) он может сильно недооценивать расстояния до работы людей, которые не пересекают вышки сотовой связи (чьи дом / работа будут идентичными).Если бы можно было предположить, что все ездят на работу, то на уровне совокупной совокупности эту ошибку можно было бы усреднить, давая оценку, которая приближается к истинному среднему значению для совокупности. Однако без этого предположения стало труднее точно оценить количество поездок в сельской местности без помощи дополнительных наборов данных, таких как GPS-данные на смартфонах. Учитывая ограниченные наборы данных, доступные в нашем распоряжении, мы не проводили подробную количественную оценку этого эффекта, за исключением того, что отметили, что люди, которые совершают поездки в сельские районы, составляют меньшинство (в обеих странах менее 5%) от общего числа пассажиров по стране.В нашем исследовании мы отфильтровали пользователей, которые проводят значительное время в вышке сотовой связи, которая находится на расстоянии более 50 км от соседних, хотя в будущем более крупном исследовании с дополнительными наборами данных (например, GPS-трассировками смартфонов) будут более сложные меры, которые могут быть приняты для обеспечения точности этой группы пассажиров пригородного меньшинства.

    Рисунок 1. Диапазон подвижности днем ​​и ночью.

    Это количественно выражается средним дневным временем пребывания, которое средний человек в Кот-д’Ивуаре (правый график) и Португалии (левый график) проводит в каждом из его / ее ранжированных мест в наборе непересекающихся часто посещаемых мест, нанесенных на график. логарифмическая шкала в дневное время (сплошные красные линии с крестиками) и в ночное время (пунктирные синие линии с открытыми кружками).В то время как дневные кривые примерно соответствуют закону Ципфа, ночные кривые демонстрируют отчетливое сигмоидальное поведение.

    https://doi.org/10.1371/journal.pone.0096180.g001

    С другой стороны, хотя, как обсуждалось выше, координаты GPS обычно более точны в пространстве для количественной оценки мобильности человека по сравнению с местоположением вышек сотовой связи, но все же Возможно, что в некоторых местах (например, в туннелях или под зданиями) способность обнаруживать сигналы GPS может быть нарушена. В таком случае такие местоположения могут быть недостаточно представлены в наших данных.Однако мы утверждаем, что такие обстоятельства в ежедневных поездках на работу обычно редки. Как показано на рис. S2 (a), для сообщаемых GPS-координат, агрегированных за один день в Милане, мы обычно можем видеть четкое разграничение дорог, что и следовало ожидать.

    Люди демонстрируют ограниченный диапазон перемещения в ночное время

    В процессе вычисления местоположения дома / работы человека нам в первую очередь необходимо определить его набор часто посещаемых местоположений. Поэтому, прежде чем анализировать поездки на работу домой или на работу, мы сначала сделаем интересное наблюдение о влиянии дня и ночи на дальность путешествий людей.Здесь «диапазон» определяется конкретно как размер набора неперекрывающихся местоположений, посещаемых человеком с ненулевой частотой в течение наблюдаемого периода. Используя анализ, описанный в разделе о методах, мы количественно оценили, сколько времени (что отражено марковской вероятностью самоперехода) люди проводят в каждой часто посещаемой вышке сотовой связи, и перегруппировали вышки сотовой связи по их порядковому номеру (соответствующему общему времени пребывания). . На рисунке 1 ниже показано среднее время пребывания в местах разного ранга в туристическом портфеле среднего человека в Португалии (слева, красный) и Кот-д’Ивуар (справа, синий), с разбивкой по дневной деятельности (сплошные линии с закрытыми точками) и ночным занятиям ( пунктирные линии с открытыми кружками) и построены в логарифмическом масштабе.Во-первых, по дневным занятиям мы замечаем, что распределение времени пребывания примерно соответствует закону Ципфа со сравнимыми степенными коэффициентами. Это согласуется с предыдущими наблюдениями, такими как González et al. [7]. Однако, что примечательно, в ночное время распределение времени пребывания показывает отчетливое изменение в обеих странах: вместо того, чтобы следовать закону Ципфа, распределения принимают сигмоидальную форму с резким спадом примерно на уровне 10 (как показано на графиках ниже, где две кривые пересекаются).Это говорит о том, что в то время как в течение дня люди активны в самых разных местах (представленных различными вышками сотовой связи), в ночное время люди, как правило, ограничивают свои места назначения, посещая в основном основные из них. Такое поведение характерно как для Португалии, так и для Кот-д’Ивуара. Другие наборы данных показывают аналогичные результаты.

    В разных местах отображаются разные профили расстояния до работы

    Затем мы сосредоточились на отдельных домах и рабочих местах, а также на агрегированном поведении при поездках на работу в Кот-д’Ивуар и Португалию.Мы охарактеризовали местоположение дома / работы для разных пользователей на основе описанной выше техники. Затем мы оценили расстояние передвижения каждого человека как расстояние между вышками сотовой связи дома и на работе и построили функцию плотности вероятности ниже на рисунке 2, на вставке показано поведение хвостовой части на больших расстояниях, нанесенное в логарифмическом масштабе для разные наборы данных в разных цветах.

    Рисунок 2. Распределение расстояний до работы на дому, агрегированное по странам / городам.

    Распределения нанесены для Кот-д’Ивуара (синяя сплошная линия с закрытыми точками), Португалии (красная пунктирная линия с крестиками), Саудовской Аравии (зеленая сплошная линия с открытыми кружками), Бостона (черная сплошная линия с открытыми ромбами) и Милана. (голубая пунктирная линия с открытыми треугольниками). На врезке показан тот же график, воспроизведенный в логарифмической шкале, чтобы показать поведение распределений с длинным хвостом. Те же графики, что и кумулятивные функции плотности, показаны на Рисунке S4 для сравнения.

    https: // doi.org / 10.1371 / journal.pone.0096180.g002

    Чтобы лучше понять рисунок 2, мы сначала сосредоточим наше внимание на Кот-д’Ивуаре, Португалии и Бостоне, а затем вернемся к особому случаю Милана. Как видно на Рисунке 2, распределение коммутирующих расстояний значительно отличается для коммутирующих расстояний менее 10 км: в Кот-д’Ивуаре гораздо больше людей, которые живут очень близко к месту работы, по сравнению с Португалией или Бостоном. И все же для более длинных коммутируемых расстояний (более 10 км) все наборы данных демонстрируют сходное поведение по закону Ципфа, за исключением набора данных Бостона.Однако, когда мы выполнили двусторонний K-тест Колмогорова-Смирмова для нулевой гипотезы о том, что коммутирующие расстояния между любой парой наборов данных взяты из одного и того же распределения, нулевая гипотеза была отклонена на очень значительном уровне (P <10 −11 ), демонстрируя, что распределения в целом весьма различны по своей природе. Это также качественно видно на рисунке S4, который показывает существенно разные кумулятивные функции распределения для разных наборов данных. В качестве приблизительной количественной оценки мы подсчитали средние расстояния между двумя странами и пришли к выводу, что Кот-д’Ивуар составляет 20.2 км, а Португалия — 25,4 км.

    Это небольшое различие, вкупе с более ранним наблюдением, что гораздо большая часть ивуарийцев живет недалеко от своих рабочих мест, наводит на мысль о существовании двух разных популяций, перемещающихся на работу. Первая группа, которую мы будем называть «люди, которые долго придумывают», — это люди, которые могут позволить себе жить вдали от места работы (> 10 км). В Кот-д’Ивуаре из-за ограниченной инфраструктуры общественного транспорта члены такой группы, вероятно, имеют собственные транспортные средства (например,грамм. автомобиль). Поведение длительных пассажиров очень похоже в Кот-д’Ивуаре и Португалии. С другой стороны, вторая группа, которую мы будем называть «пассажиры на короткие расстояния», — это люди, живущие ближе к своим местам работы (<10 км). Из-за сложностей, связанных с владением собственными автомобилями в городской среде (например, парковка, пробки), мы предполагаем, что эта группа с большей вероятностью, чем «дальние пассажиры», будут полагаться на общественный транспорт или просто передвигаться пешком. В то время как в Португалии и Бостоне общественный транспорт довольно хорошо развит и широко распространен в этих регионах, что позволяет людям жить дальше от города и при этом иметь возможность своевременно добираться на работу.Хотя это объяснение является умозрительным без дополнительных подтверждающих данных, оно, тем не менее, согласуется с наблюдениями выше на Рисунке 2.

    В случае Саудовской Аравии мы видим, что распределение коммутирующих расстояний снова значительно отличается от Португалии и Бостона примерно на 4 км. Как и в Кот-д’Ивуаре, гораздо больше людей живут ближе к своим местам работы.

    Наконец, Милан представляет собой другой случай, в котором набор данных представляет собой GPS-следы от автомобилей, а не данные телефонных сигналов, и поэтому представляет собой только подвыборку всех пассажиров — водителей.Здесь, хотя начальное распределение качественно похоже, длинный хвост обрывается с другим наклоном, как показано на вставке. Вероятно, это результат частичного выбора модели мобильности, в которой люди передвигаются на автомобилях. Мы видим, что в режиме дальних поездок, превышающих 30 км в пути, такие расстояния встречаются реже, чем другие совокупные наборы данных о мобильности. Это может просто отражать тот факт, что становится менее экономичным (с точки зрения времени, топлива и рабочей силы) управлять автомобилем в дальних поездках, отдавая предпочтение другим видам транспорта (например, пригородным поездам), которые могут быть доступны. в местном контексте.

    Португалия и Кот-д’Ивуар демонстрируют четкие временные характеристики поездок на работу

    Помимо большого количества поездок на работу, мы также заинтересованы в дальнейшем изучении любого поведения, зависящего от расстояния, такого как время и интервал между поездками в обеих странах. Используя метод, описанный в разделе «Материалы и методы» выше, мы сначала вычислили время поездки утром / вечером для двух «стандартных» стран в наших наборах данных, а именно Португалии и Кот-д’Ивуара. Поскольку данные CDR не могут точно сказать нам, когда именно человек совершает поездку, мы использовали последний утренний звонок с домашней вышки сотовой связи в качестве прокси для определения времени утренней поездки.Точно так же мы использовали первый звонок с домашней вышки сотовой связи в вечернее время в качестве прокси для определения времени вечерней поездки на работу. Затем мы разбили на группы людей по их расстояниям до работы (<2,5 км, 2,5–5 км, 5–10 км, 10–20 км и 20–50 км) и построили график распределения времени утренних / вечерних поездок на работу. 3 ниже.

    Рисунок 3. Распределение времени в пути.

    Время утренних (a, c) и вечерних поездок (b, d) в Кот-д’Ивуар (a, b) и Португалию (c, d) для людей, разбитых по их расстоянию до работы: <2.5 км (синяя сплошная линия), 2,5–5 км (красная пунктирная линия), 5–10 км (зеленая штрихпунктирная линия), 10–20 км (черная сплошная линия) и> 20 км (голубая пунктирная линия). Время в пути утром и вечером оценивается соответственно по времени последнего звонка из дома утром и по времени первого звонка из дома вечером. На рис. S3 показан пример подгонки такого распределения к распределению Гаусса.

    https://doi.org/10.1371/journal.pone.0096180.g003

    Как видно на обоих графиках, мы можем зафиксировать пиковые значения поездок на работу утром (около 8–10 утра) и вечером (около 20 часов) в обеих странах. Приведенные выше пиковые модели согласуются с характеристиками, наблюдаемыми в модели пробок на дорогах, предложенной Викри [34]. Мы отметили, что эти распределения могут быть разумно подогнаны под гауссовские распределения, если мы сделаем предположение, что для населения, находящегося на заданном расстоянии от его / ее места работы, время, которое каждый человек совершает на работу, может быть аппроксимировано случайной величиной. с нормальным распределением.На рис. S3 (a) этот подход гауссовой аппроксимации показан более подробно, а на рис. S3 (b) качество гауссовой аппроксимации выражено количественно в виде графика Q-Q. Как мы видим, для типичного коммутируемого домена (например, с 5 до 10 утра) гауссово распределение является разумным подходом. За пределами этой области обычно наблюдаются незначительные отклонения: распределения, полученные из CDR, показывают «более короткий хвост» по сравнению с теоретическим распределением Гаусса (которое простирается до бесконечности). Это имеет интуитивный смысл, потому что, как правило, люди добираются до работы в ограниченное время (например, очень редко можно встретить людей, добирающихся из дома на работу в 10 часов вечера.м. ночью, вечером). Кроме того, наше определение местоположения дома / работы по наиболее посещаемым ночным / дневным местам также исключает возможность добираться до работы в произвольное время дня за пределами определенного разумного утреннего / вечернего окна.

    Чтобы лучше количественно оценить внутренние различия во времени коммутации в разных регионах, мы измерили пиковое время коммутации в каждом из приведенных выше распределений как функцию расстояния коммутации. Чтобы рассчитать максимальное время в пути, мы использовали два разных метода.В первом методе мы приравняли пиковое время коммутации для каждого распределения со средним временем для всего распределения. Этот метод позволит свести к минимуму влияние экстремальных выбросов (таких как низкий уровень активности ранним утром). Во втором методе мы сначала подогнали каждое распределение к гауссовскому распределению, а затем приравняли пиковое время коммутации к среднему значению подобранного гауссова. Для каждого метода мы наносим на график ниже на рисунке 4 результаты для утренних поездок (левый столбец) и вечерних поездок (правый столбец), вычисляя пиковые значения с использованием метода среднего времени (первая строка) и подобранного гауссовского метода (вторая строка).

    Рис. 4. Пиковое время в пути в зависимости от расстояния.

    Пиковое время утром (a, c) и вечером (b, d) в зависимости от расстояния до Кот-д’Ивуара (синяя сплошная линия с открытыми кружками) и Португалии (красная пунктирная линия с закрытыми точками). Есть два метода расчета этого пикового времени: среднее время (a, b) и подогнанное среднее время по Гауссу (c, d). Обратите внимание на более сильное поведение, зависящее от расстояния, по утрам. Время в пути утром и вечером оценивается соответственно по времени последнего звонка из дома утром и по времени первого звонка из дома вечером.На рис. S3 показана процедура, с помощью которой гауссовские распределения подгоняются к распределениям, приведенным на рис. 3, для получения пиковых значений времени коммутации. Статистические данные из тестов на ранговую корреляцию Спирмена для этих взаимосвязей приведены в Таблице 2.

    https://doi.org/10.1371/journal.pone.0096180.g004

    Как видно на Рисунке 4 выше, сначала отметим, что независимо от метода расчета существующие тенденции вполне воспроизводимы. В частности, существует довольно значительная зависимость того, когда люди выходят из дома утром, как функция расстояния до работы в обеих странах.Как и ожидалось, чем дальше люди живут от своих рабочих мест, тем раньше они решают уйти из дома утром. Если бы гипотеза постоянного времени в пути была верной, это также означало бы, что люди, которые живут дальше от своих рабочих мест, также прибудут на работу раньше. Затем мы попытались количественно оценить значимость корреляции с помощью теста ранговой корреляции Спирмена, который был выбран, потому что ось x является качественной (показывает диапазон коммутируемых расстояний), а ось y является количественной.Как показано в статистических данных теста в Таблице 2, тесты корреляции для утренних поездок на работу (на основе любого метода расчета) в зависимости от расстояний до работы показывают значительную отрицательную корреляцию как для Кот-д’Ивуара ( ρ = -0,92), так и для Португалии ( ρ = −0,93) на уровне значимости 2%.

    Одно предостережение при проведении здесь тестов статистической корреляции заключается в том, что с учетом ограниченного количества точек выборки (5–6 точек данных на график) результаты таких тестов, как правило, бесполезны.Поэтому мы не стремимся делать убедительные выводы из каких-либо возможных корреляций (или их отсутствия), указанных выше в отношении времени в пути, а скорее описываем эти отношения феноменологически с учетом ограниченных наборов данных. В будущем, если доступность более крупных наборов данных за более длительные периоды может дать более точное определение времени коммутации в зависимости от расстояния, то описанный здесь подход может быть применен с большей эффективностью и статистической значимостью для оценки любых наблюдаемых статистических корреляций.

    С другой стороны, вечером ситуация гораздо менее ясна. В Португалии существует слабая взаимосвязь между тем, насколько поздно человек приходит домой, в зависимости от того, как далеко он / она живет от работы. Напротив, в Кот-д’Ивуаре статистические тесты не могут показать значимую взаимосвязь на уровне значимости 5%. Хотя, как объяснялось выше, из-за небольшого размера выборки мы не можем сделать окончательных выводов, если мы предположим, что это отсутствие существенной взаимосвязи действительно верно для Кот-д’Ивуара, то можно предположить, что независимо от расстояния до работы ивуарцы, как правило, приезжают домой. равномерно от 8–8∶30 р.м. вечером. Если это правда, то одно из возможных объяснений этой разницы в поведении в поездках между двумя странами — это различия в условиях поездок. Можно утверждать, что в Кот-д’Ивуаре возможности поездок на работу гораздо более ограничены, потому что (1) ограниченная доступность общественного транспорта и (2) опасные условия ночного вождения. Поэтому после наступления темноты люди вынуждены возвращаться домой к определенному времени, независимо от того, как далеко они живут от работы. Напротив, в Португалии доступность общественного транспорта и адекватное дорожное освещение и условия безопасности означают, что люди могут чувствовать себя более комфортно, оставаясь позже.Этим можно объяснить отсутствие четкой зависимости от времени прибытия в дом как функции расстояния до дома в Кот-д’Ивуаре: независимо от того, как далеко / близко живет человек, существует давление, чтобы добраться домой к определенному времени. Без поддержки дополнительных данных о транспортировке, особенно из Кот-д’Ивуара (по сравнению с Португалией), мы признаем, что приведенные выше объяснения остаются в основном спекулятивными. Однако в будущих исследованиях будет интересно объединить наборы данных CDR с другими данными об общественном транспорте и дорожных условиях, чтобы лучше понять и количественно оценить основной механизм, который определяет наблюдаемые различия в поведении при поездках на работу.

    Время в пути не меняется с расстоянием в пути

    Изучив временные характеристики поездок на работу в Кот-д’Ивуар и Португалию, мы затем приступили к анализу временного интервала поездок: времени, которое требуется человеку, чтобы добраться из дома на работу утром и наоборот вечером. Еще раз, из-за проблем с определением точного времени отправления / прибытия из дома / с работы из CDR, мы использовали прокси, как описано выше в разделе «Материалы и методы».Затем мы снова объединили пользователей по коммутируемым расстояниям в каждом наборе данных / регионе. Мы также добавили набор данных Саудовской Аравии для сравнения по всей стране, Бостон для сравнения на уровне города и Милан для сравнения с использованием другого типа набора данных (трассировки GPS).

    На рис. 5 показано среднее время коммутации пользователей, разбитых на группы за счет увеличения расстояний. Сначала мы сосредоточимся на наборах данных мобильных телефонов (Кот-д’Ивуар, Португалия, Саудовская Аравия и Бостон), а позже обсудим Милан. Сначала мы замечаем, что характерное время в пути может варьироваться от места к месту и от утра до вечера для наборов данных на основе записей звонков в Кот-д’Ивуаре, Португалии, Саудовской Аравии и Бостоне, что, кажется, поддерживает точку зрения о том, что универсальный « «Постоянная Маркетти» на самом деле не существует.Тем не менее — за исключением, возможно, длительных пассажиров в Саудовской Аравии — мы видим, что среднее время в пути, что примечательно, существенно не меняется в зависимости от расстояния до работы, так как большинство колебаний находится в пределах шкалы погрешностей (с важными оговорками относительно коротких поездок до будет описано позже). Похоже, это указывает на зависящую от местоположения инвариантность времени в пути, хотя в более универсальном масштабе (в разных странах) инвариантное время в пути может не существовать. Основная аномалия на рисунке 5, по-видимому, связана с набором данных Милана на основе GPS (только для автомобилей), который показывает монотонное увеличение среднего времени в пути в зависимости от расстояния до него.Это, кажется, имеет интуитивный смысл и согласуется с ранее сделанными наблюдениями Мохтаряна и Чена [25]. По сути, если мы исследуем только автомобили (как в случае с автомобильными GPS-сигналами Милана), естественно, мы ожидаем, что чем дальше люди будут добираться на работу, тем дольше будет время в пути. Напротив, наборы данных CDR не зависят от метода передвижения: и в этом смысле различные типы коммутируемого поведения агрегированы. А именно, если человек живет недалеко от места работы, он может выбрать прогулку или велосипед, а не водить машину.Если человек живет недалеко от станции пригородных поездов, он / она может позволить себе жить подальше от рабочего места, не страдая от последствий длительных ежедневных поездок на машине. Фактически, это одна из формулировок гипотезы постоянного времени в пути: в зависимости от доступных средств передвижения люди склонны вести образ жизни, при котором время, которое они проводят в поездке (т. Е. В пути), приблизительно постоянно. Хотя это объяснение все еще остается гипотезой, оно дополнительно подтверждается данными из Саудовской Аравии.Важно отметить, что Саудовская Аравия, страна, известная плохой инфраструктурой общественного транспорта, поощряет использование личных транспортных средств за счет сильно субсидированных цен на бензин [47]. В Эр-Рияде, крупнейшем и, пожалуй, наиболее развитом городе страны, только 2% ежедневных поездок полагаются на общественный транспорт [48], и эта цифра резко уступает 28% пассажиропотока Лиссабона [49]. Можно утверждать, что из-за сравнительно высокой зависимости страны от автомобильного транспорта набор данных демонстрирует поведение, немного напоминающее Милан (только для автомобилей), где среднее время в пути, по-видимому, имеет некоторую положительную зависимость от расстояния до работы, даже если в этом случае , анализируются записи CDR, а не GPS-трассы.Желая лучше охарактеризовать эти наблюдения, мы приступили к построению графика распределения времени в пути, связанного с каждым интервалом расстояний на рисунке 6.

    Рис. 5. Среднее время в пути в зависимости от расстояния.

    Средние значения для утра (a) и вечера (b) для Кот-д’Ивуара (синяя сплошная линия с закрытыми точками), Португалии (красная пунктирная линия с крестиками), Саудовской Аравии (сплошная зеленая линия с открытыми кружками), Бостона ( черная сплошная линия с открытыми ромбами) и Милан (голубая пунктирная линия с открытыми треугольниками).В то время как Кот-д’Ивуар, Португалия и Бостон состоят из наборов данных мобильных телефонов, охватывающих совокупные схемы поездок, данные Милана представляют собой GPS-треки, которые дают сравнительное представление о схемах поездок только на автомобиле.

    https://doi.org/10.1371/journal.pone.0096180.g005

    Рис. 6. Функции плотности вероятности времени в пути.

    В первом столбце рисунков показаны функции плотности вероятности утренних поездок на работу на основе данных сигнализации мобильных телефонов в Кот-д’Ивуаре (a – b), Португалии (c – d), Саудовской Аравии (e – f), Бостоне (g –H) и Милан (i – j) для людей, разделенных по расстоянию до работы: <5 км (синяя сплошная линия), 5–10 км (красная пунктирная линия), 10–20 км (зеленая пунктирная линия) , 20–40 км (черная сплошная линия) и 40–80 км (пурпурная пунктирная линия).На вставках показана кумулятивная функция распределения тех же величин. Во втором столбце рисунков показаны функции плотности вероятности времени вечерних поездок на работу в соответствующие регионы.

    https://doi.org/10.1371/journal.pone.0096180.g006

    На рисунке 6 показаны графики результатов в трех наборах данных на основе записей звонков для утреннего времени в пути на работу для субпопуляций в каждой стране с разными поездками на работу. расстояния. Первая ключевая особенность, которую следует отметить, заключается в том, что разные страны / регионы демонстрируют разные формы распределения.Например, в Кот-д’Ивуаре (а) и Португалии (б) есть особое распределение времени в пути, пик которого составляет около 30 минут. С другой стороны, Boston (c) имеет еще одну характерную форму, которая резко обрывается. Такие различия в формах распределения означают, что основные характеристики времени в пути могут отличаться от места к месту. Это подтверждает наше предыдущее наблюдение на Рисунке 5 о том, что разные места имеют разное среднее (характерное) время в пути.

    Вторая ключевая особенность, которую следует отметить, заключается в том, что, помимо незначительных различий, распределения во всем остальном демонстрируют замечательное сходство, которое не зависит от расстояний между поездками, особенно для Португалии, Кот-д’Ивуара и Бостона.Это означает, что существует некий общий независимый от расстояния закон, который управляет распределением коммуникативного поведения в различных локальных контекстах (страны / города), несмотря на то, что такой закон, кажется, варьируется от местности к местности (что наблюдается в различных характерных формах распределения. в разных регионах). С точки зрения непрофессионала, человек в Бостоне и человек в Кот-д’Ивуаре могут иметь разные представления о «приемлемом времени в пути». Однако в пределах одного региона разные люди — несмотря на различия в уровне доходов, доступных способах передвижения и т. Д.адаптируют свой образ жизни таким образом, чтобы каждый день время, которое они проводят в поездках, находилось в пределах «допустимого времени в пути» в их конкретном регионе / контексте. Другими словами, даже несмотря на то, что универсальная константа Маркетти, похоже, не существует в разных местах, на уровне каждой локальной страны / города, такая константа вполне может существовать в пределах ограниченной юрисдикции.

    Наконец, мы также предприняли попытку сравнить данные на основе записей звонков (которые должны охватывать мобильность в целом) с данными на основе автомобильного GPS (которые должны отбирать только мобильность, специфичную для автомобильного транспорта), построив то же утро / Распределение времени в вечерних поездках для набора данных Милана (d, i).В этом случае, что интересно, более ранняя независимость коммутирующего расстояния больше не выполняется, поскольку субпопуляции, имеющие разные коммутирующие расстояния, также имеют разные формы распределения времени коммутации. Как согласуется с наблюдениями, сделанными на рисунке 5, это имеет смысл, потому что, если мы решим сосредоточиться только на водителях автомобилей, то очевидно, что мы ожидаем, что людям, живущим дальше, возможно, придется больше времени проводить за рулем. Напротив, если мы сосредоточимся на агрегированных данных (представленных данными на основе записей звонков), то это различие сглаживается тем фактом, что люди, живущие на разных расстояниях от работы, имеют возможность выбирать разные виды транспорта (например, автомобили , поезда, велосипеды и т. д.), так что их время в пути сведено к минимуму. Если мы исследуем распределение времени в пути на работу в Саудовской Аравии, мы снова увидим, что оно находится где-то между независимым от расстояния случаем Португалии, Кот-д’Ивуара и Бостона и зависящим от расстояния случаем Милана, где только автомобили. Это частично также подтверждает более раннюю позицию Мохтариана и Чена 25 о том, что гипотеза о постоянном бюджете времени в пути применима только на агрегированном уровне, когда мы можем предоставить людям достаточный выбор в режиме мобильности, и, учитывая это, люди находят способы свести к минимуму их время / усилия на поездку, и в целом это минимизированное время, по-видимому, одинаково в разных контекстах.Тем не менее, новое понимание в нашем исследовании заключается в том, что за пределами определенного уровня агрегации в районе города / страны поиск еще более универсального поведения при поездках на работу (в разных странах / континентах), по-видимому, предполагает, что его не существует, по крайней мере, на основе наборов данных CDR и нашей конкретной методологии.

    Для дальнейшего анализа этой закономерности отметим, что распределение времени в вечерних поездках на работу (график во втором столбце рисунка 6) имеет немного более однородную форму по сравнению с утренними распределениями, что свидетельствует о том, что вечером людям требуется больше времени, чтобы добраться до работы. домой.Это имеет смысл, так как утром люди часто идут прямо на работу из дома, тогда как вечером есть больше возможностей для того, чтобы поужинать вне дома, выполнить поручения, сделать покупки и т. Д. Однако даже в сценарии вечерней поездки на работу распределения кажутся независимыми от коммутируемых расстояний в одной и той же «категории» наборов данных (полноценные страны по сравнению с городами), что согласуется с наблюдениями выше, за исключением особого случая Милана (где данные GPS слежения за автомобилями, а не большие используются данные о поездках с мобильных телефонов) и, возможно, Саудовская Аравия (большая зависимость от автомобилей).

    Здесь также признается, что рисунки 5 и 6 содержат некоторые наблюдения, которые на первый взгляд могут показаться нефизическими и вызвать сомнения относительно того, что именно данные CDR могут фактически измерять в отношении временных интервалов коммутации. Например, люди, которые добираются на работу менее 5 км, в некоторых случаях все еще имеют среднее время в пути более одного часа, что кажется нереальным. Мы осознаем наличие этой проблемы и подробно рассмотрим ее в разделе «Обсуждение» ниже.

    Обсуждение

    В этом исследовании мы начали с предпосылки о том, что трудности с проверкой / опровержением гипотезы о постоянном бюджете времени в пути (как указано во введении) часто связаны с сопоставимостью между различными наборами данных, где смешанные факторы, такие как сбор данных / анализ может существовать.Мы предложили свести к минимуму этот эффект, найдя общий подход к количественной оценке поездок на работу с помощью наборов данных мобильных телефонов, из которых можно вывести достаточно сопоставимые характеристики поездок на работу в разных странах / городах, представляющих интерес. Мы изучили четыре набора данных на основе записей звонков (Кот-д’Ивуар, Португалия, Бостон и Саудовская Аравия), а также сравнили их с одним набором данных на основе GPS-слежения (Милан). Мы описали методологию определения домашнего и рабочего местоположения для разных пользователей, а также для расчета расстояния и времени поездки на работу.Хотя некоторые допущения остаются в нашей методологии (например, путем произвольного назначения границы дня / ночи в 8 утра / вечера для определения местоположения дома / работы), мы утверждаем, что, поскольку эти допущения применялись единообразно ко всем наборам данных, никакая систематическая ошибка не должна повлиять на сравнение результата.

    В качестве доказательства концепции мы вычислили расстояние до работы, а также время до работы на основе этих наборов данных, которые согласуются с известными характеристиками / моделями из существующих исследований поездок на работу.Несмотря на различия в этих переменных для разных наборов данных / местоположений, когда мы построили график распределения времени в пути, мы обнаружили замечательную независимость от расстояния между наборами данных на основе записей звонков в Кот-д’Ивуаре, Португалии и Бостоне.

    Это контрастирует с набором данных на основе GPS-слежения только для автомобилей в Милане и набором данных CDR с тяжелыми автомобилями из Саудовской Аравии. Набор данных Милана показывает сильную зависимость времени в пути как функцию от расстояния в пути (поскольку те, кому приходится ехать дальше, обычно добираются дольше).Набор данных Саудовской Аравии рассматривается как смесь двух крайностей, поскольку, хотя характер CDR набора данных может помочь агрегировать различные способы передвижения (например, ходьба, езда на велосипеде, общественный транспорт, частные автомобили и т. Д.), Мы также знаем, что страна сильно зависит от автомобилей, как обсуждалось ранее. Это означает, что гипотеза о постоянном бюджете времени в пути (поскольку она относится конкретно к утренним / вечерним поездкам на работу) верна только на совокупном уровне мобильности по стране / городу (где есть выбор различных способов передвижения, доступных для человека в зависимости от расстояние, расположение и т. д.), что подтверждает гипотезу Мохтариана и Чена [25]. Однако верно и то, что наш анализ не позволил окончательно выявить универсальную «постоянную Маркетти»: несмотря на их локализованную независимость от пройденного расстояния, характерное время в пути, похоже, зависит от местоположения (Португалия, Кот-д’Ивуар, Бостон и Саудовская Аравия), а также по времени суток (утро и вечер). Таким образом, в свете наших результатов по пяти наборам данных, мы можем предложить здесь в качестве проверяемой гипотезы то, что мы называем «локализованной формой» константы Маркетти: даже если в разных регионах люди могут иметь разные характеристики времени в пути (например, зависимые) , о культурном восприятии времени, общем развитии инфраструктуры страны и т. д.), если мы сосредоточимся на одном регионе, то обнаружим, что большинство людей демонстрируют характеристики времени в пути (например, среднее время, распределение времени), которые, как правило, не зависят от расстояния в пути. Например, люди, которые могут позволить себе водить машину, могут жить в местах, недоступных для тех, кто ходит пешком, ездит на велосипеде или пользуется общественным транспортом. Люди, живущие рядом со станциями пригородных поездов, могут жить в местах, где может быть слишком много пробок, чтобы их могли устроить пассажиры на автомобилях. Другими словами, люди могут географически распределиться и принять свой образ жизни (например,грамм. коммутируют) таким образом, чтобы они тратили разумное количество времени на дорогу.

    В конечном счете, наборы данных CDR, как и другие наборы данных, не идеальны. Как показано выше, наша методология способна выявить существующие и заметные модели поведения при поездках на работу в разных регионах / контекстах. Однако в то же время мы должны обсудить предостережения и ограничения наборов данных CDR. Как мы уже упоминали ранее в разделе «Результаты», у читателя могут возникнуть вопросы о точности данных CDR при оценке времени в пути, поскольку на рисунках 5–6 на основе нашего анализа CDR показано некоторое нефизически долгое время в пути даже на короткие расстояния. 5 км.Чтобы правильно ответить на этот вопрос, необходимо последовательно обсудить три взаимосвязанных вопроса ниже. Первый вопрос: что собой представляет настоящая поездка домой / на работу? Хотя это правда, что некоторые люди будут путешествовать прямо из дома на работу и наоборот, есть вероятность, что многие люди также сделают промежуточные остановки. Ян и др. [40], изучая данные о поездках из Шанюя, Китай, продемонстрировал, что эти промежуточные остановки, которые часто происходят в коммерческих заведениях (например, в ресторанах, где подают завтрак / ужин), могут составлять значительную часть пути на работу.Аналогичным образом, Schneider et al. [41] путем количественной оценки мотивов в ежедневных поездках с использованием данных CDR, также обнаружил различные способы, с помощью которых люди включали эти остановки / объездные пути. Если верно, что такие остановки являются обычным явлением, то независимо от наборов инструментов / наборов данных, используемых для опроса поездок на работу, они будут затруднять учет времени в пути из-за (а) дополнительного времени, затрачиваемого на промежуточных остановках, и (б) дополнительного времени, затрачиваемого на промежуточные остановки. объезд, выбранный с наиболее прямого пути к работе, чтобы добраться до этих остановок.Хотя может быть возможно количественно оценить эти объездные пути с использованием достаточно больших наборов данных CDR, это все еще довольно сложная задача, учитывая, что мобильные вызовы могут быть слишком редкими для последовательного определения остановок. Даже если вызывающий абонент часто звонит между домом и работой, учитывая, что звонок по мобильному телефону на промежуточной вышке сотовой связи между домом и работой человека может указывать на одно из двух: (а) человек сделал короткую промежуточную остановку, и (b) человек просто звонит в пути без остановки (если только эта конкретная промежуточная вышка сотовой связи явно и постоянно не мешает между домом и работой).Учитывая нашу методологию и текущий объем нашего исследования, мы не стали исследовать эту тему дальше, а скорее включили все в общее время поездки на работу. Это одна из причин, по которой время в пути может показаться необоснованно завышенным на основании записей CDR.

    Второй вопрос: что именно о времени в пути можно измерить данными CDR? Как упоминалось ранее, набор данных не гарантирует, что человек всегда будет звонить непосредственно перед тем, как он / она уйдет из дома / с работы, и сразу после того, как он / она придет домой / на работу, хотя часто люди могут звонить перед отъездом в поездку. чтобы другие знали, например, что они в пути.Все, что мы знаем наверняка, — это то, что утром, после того как человек ушел из дома на работу, все звонки из дома должны прекратиться. Точно так же не должно быть никаких звонков утром с места работы до того, как человек действительно прибыл на работу. Следовательно, то, что мы измеряем как время в пути на работу на основе данных CDR, является просто прокси фактического времени в пути; оно, безусловно, будет завышать фактическое время в пути в зависимости от того, как часто человек звонит. Лучшее, что мы сделали для решения этой проблемы на этапе обработки данных, — это выбрать только тех людей, которые звонят достаточно часто, по крайней мере, в течение определенного периода утренних / вечерних поездок.Однако даже в этом случае частота звонков варьируется от человека к человеку. Например, некоторые люди могут предпочесть звонить, находясь в транспорте, а другие — нет. Такие различия в привычках общения также могут отличаться от страны к стране в зависимости от культурного контекста. Если бы у нас был доступ к большим наборам данных по многим регионам, отслеживающим отдельные шаблоны вызовов в течение длительного периода времени, тогда есть реальные способы контролировать эти вариации в нашей оценке времени в пути.Однако в действительности у нас были данные, доступные только для ограниченного числа лиц за ограниченный период (например, в случае Кот-д’Ивуара, 2 недели), и это затруднило дальнейшую количественную оценку / контроль. В будущем, по мере того, как в течение длительного периода времени будет доступно больше наборов данных, будет целесообразно вернуться к этим вопросам, чтобы повысить точность оценки времени в пути.

    Кроме того, третий вопрос: насколько точно наша методология может определять короткие поездки на работу? Одним из ограничений нашей методологии является то, что применение пространственного фильтра в 1 км, который, хотя и ограничивает шум из-за случайного переключения вышек сотовой связи, особенно на границах между двумя вышками, также приводит к тому, что в нашем исследовании игнорируются те, чье коммутируемое расстояние меньше 1 км.Что еще более важно, как уже говорилось выше в разделе «Методология», по данным CDR мы можем измерить не фактическое расстояние до работы, а скорее расстояние по дуге между домом и работой (по прямой). Как упоминалось выше, в то время как для средних / дальних поездок разницу между этими двумя величинами часто можно последовательно и систематически корректировать с помощью коэффициента, это не относится к более коротким поездкам, где поправочный коэффициент может зависеть от типа транспорта, для пример.В зависимости от величины поправочного коэффициента для коротких поездок, это могло привести к переоценке или занижению времени поездок на работу коротких пассажиров по сравнению с длительными поездками. Если предположить, что это правда, тогда возникнет сомнение в гипотезе постоянного времени в пути на коротких расстояниях (то есть в пределах пешей досягаемости). Однако существуют и другие не менее заметные объяснения этих часовых коротких поездок, которые, тем не менее, могут соответствовать гипотезе постоянного бюджета времени, как упоминалось ранее: промежуточные остановки по пути на работу, условия интенсивного движения в городе (если мы предположим, пассажиры, живущие в короткие сроки, живут недалеко от своих рабочих мест, которые, скорее всего, находятся в городе, а не в сельской местности), а также тот факт, что люди не могут сразу звонить перед тем, как уйти из дома или после прибытия на работу.Чтобы получить более точное разрешение для коротких поездок на работу, необходимо будет объединить набор данных CDR с другими методами с большим пространственным разрешением, такими как GPS-треки на мобильных телефонах, чтобы мы получили точный маршрут движения (до рассчитать фактическое расстояние до работы) и более точно рассчитать время отправления домой и прибытия на работу.

    С учетом этих ограничений, работает ли CDR лучше по сравнению с другими смешанными наборами данных, которые использовались ранее для исследования поведения людей при поездках на работу? Многие из этих смешанных наборов данных, как упоминалось ранее, представляют собой опросы людей в разных городах.Как правило, можно ожидать, что эти самооценки времени в пути на работу дают довольно точную меру, если они контролируются должным образом и сообщаются беспристрастно. Однако, как уже было описано в предыдущих метаанализах [25], большинство этих основанных на опросах исследований доступны только в ограниченных регионах; любые попытки изучить поведение в дороге в разных регионах / странах в настоящее время часто затрудняются такими факторами, как различия в дизайне и проведении обследований. Если бы нам пришлось провести глобальное исследование передвижения людей на работу, было бы нереально дорого получить надежные данные в разных странах для сравнительного исследования.Мы считаем, что наборы данных CDR, которые поступают от пользователей мобильных телефонов по всему миру, могут преодолеть такие ограничения. Хотя, как обсуждалось выше, возникающая и ограниченная доступность наборов данных CDR могла вызвать вопросы относительно точности нашей характеристики передвижения, особенно на небольших расстояниях, мы считаем, что в будущем, с увеличением доступности более крупных наборов данных, появятся методы и корректирующие меры, которые могут быть реализованы для минимизации таких неточностей.

    В конце концов, предоставили ли мы ответ на извечные споры о гипотезе постоянного бюджета на поездки или о константе Маркетти? Исходя из нашего анализа выше, мы можем сказать, что в каждом месте, которое мы проанализировали, наблюдается удивительно независимое от расстояния поведение при поездках на работу на средние и длинные дистанции (> 5 км). Мы не можем достоверно сделать вывод о более коротких поездках из-за ограничений данных CDR.

    Однако при усреднении времени в пути на работу в целом мы не определили характерное время в пути, неизменное для всех мест.Хотя это может быть аргументом против существования константы Маркетти, но также может быть, что, учитывая ограниченные наборы данных, у нас не было средств для правильного учета и корректировки различного поведения при использовании мобильного телефона в разных местах, что также могло повлиять на наша оценка характерного времени в пути в этих разных местах. Следовательно, хотя мы не дали окончательного ответа на вопрос о константе Маркетти, мы полагаем, что с увеличением доступности более крупных наборов данных CDR в будущем этот вопрос будет очень интересен и актуален для повторного рассмотрения, возможно, с применением более эффективных мер коррекции для учета любые существенные различия в поведении при использовании мобильного телефона.Мы также рекомендуем, чтобы будущие исследования связывали наборы данных CDR с другими поддерживающими источниками, не относящимися к CDR.

    В целом, в этой статье мы разработали методологию, которая позволяет нам исследовать поведение людей при поездках на работу, и применили ее к нескольким наборам данных мобильных телефонов и GPS. Тот факт, что мы смогли наблюдать общие особенности поездок на работу, несмотря на весьма разнообразный характер этих наборов данных, убедительно демонстрирует, что есть некоторые аспекты человеческих поездок на работу, которые являются универсальными, и мы считаем это новым развитием использования мобильных телефонов. наборы данных, чтобы лучше понять поведение в дороге.Сравнение наборов данных только об автомобилях (Милан) или о тяжелых автомобилях (Саудовская Аравия) с другими наборами данных, которые более независимы от методов передвижения (Бостон, Португалия и Кот-д’Ивуар), также выявляют различия в характеристиках времени в пути, которые согласуются с данными Мохтариан и Мохтариан. Чен утверждает, что гипотеза постоянного времени в пути применима только на агрегированном уровне [25]. Учитывая ограничения в наборах данных и в нашей методологии, мы не дали окончательного ответа на гипотезу постоянного бюджета командировок, но оставили место для размышлений и конкретных проверяемых направлений для будущих работ.Очень интересное продолжение будущих исследований будет сосредоточено на расширении объема наборов данных на большее количество городов и стран и более общем тестировании этого наблюдения с более точными измерениями (например, дополнениями из других детализированных траекторий траектории смартфона). В конечном счете, любые наблюдения о мобильности людей, применимые на универсальном уровне, не только помогают нам понять фундаментальные характеристики того, как мы перемещаемся и распределяем свое время, но также имеют серьезные последствия на политическом уровне в городском и транспортном планировании.

    Дополнительная информация

    Рисунок S1.

    Среднее время в пути и численность населения в выбранных крупных городах Америки. Время в пути (синие столбцы) и численность населения (голубая линия) взяты из исследования американского сообщества 2010 г. 16 . Города, ранжированные по размеру, включают слева направо: Нью-Йорк, Лос-Анджелес, Чикаго, Даллас, Хьюстон, Филадельфию, Вашингтон, Майами, Атланту, Бостон, Сан-Франциско, Детройт, Сан-Бернардино, Феникс, Сиэтл, Миннеаполис. , Сан-Диего, ул.Луис, Тампа, Балтимор, Денвер, Питтсбург, Портленд, Сакраменто, Сан-Антонио, Орландо, Цинциннати, Кливленд и Канзас-Сити.

    https://doi.org/10.1371/journal.pone.0096180.s001

    (EPS)

    Рисунок S2.

    Пример визуализации данных. (a) График суммарной плотности GPS-положений в районе Милана с пригородами, где красным показаны местоположения с самой высокой частотой передачи данных GPS-положения, а синим — местоположения с самой низкой частотой передачи данных GPS-местоположения в течение одного дня.(b) Модель мобильности человека в течение 7 дней в Милане, с красными точками, показывающими исходные сообщения GPS, и синими открытыми кружками, показывающими места, где человек проводит больше всего времени. На основании дневных и ночных занятий определяются и маркируются места проживания и работы. Значения по осям x и y (долгота и широта) были удалены из этого графика, чтобы защитить анонимность пользователя. (c) Карта, показывающая график плотности вышек мобильной связи в наборе данных Саудовской Аравии.

    https://doi.org/10.1371/journal.pone.0096180.s002

    (EPS)

    Рисунок S3.

    (a) Гауссовская аппроксимация распределения пикового времени в пути на работу, на примере утренних пассажиров в Португалии. (b) Соответствующий график Q-Q той же гауссовой аппроксимации, показывающий, что для большей части коммутируемой временной области (между 5 и 10 часами утра) гауссовская аппроксимация является разумной подгонкой.

    https://doi.org/10.1371/journal.pone.0096180.s003

    (EPS)

    Рисунок S4.

    Кумулятивная функция распределения коммутирующих расстояний в Кот-д’Ивуаре (синяя сплошная линия с черными точками), Португалии (красная пунктирная линия с крестиками), Саудовской Аравии (зеленая сплошная линия с открытыми кружками), Бостоне (черная сплошная линия с открытыми ромбами) , и Милан (голубая пунктирная линия с открытыми треугольниками).

    https://doi.org/10.1371/journal.pone.0096180.s004

    (EPS)

    Благодарности

    Авторы выражают благодарность компаниям Orange, Octo Telematics, AirSage и Saudi Telecom Company за предоставленные наборы данных.Авторы также хотели бы поблагодарить Себастьяна Граувина, Майкла Селла, Маркуса Шлапфера и остальных сотрудников MIT Senseable Laboratory за отзывы об этой статье. Мы также благодарим Ericsson, программу MIT SMART, Центр сложных инженерных систем (CCES) при KACST и программу MIT CCES, Национальный научный фонд, Португальскую программу MIT, фонд AT&T, Audi Volkswagen, BBVA, The Coca Cola Company, Expo 2015, Ferrovial, региональный муниципалитет Вуд-Баффало и всех членов консорциума MIT Senseable City Lab за их многогранную поддержку исследования.

    Вклад авторов

    Задумал и спроектировал эксперименты: KSK KG SS CR. Проведены эксперименты: КСК КГ. Проанализированы данные: KSK KG. Предоставленные реагенты / материалы / инструменты анализа: KSK KG. Написал бумагу: KSK KG.

    Список литературы

    1. 1. Brockmann D, Hufnagel L, Giesel T (2006) Законы масштабирования человеческих путешествий. Природа 439: 462–465.
    2. 2. Liang X, Zheng X, Lv W, Zhu T, Xu K (2012) Масштабирование мобильности людей с помощью такси экспоненциально.Physica A 391: 2135–2144.
    3. 3. Noulas A, Scellato S, Lambiotte R, Massimiliano P, Mascolo C (2012) История многих городов: универсальные модели городской мобильности людей. PLoS ONE 7: e37027.
    4. 4. Ри И., Шин М., Хонг С., Ли К., Ким С.Дж. и др. (2011) О природе человеческой мобильности, основанной на походке Леви. IEEE Transactions on Networking 19: 630–643.
    5. 5. Jia T, Jiang B, Carling K, Bolin M, Ban Y (2012) Эмпирическое исследование мобильности человека и его агент-ориентированное моделирование.Журнал статистической механики 2012: P11024.
    6. 6. Vazquez-Prokopec GM, et al. (2013) Использование технологии GPS для количественной оценки динамических контактов мобильности людей и динамики инфекционных заболеваний в городской среде с ограниченными ресурсами. PLoS ONE 8: e58802.
    7. 7. González MC, Hidalgo CA, Barabási AL (2008) Понимание индивидуальных моделей мобильности человека. Природа 453: 779–782.
    8. 8. Song C, Qu Z, Blumm N, Barábasi AL (2010) Пределы предсказуемости мобильности человека.Наука 327: 1018–1021.
    9. 9. Симини Ф., Гонсалес М.К., Маритан А., Барабаши А.Л. (2012) Универсальная модель мобильности и моделей миграции. Природа 484: 96–100.
    10. 10. Бойд Д., Кроуфорд К. (2011) Шесть провокаций для больших данных. Симпозиум по динамике Интернета и общества.
    11. 11. Ранджан Дж., Занг Х., Чжан З.Л., Болот Дж. (2012) Смещены ли записи о звонках для выборки мобильности людей? ACM Sigmobile 16: 33–44.
    12. 12. Беккер Р.А., Касерес Р., Хансон К., Ло Дж. М., Урбанек С. и др.(2011) Рассказ об одном городе: использование данных сотовой сети для городского планирования. Распространенные вычисления, IEEE 10: 18–26.
    13. 13. Иссакман С., Беккер Р., Карсерес Р., Кобоуров С., Роуленд Дж. И др. (2010) Сказка о двух городах. Труды HotMobile ’10: 10–24.
    14. 14. Левинсон Д.М., Кумар А. (1997) Плотность и путь к работе. Рост и изменение 28: 147–172.
    15. 15. Kenworthy JR, Laube FB (1999) Модели автомобильной зависимости в городах: международный обзор ключевых физических и экономических аспектов с некоторыми последствиями для городской политики.Транспортные исследования A 33: 691–723.
    16. 16. Опрос американского сообщества (2010). Поездка на работу (Путешествие на работу). Веб-сайт Бюро переписи населения США. Доступно: http://www.census.gov/hhes/commuting/. По состоянию на 9 апреля 2014 г.
    17. 17. ОЭСР (2013) Как жизнь? Измерение благополучия. Сайт OCED. Доступно: www.oecd.org/statistics/howslife.htm. По состоянию на 9 апреля 2014 г.
    18. 18. Schwanen T, Dijst M (2002) Соотношение времени в пути для посещения рабочего места: взаимосвязь между временем в пути и продолжительностью работы.Транспортные исследования A 36: 573–592.
    19. 19. Шафер А., Дэвид Г. В. (2000) Будущая мобильность населения мира. Транспортные исследования A 34: 171–205.
    20. 20. Hupkes G (1982) Закон постоянного времени в пути и скорости поездки. Фьючерсы на февраль: 38–46.
    21. 21. Вильгельмсон Б. (1999) Повседневная мобильность и использование времени для различных занятий: пример Швеции. GeoJournal 48: 177–185.
    22. 22. Marchetti C (1994) Антропологические инварианты в поведении путешественников, технологическое прогнозирование и социальные изменения.Международный институт прикладного системного анализа 47: 75–88.
    23. 23. Горден П., Кумар А., Ричардсон Х. У. (1989) Перегрузка, изменение городской структуры и размера города в Соединенных Штатах. Intl. Рег. Sci. Откр. 12: 45–56.
    24. 24. Cervero R, Wu KL (1998) Субцентр и поездки на работу: данные из района залива Сан-Франциско. Городские исследования 35: 1059–1076.
    25. 25. Мохтарян П.Л., Чен С. (2004) TTB или не TTB, вот в чем вопрос. Транспортные исследования, Часть A 38: 643–675.
    26. 26. Робинсон Дж. (1997) Время для жизни: удивительные способы использования времени американцами Юниверсити-Парк, Пенсильвания: Издательство Пенсильванского государственного университета.
    27. 27. Голоб Т. (1990) Динамика расходов домохозяйств на поездки и решения о владении автомобилем. Транспортные исследования A 24: 443–463.
    28. 28. Захави Ю., Талвитие А. (1980) Закономерности во времени в пути и денежных расходах. Отчет о транспортных исследованиях 750: 13–19.
    29. 29.Хамед М.М., Маннеринг Флорида (1993) Моделирование участия путешественников в почтовой работе: к новой методологии. Транспортная наука 27: 381–394.
    30. 30. Гордон П., Ричардсон Х.В., Джун М.Дж. (1991) Парадокс поездок на работу — доказательства из первой двадцатки. Журнал Американской ассоциации планирования 57: 416–424.
    31. 31. Тейлор Б.Д. (2002) Переосмысление заторов на дорогах. Доступ 21: 8–16.
    32. 32. Calabrese F, Diao M, Lorenzo GD, Ferreira J, Ratti C (2013) Понимание моделей индивидуальной мобильности на основе данных городского зондирования: пример отслеживания мобильного телефона.Транспортные исследования, часть C: Новые технологии 26: 301–313.
    33. 33. Phithakkitnukoon S, Smoreda Z, Olivier P (2012) Социально-география мобильности человека: исследование с использованием продольных данных мобильного телефона. PLoS ONE 7: e39253.
    34. 34. Викри WS (1969) Теория перегрузок и инвестиции в транспорт. Американский экономический обзор 59: 251–261.
    35. 35. Амини А., Кунг К., Канг С., Соболевский С., Ратти С. (2013) Различные племенные и инфраструктурные факторы влияния на мобильность в развивающихся и промышленно развитых регионах.Proc. из 3 ряд внутр. Конференция по анализу наборов данных мобильных телефонов.
    36. 36. Гудвин П. (1981). Полезность командировочных бюджетов. Транспортные исследования Часть A 15A: 106.
    37. 37. Голоб Т.Ф., Бекманн М.Дж., Захави Ю. (1981) Модель спроса на поездки на основе теории полезности, включающая бюджеты на поездки. Транспортные исследования, часть B 15B: 375–389.
    38. 38. ван Ви Б., Ритвельд П., Мерс Х. (2006) Постоянны ли среднесуточные затраты времени в пути? Журнал транспортной географии 14: 109–122.
    39. 39. Levinson D, Wu Y (2005) Пересмотр рационального локатора: стабильно ли время в пути? Транспорт 32: 187–202.
    40. 40. Yang M, Wang W, Chen X, Yang Y (2010) Моделирование выбора пункта назначения для промежуточных остановок, включенных в схемы коммутирующих действий. Исследования движения и транспорта 383: 557–565.
    41. 41. Schneider CM, Belik V, Couronne T., Smoreda Z, Gonzalez MC (2013) Раскрытие мотивов повседневной мобильности человека.Журнал Королевского общества Интерфейс 10: 20130246.
    42. 42. Амини А., Кунг К.С., Канг С., Соболевский С., Ратти С. (2014) Влияние социальной сегрегации на мобильность людей в развивающихся и урбанизированных регионах. сайт arXiv.org. Доступно: http://arxiv.org/abs/1401.5743. По состоянию на 9 апреля 2014 г.
    43. 43. Аллан А. (2001) Прогулка как вид транспорта в Аделаиде. Мировая транспортная политика и практика 7: 44–51.
    44. 44. Hubert JP (2003) Обогащение на основе ГИС.Съемка путешествий на большие расстояния. Под редакцией Axhausen KW, Madre JL, Polak JW, Toint P. Baldock, Хартфордшир, Великобритания: Research Science Press.
    45. 45. Ортузар Дж. Де Д., Виллумсен Л.Г. (2001) Моделирование транспорта. Чичестер, Англия: Wiley.
    46. 46. Чаласани В.С., Денстадли Дж. М., Энгебретсен О., Акхаузен К. В. (2005) Точность геокодированных местоположений и оценки расстояния в сети. Журнал транспорта и статистики 8: 1–15.
    47. 47. Махди В. (2012) Саудовская Аравия должна пересмотреть свои нефтяные субсидии, говорит бывший советник.Bloomberg News. Сайт Bloomberg. Доступно: http://www.bloomberg.com/news/2012-12-27/saudi-arabia-must-review-its-oil-subsidies-former-adviser-says.html. По состоянию на 9 апреля 2014 г.
    48. 48. Веб-сайт Управления по развитию Арриядов. Доступно: http://www.ada.gov.sa/. По состоянию на 9 апреля 2014 г.
    49. 49. Нуньес да Силва Ф., Маркиш да Коста С. (2013). Как улучшить ходьбу как вид транспорта в холмистом городе. Воздействие SUMITS Convergence Вена 2013 . Лекция проведена 6 мая 2013 года в Венской ратуше.
    50. 50. Санти П., Реста Г., Селл М., Соболевский С., Строгац С. и др .. (2013) Объединение такси в Нью-Йорке: сетевой подход к проблемам совместного использования в социальных сетях. arXiv Препринт arXiv: 310.2963.
    51. 51. Канг С., Соболевский С., Лю Ю., Ратти С. (2013) Изучение перемещений людей в Сингапуре: сравнительный анализ на основе использования мобильных телефонов и такси. Материалы 2 nd ACM SIGKDD International Workshop on Urban Computing 2: 1.
    52. 52.Хавелка Б., Ситко И., Бейнат Е., Соболевский С., Казакопулос П. и др .. (2013) Твиттер с географическим расположением как прокси для глобальных моделей мобильности. arXiv Препринт arXiv: 1311.0680.

    аналитических материалов о COVID-19 в Гамбии

    Большие данные во время COVID-19

    Пандемия COVID-19 высветила ценность высокочастотных локализованных данных для определения экономических последствий потрясений для принятия обоснованных решений. Это включает использование общедоступных ночников, качество воздуха и агрегированные данные о местоположении.Поскольку отслеживание мобильности имеет решающее значение во время пандемии, исследователи работали с правительствами и операторами мобильных сетей, чтобы использовать данные Call Detail Record (CDR), агрегированные и анонимные данные сотовых телефонов. Данные CDR используются для понимания моделей миграции, создания карт бедности и оценки экономических характеристик домохозяйства. Однако данные CDR вызывают озабоченность по поводу конфиденциальности, требуя строгих протоколов, ограничивающих доступ и обеспечивающих конфиденциальность. В развивающихся странах отсутствие потенциала и политики доступа к данным могут сдерживать создание надежных конвейеров данных, связывающих доступность данных, анализ и разработку политики.

    В этом блоге рассказывается, как мы преодолели эти ограничения для создания надежного конвейера данных CDR в Гамбии, [1] , и использовали эти данные, чтобы получить представление о влиянии вспышки COVID-19 на динамику населения. Мы работали в партнерстве с национальным регулирующим органом по регулированию коммунальных предприятий (PURA) и Статистическим бюро Гамбии (GBOS). В рамках своей надзорной деятельности PURA собирает агрегированные показатели телекоммуникационной деятельности для мониторинга качества услуг.При технической поддержке Всемирного банка и Токийского университета PURA работала с операторами мобильной связи над расширением списка показателей, которые обычно собираются для анализа мобильности, и сохранением их на защищенном локальном сервере. Первый набор этих показателей был собран в период с марта по май 2020 года, предлагая моментальный снимок изменений в мобильности во время блокировки COVID-19. Анализируются данные двух из четырех операторов связи, которые вместе составляют 70% доли рынка и включают 2 миллиарда индивидуальных анонимных записей о звонках.

    Стилизованный факт 1: данные CDR являются действенным инструментом для мониторинга плотности и динамики популяции

    Необходимая проверка при использовании данных CDR заключается в том, репрезентативны ли они для населения. Чтобы проверить это предположение, мы наносим на график известную плотность населения для каждого района в зависимости от плотности уникальных пользователей телефонов, как это определено их Международным идентификатором мобильного оборудования (IMEI) до приказа о изоляции (22 марта 2020 г.). [2] Мы подтверждаем тесную взаимосвязь как по значимости, так и по величине с плотностью населения, рассчитанной WorldPop и в последней переписи населения. [3] Это подтверждает предположение, что IMEI является допустимым показателем плотности населения, и что отслеживание сдвигов в IMEI, следовательно, может дать представление о краткосрочной и долгосрочной динамике перемещения населения.

    Проверка данных CDR относительно известной плотности населения


    Источник: Расчеты автора на основе данных CDR из Гамбии, март-май 2020 г.

    Стилизованный факт 2: данные CDR показывают изменение в движении населения
    Данные

    CDR позволяют нам отслеживать, когда уникальные пользователи сотовых телефонов пересекают административные границы, количественно оценивая мобильность как приток и отток.После введения общенационального карантина 22 марта мы наблюдаем значительную миграцию из густонаселенных прибрежных городских районов в сельские районы вглубь страны, поскольку люди покидают столичный регион. Это движение усиливается в течение недели с 19 по 25 апреля, которая совпадает с началом Рамадана, вероятно, потому, что люди навещают родственников в сельской местности. Эта модель оттока продолжается до середины мая, когда мы начинаем видеть, как люди постепенно возвращаются в столичный регион, когда заканчивается Рамадан и возобновляется экономическая деятельность.Результаты показывают, как меняется динамика движения населения на еженедельной основе.

    Изменение еженедельного притока населения по времени и районам


    Источник: Расчеты автора на основе данных CDR из Гамбии, с марта по май 2020 г. Примечание: зеленый цвет: больший приток по сравнению с исходным уровнем; Лила: более низкий приток по сравнению с исходным уровнем.

    Стилизованный факт 3: данные CDR могут быть связаны с пространственно агрегированными показателями из данных обследования

    Повлияли ли эти нарушения на разные группы населения по-разному? Хотя мы не можем сопоставить агрегированные данные CDR с уровнем благосостояния домохозяйств, мы можем сопоставить модели перемещений с информацией о бедности на уровне района или района из национального обследования домохозяйств (2015).Когда мы делаем это, мы замечаем, что палаты с наибольшей долей бедных домохозяйств сталкиваются с наибольшим нарушением их мобильности с точки зрения как притока, так и оттока по сравнению с палатами с более низкой долей бедных домохозяйств. Подвижность упала на целых 25%, особенно в период Рамадана, с небольшими всплесками до и после Рамадана, а затем постепенно восстановилась. Этот результат интригует, поскольку предполагает, что беднейшие подопечные больше всего пострадали от изоляции, возможно, потому, что они полагаются на экономическую деятельность, на которую больше всего повлияла политика социального дистанцирования (неформальная торговля, рынки и т. Д.)).

    Изменения в еженедельном притоке населения в палаты с самым высоким и самым низким уровнем бедности


    Источник: Расчеты автора на основе данных CDR из Гамбии, март-май 2020 г.

    Интеллектуальное сдерживание: принятие решений на основе данных в среде с ограниченными ресурсами

    Эти идеи подчеркивают, что данные и анализ в реальном времени являются ценными, но только когда они производятся в тесном сотрудничестве с партнерами. В контексте ограниченных возможностей модели передвижения населения, описанные в стилизованном факте 2, могут послужить основой для инициатив по целевому тестированию и отслеживанию за счет концентрации усилий в областях с высокой мобильностью.Когда полная изоляция невозможна из-за экономических затрат, это также может дать информацию о том, где следует наложить ограничения на мобильность с учетом более высоких рисков передачи. Дополнительную информацию можно получить, добавив дополнительные данные о сообществах и домохозяйствах. Стилизованный факт 3 подчеркивает, что изоляция непропорционально затронула более бедные районы, и поэтому усилия по оказанию помощи и восстановлению должны быть направлены на устранение этого неравенства. Это лишь некоторые из важных аналитических данных, которые могут предоставить данные CDR.

    Вместо того, чтобы стремиться к сокращению пути, важно инвестировать в прочные отношения с соответствующими регулирующими органами, чтобы обеспечить достаточную поддержку. Процесс сбора этих данных был столь же информативным, как и результаты. Извлеченные уроки включают:

    • Достигайте консенсуса между всеми заинтересованными сторонами и используйте стратегические союзы / сторонников, внедренные в стране, для повышения ответственности и устойчивости.
    • Решайте технические проблемы и заранее инвестируйте в необходимые мощности и системы данных.
    • Работать в рамках институциональных параметров, получая доступ к данным, собранным частным сектором через национальный регулирующий орган, для обеспечения соблюдения и поощрения построения системы.

    Опираясь на эти первые успехи, команда намеревается расширить масштабы своего сотрудничества. Это включает распространение среди основных заинтересованных сторон, а также наращивание потенциала для размещения и обработки больших ежемесячных наборов данных CDR. С точки зрения анализа, наложение данных CDR с существующими опросами может дать ценную информацию.Учитывая важность миграции для экономики, данные о мобильности можно использовать, чтобы лучше понять, куда мигранты перемещаются, как внутри страны, так и за границу. Например, первые результаты показывают, что в районах с высоким процентом международных звонков также имеется большая концентрация семей с международными рабочими-мигрантами.

    Для этого блога использовались рекомендации Тары Вишванат из группы Global Solution Group «Последствия изменения климата, нестабильности и конфликтных рисков для благосостояния» в GP Poverty and Equity GP Всемирного банка.Этот проект получил поддержку Целевого фонда для наращивания статистического потенциала III (TFSCB-III) и Группы DEC-DIME Всемирного банка и был реализован в тесном сотрудничестве с PURA, GBoS и Токийским университетом. TFSCB-III поддерживается Министерством иностранных дел, по делам Содружества и развития Соединенного Королевства, Министерством иностранных дел и торговли Ирландии, а также правительствами Канады и Кореи.


    [1] Гамбия — западноафриканская страна с населением 2,4 миллиона человек, где туризм и денежные переводы из-за границы являются одними из ключевых факторов экономики. Гамбия находится на западном побережье Атлантического океана, в окружении Сенегала.Столица в устье реки Гамбия включает город Банжул и регион Канифинг с туристическими курортами, тянущимися к югу вдоль побережья. Внутренние территории в основном являются сельскими, их экономика определяется сельским хозяйством и часто зависит от внутренних и международных денежных переводов. Такое неравенство в доступе к услугам и возможностям привело к высокому уровню внутренней миграции, особенно среди молодежи, покинувшей сельские районы в поисках лучшей работы в столичном регионе.

    [2] Deville et al. (2014) показали, что сильная логарифмическая взаимосвязь между плотностью уникальных пользователей в зоне обслуживания вышки сотовой связи и плотностью населения может подтвердить использование данных CDR в качестве прокси для перемещения населения (Девиль, Пьер и др. «Динамическое картирование населения» с использованием данных мобильного телефона. «Proceedings of the National Academy of Sciences 111.45 (2014): 15888-15893.)

    [3] R2 намного выше для модели WorldPop, возможно, потому, что согласно более поздней оценке, основанной на геопространственных показателях, World Pop лучше отражает перемещения населения между 2013 и 2020 годами, а данные переписи больше не репрезентативны.Это предполагает возможность использования данных CDR для обновления основ выборки и информирования о политических вмешательствах, которые чувствительны к численности населения.

    Graphics Design Cdr File Скачать бесплатно

    Если вы нашли сертификат графического дизайна на фотографии и в векторном файле иллюстраций PSD, Cdr, Coreldraw? у нас уже есть 1000 дизайнов сертификатов 20125, доступных Inqalabgraphics. бесплатно скачать онлайн сертификат графического дизайна для бесплатного коммерческого и личного использования бесплатные векторные шаблоны сертификатов графического дизайна скачать на этом веб-сайте.

    Бесплатные векторные файлы Coreldraw (.cdr), файлы векторных шаблонов Coreldraw (.cdr) и векторные изображения. Скачать векторные файлы и изображения Coreldraw Vector (.cdr) Векторные файлы шаблонов дизайна Coreldraw (.cdr) — скачать бесплатно | Vector Graphic Art

    бесплатно для печати Business Card Vector скачать бесплатно для коммерческого использования бесплатно роялти изображение визитные карточки векторные иконки бесплатно вектор искусства дизайн ai, eps, cdr, PSD, Coreldraw illustration. бесплатно миллион вектор файл визитки вектор скачать бесплатно шаблоны.На этом сайте у нас уже есть векторные шаблоны визиток, доступные бесплатно скачать векторные шаблоны. все бесплатные векторные изображения визитные карточки вектор бесплатно …

    10 Perfect Variety of Graphics Design Cdr File Free Download

    Каждый раз, когда вы ищете бесплатную загрузку Graphics Design Cdr File, вы попали в нужное место. У нас определенно есть 10 изображений о Graphics Design Cdr File Free Download , включая изображения, картинки, фотографии, обои и многое другое. На этой странице у нас есть различные изображения.Включая png, jpg, анимированные гифки, изображения, логотипы, неокрашенные документы, прозрачные и т.д. Поддержка дизайна, Обзор графического дизайна, Требования к графическому дизайну, Графический дизайн для мобильных устройств, Графический дизайн Действия, Графический дизайн Здоровье, Графический дизайн WordPress, Графический дизайн Рэп, Функции графического дизайна, Скриншоты графического дизайна, Бесплатная загрузка дома, Бесплатные векторы графического дизайна, Дизайн автомобилей Бесплатная загрузка, бесплатная загрузка анимированной графики, бесплатная загрузка дизайна плаката, бесплатная загрузка дизайна футболки и бесплатная загрузка изобразительного искусства.

    фоновых дизайнов cdr файл вектор — Изображение предоставлено: all-free-download.com

    Намного больше плана, предназначенного для графического дизайна, скачать CDR File Free — фоновые дизайны cdr файл вектор Лучший 50 ~ Инфографический дизайн бесплатный вектор художественные изображения для коммерческого использования ai, eps, PSD, Cdr File Free Download. (50) инфографика бесплатные графические ресурсы векторные элементы искусства, шаблоны, художественный дизайн, значок бесплатно скачать Inqalabgraphics.

    векторный дизайн логотипа векторный дизайн логотипа — Изображение предоставлено: www.inqalabgraphics.com

    Намного больше информации о графическом дизайне Cdr File Free Download — векторный дизайн логотипа векторный дизайн логотипа бесплатно для печати коммерческое использование бесплатно роялти изображения визитки векторные иконки бесплатно вектор искусства дизайн ai, eps, cdr, PSD, Coreldraw иллюстрации. бесплатно миллион вектор файл визитки вектор скачать бесплатно шаблоны.На этом сайте у нас уже есть векторные шаблоны визиток, доступные бесплатно скачать векторные шаблоны. все бесплатные векторные изображения визитные карточки вектор бесплатно …

    cdr-файл шаблона дизайна логотипа компании полный — Изображение предоставлено: www.inqalabgraphics.com

    Дополнительное предложение для графического дизайна Cdr File Free Download — это шаблон дизайна логотипа компании cdr file full Бесплатные векторные файлы Coreldraw (.cdr), векторные файлы Coreldraw (.cdr) Файлы шаблонов векторного дизайна и Vector Art. Скачать векторные файлы и изображения Coreldraw Vector (.cdr) Векторные файлы шаблонов дизайна Coreldraw (.cdr) — скачать бесплатно | Векторная графика

    векторный файл cdr дизайна логотипа на заказ — Изображение предоставлено: www.inqalabgraphics.com

    Дополнительный план, относящийся к графическому дизайну Cdr File Free Download — векторный дизайн логотипа cdr file custom 4+ Best Useful Royalty -бесплатные изображения векторных логотипов для коммерческого использования ai, eps, PSD, формат CDR Скачать бесплатно.На этом веб-сайте у нас уже есть тысяча бесплатных шаблонов логотипов, загружающих Inqalabgraphics. бесплатная полная настройка логотипа. Скачать векторный PSD и файл CDR. cdr файл дизайна логотипа скачать бесплатно для личного коммерческого использования бесплатные изображения Coreldraw векторный файл иллюстрации.

    coreldraw vector files images coreldraw clip — Изображение предоставлено: www.newdesignfile.com

    Намного больше концепций, предназначенных для графического дизайна Cdr File Free Download is coreldraw vector files images coreldraw clip free миллион дизайн сертификатов cdr доступен на Интернет доступен, но PSD-файлы скачать бесплатно.кроме шаблона вектор дизайн сертификат границы png скачать. бесплатно скачать Сертификат cdr Бесплатный вектор У нас есть около (7 векторных файлов) Бесплатный вектор в формате ai, eps, cdr, SVG, векторная графика, графика …

    ai files vector vector — Изображение предоставлено: all-free-download. com

    Гораздо больший подход только для графического дизайна Скачать бесплатно CDR File is ai files vector vector У нас есть 59 ресурсов для вас & period; Скачать бесплатные векторы и запятую; фотографии и файлы PSD на Freepik & period; Графические ресурсы для личного и коммерческого использования & period; Векторы…. Дизайн компакт-диска на сером фоне векторные иллюстрации. gstudioimagen. 6. Нравится. Собирать. … Расширение формата файла CDR. флатикон. 1к 1. Нравится. Собирать. Сохранять. Cdr …

    Ленточный дизайн векторный графический дизайн cdr файл — Изображение предоставлено: www.inqalabgraphics.com

    Еще одно предложение, предназначенное для графического дизайна. Cdr File Free Download — это дизайн ленты с векторным графическим дизайном. Сертификат графического дизайна в фото и PSD, Cdr, Coreldraw векторные иллюстрации? у нас уже есть 1000 дизайнов сертификатов 20125, доступных Inqalabgraphics.бесплатно скачать онлайн сертификат графического дизайна для бесплатного коммерческого и личного использования бесплатные векторные шаблоны сертификатов графического дизайна скачать на этом веб-сайте.

    cdr-файл с инфографическим дизайном — Изображение предоставлено: www.inqalabgraphics.com

    Еще больше информации, предназначенной для графического дизайна Cdr File Free Download — это инфографический дизайн cdr-файл 4+ Лучшие полезные векторные логотипы без лицензионных отчислений для коммерческого использования ai, eps, PSD, формат CDR Скачать бесплатно.На этом веб-сайте у нас уже есть тысяча бесплатных шаблонов логотипов, загружающих Inqalabgraphics. бесплатная полная настройка логотипа. Скачать векторный PSD и файл CDR. cdr файл дизайна логотипа скачать бесплатно для личного коммерческого использования бесплатные изображения Coreldraw векторный файл иллюстрации.

    векторный логотип corel draw designs cdr-файлы — Изображение предоставлено: www.inqalabgraphics.com

    Гораздо больше информации, относящейся к графическому дизайну. показать несколько лучших советов по coreldraw….. если возникнут проблемы, прокомментируйте мой канал и поделитесь моим видеоуроком со всеми друзьями, спасибо за просмотр …..

    векторное изображение рождественских огней — Изображение предоставлено: www.inqalabgraphics.com

    Дополнительная концепция относительно графического дизайна Cdr File Free Download — это рождественские огни векторное векторное изображение бесплатно миллионный компакт-диск с дизайном сертификата доступен в Интернете, но PSD-файлы с папулярной графикой с сертификатом скачать бесплатно.кроме шаблона вектор дизайн сертификат границы png скачать. скачать бесплатно сертификат cdr Бесплатный вектор У нас есть около (7 векторных файлов) Бесплатный вектор в формате ai, eps, cdr, SVG векторная иллюстрация графика …

    Мы не владеем и не размещаем этот файл 10 Graphics Design Cdr Скачать бесплатно изображение файлов выше, вся заслуга принадлежит владельцу исходного изображения, которое вы можете посетить напрямую. Если у вас есть вопросы, оставьте комментарий в соответствующей колонке.

    Software Ninja: Clojure Patterns: минусы, автомобиль и cdr

    Мой первый взгляд на Clojure был близок к тому, чтобы стать моим последним.Исходя из опыта работы как с Lisp, так и с Java, Clojure казался хорошим способом получить преимущества функционального программирования в среде JVM. Как и многие люди, я все больше разочаровывался в объектно-ориентированном программировании. Слишком много вещей по-прежнему либо слишком сложны, либо просто слишком «шаблонны», то есть к тому, что функциональная парадигма решает более четко.

    Как и любой новый язык, хорошо ткнуть палкой. Соответственно, я запустил REPL и попробовал несколько команд, чтобы посмотреть, что происходит.Моя первая сессия проходила примерно так:

     пользователь> (+ 1 2 3)
    6
    пользователь> (минусы 1 2)
    java.lang.IllegalArgumentException: не знаю, как создать ISeq из: java.lang.Integer (NO_SOURCE_FILE: 0)
    в clojure.lang.Compiler.eval (Compiler.java:5440)
    в clojure.lang.Compiler.eval (Compiler.java:5391)
    в clojure.core $ eval.invoke (core.clj: 2382)
     

    Серьезно? Лисп, который не может против? На этом я отключил REPL и продолжил свою жизнь.

    Некоторое время спустя мой друг снова познакомил меня с Clojure, и я более внимательно посмотрел на него.Есть много вещей, которые можно порекомендовать этому языку, но «сломанных» минусов нет. Модель параллелизма, ленивая модель и последовательности в целом хорошо продуманы и реализованы.

    Однако, поскольку речь идет о новом языке, возникает множество вопросов, которые сводятся к тому, «как мне реализовать X в Clojure»? На таких языках, как Java, есть много материалов по этой теме, часто называемых шаблонами проектирования. Следуя установленным шаблонам, можно реализовать «лучший» код.

    Кто-то скажет, что шаблоны проектирования предназначены для устранения языковых дефектов. Хотя в некоторых случаях это может быть правдой, это определенно не движущая сила, стоящая за этими идеями. Паттерны дизайна существуют уже давно и имеют множество имен. У греков было золотое сечение. Сегодня у нас есть шаблон «16 дюймов по центру». В строительстве принято возводить стены с расстоянием 2х4 16 дюймов друг от друга. Это не значит, что не хватает пиломатериалов, это хорошо зарекомендовавший себя метод изготовления прочных стен.Кроме того, он позволяет правильно работать вместе с проводкой, водопроводом, изоляцией и листовым камнем. Польза ощущается даже спустя годы, когда человеку нужно поработать на стене.

    Та же идея применима и к программному обеспечению. Если программное обеспечение построено с использованием общепринятых шаблонов, у этого программного обеспечения больше шансов интегрироваться в системы сегодня и поддерживаться в будущем.

    Имея это в виду, я представлю несколько шаблонов для использования в Clojure. Эти шаблоны будут получены из личного опыта, из ядра Clojure и из ответов на вопросы, которые люди задают в различных местах сети.

    Первый шаблон будет анти-шаблоном: cons, car и cdr. Поскольку они не существуют в языке, как ожидалось, как правильно реализовать эти идеи в Clojure? Сначала краткая справочная таблица.

    Краткий справочник по шаблонам
    Idea CONS CAR CDR
    Консольная ячейка или пара (пара по умолчанию [1 2]) (первая пара) или (пара 0) (вторая пара) или (пара 1)
    Последовательность или ISeq как список, вектор, набор или карта (def sq (cons 4 [3 2 1])) (первый sq) (rest sq)
    Произвольная структура данных Используйте либо встроенную структуру данных clojure, либо объект Java Доступ зависит от структуры Доступ зависит от структура
    Cons Ячейка или пара

    Как отмечалось ранее, cons-ячейка не является общей структурой данных в Clojure.Если вы хотите создать простую пару значений, рекомендуется использовать вектор. Вектор позволяет быстро создать структуру для хранения одного или нескольких значений, к которым можно быстро получить доступ по индексу, подобно массиву.

    Вектор может быть создан с использованием векторной функции или путем заключения значений в квадратные скобки []. Использование векторов выполняется быстро, а также позволяет расширяться от пары значений до любого набора из n значений. Получить значения можно несколькими способами, в том числе:

    • Функции первая и вторая
    • Использование самого вектора как функции и получение значений по индексу
    • Обработка вектора как последовательности и использование карты, уменьшения и фильтрации.
     пользователь => (по умолчанию пара [1 2])
    # пользователь / пара
    пользователь => (первая пара)
    1
    пользователь => (пара 0)
    1
    пользователь => (вторая пара)
    2
    пользователь => (пара 1)
    2
    пользователь => (уменьшить + пара)
    3
     
    Последовательность или ISeq

    В Лиспе основная абстракция — это список — это просто связанный список cons-ячеек. Заголовок каждой ячейки — это значение, а хвост — ссылка на следующую cons-ячейку в списке. В Clojure основной абстракцией является последовательность, реализованная с помощью интерфейса ISeq.Это позволяет Clojure иметь несколько структур данных более высокого уровня с разной семантикой, которые реализуют этот интерфейс и к которым можно получить доступ аналогичными способами. Эти структуры данных включают списки, наборы, векторы и карты. Все они используются по-разному, но все они доступны классическим способом с помощью таких функций, как map, reduce и filter.

    Функция cons и в Lisp, и в Clojure добавляет элемент в начало списка или последовательности. В Lisp результатом является новый список, а в Clojure результатом является новая последовательность.Конкретная реализация последовательности не имеет такого значения, как тот факт, что она реализует ISeq и, таким образом, может быть обработана должным образом.

     user => (def sq (cons 4 [3 2 1]))
    # пользователь / кв.
    пользователь => sq
    (4 3 2 1)
    пользователь => (первый квадрат)
    4
    пользователь => (остаток sq)
    (3 2 1)
    пользователь => (класс [3 2 1])
    clojure.lang.PersistentVector
    пользователь => (класс sq)
    clojure.lang.Cons
     
    Структуры данных

    В Лиспе можно строить произвольные структуры данных, такие как деревья, используя cons-ячейки.Clojure построен на JVM и, следовательно, имеет доступ к любой структуре данных через взаимодействие Java. Также существует набор встроенных структур данных, которые являются неизменяемыми и поэтому хорошо подходят для языка.

    На этом этапе не будет никаких примеров использования структур данных, поскольку общее использование структур данных в языке выходит за рамки обсуждения cons, car и cdr. По мере обсуждения конкретных шаблонов будут приведены примеры, соответствующие шаблону. Вывод

    Хотя в Clojure отсутствует базовая форма Lisp, оказывается, что при использовании более высоких абстракций те же задачи могут быть выполнены более эффективным образом.К сожалению, в языке отсутствует консольная ячейка, чтобы избежать принципа наименьшего удивления для людей, пришедших из Lisp.

    В следующий раз мы обсудим рекурсию в Clojure, потому что есть неожиданный поворот в том, как она реализована.

    Cdr шаблонов бесплатно

    Kenmore модель элитного холодильника 795 отзывов

    Free Industrial Engineer CDR Template. Если вы квалифицированный промышленный инженер, желающий эмигрировать в Австралию, загрузите этот бесплатный шаблон отчета о демонстрации компетентности промышленного инженера (CDR), который поможет вам начать работу.Все наши бесплатные шаблоны CDR представлены в формате PDF.

    Как сделать этикетки и обложки для CD DVD из готовых к использованию шаблонов. Изготовитель этикеток и обложек для компакт-дисков DVD — это приложение RonyaSoft для ПК с шаблонами компакт-дисков для компакт-дисков, DVD-дисков, дисков Blu-Ray, позволяющее создавать оригинальные и отличительные этикетки для компакт-дисков, легко создавать, редактировать, сохранять и печатать обложки различных размеров, красивые вставки для компакт-дисков и DVD-дисков. , простые бумажные рукава, эксклюзивные футляры оригами.

    Шаблон резюме Cv Скачать векторный файл CorelDraw Cdr бесплатно. Календарь.Исламский календарь Рамадан Дизайн 2021 Бесплатное векторное изображение Скачать файл CDR. Брошюра Trifold. Найдите и загрузите самые популярные шаблоны векторов на Freepik Бесплатно для коммерческого использования Изображения высокого качества, созданные для творческих проектов

    • Скачать бесплатно шаблон Motif Undangan Khitanan Format CDR Corel Draw Gampang Diedit Untuk Usaha Offset дан Percetakan Link menuju ke ziddu.com, ikuti saja лангках-лангках янг ада. Itulah desain undangan bentuk lipat 3 Untuk bisnis percetakan янь semoga bermanfaat дан jangan lupa memberi masukan дан komentar.Osrs onyx amulet

      Echo generator matlab

      Скачать 13,878 cdr бесплатных векторов. Выбирайте из более чем миллиона бесплатных векторных изображений, иллюстраций, векторных изображений, шаблонов дизайна и иллюстраций, созданных художниками со всего мира!

      23 сентября 2020 г. · Free Mockup T Shirt Cdr Загрузите бесплатные и премиальные шаблоны макетов Psd и элементы дизайна. Желтые изображения. Просматривайте их в галерее, а также нанимайте макеты веб-сайтов, которые лучше всего подходят для всей вашей аудитории с особым брендом.

    • 14 ноября 2020 г. · Шаблоны панелей Free CDR Vectors Art — это вектор файла типа CDR, это бесплатный вектор для загрузки, который можно найти в разделах Декоративная панель решетки, Дизайн декоративной панели, Гриль, Рисунок решетки, Шаблоны решетки, Дизайн Джали, Узор Джали, Узоры Джали, Лазер, Узоры Решетки, Орнаментальные Узоры, Панно, Панели, Узоры, Узоры… Общий тормозной путь состоит из мотоцикла

      Текущий процентиль iv против предполагаемой волатильности

      17 декабря 2017 г. — 27 151 Лучший шаблон титульной страницы coreldraw бесплатная векторная загрузка для коммерческого использования в формате векторных иллюстраций ai, eps, cdr, svg, графического дизайна. шаблон титульной страницы coreldraw, бесплатный вектор, шаблон титульной страницы coreldraw, векторный шаблон титульной страницы coreldraw, шаблон титульной страницы книги coreldraw, шаблон деловой титульной страницы coreldraw, титульный лист отчета

      Увеличение CDR с помощью стратегий вмешательства часто было связано с более успешной потерей веса в различных популяциях [17, 18], и некоторые авторы предположили, что повышение уровня CDR является адаптивной стратегией, необходимой для предотвращения восстановления веса, вызванного гомеостатическими факторами в пищевой среде, характеризующейся избытком [18].

    • Photoshop Illustrator Jpeg PDF Word Doc Corel Draw 1 дюйм .psd .ai .jpg .pdf .doc .cdr 1,25 дюйма .psd .ai .jpg .pdf .doc .cdr 1,5 дюйма .psd .ai .jpg .pdf. doc .cdr 1 … Gov2go войти вирджиния

      Azul означает на арабском

      Создавайте собственные наклейки с легкостью с помощью наших бесплатных шаблонов дизайна наклеек. Более 100 шаблонов доступны в форматах Adobe Photoshop, Adobe Illustrator и EPS.

      CDR образцов. Примеры отчетов CDR, которые мы предлагаем здесь, предназначены только для справочных целей. Хотя вы можете найти у нас образец CDR для любой из инженерных дисциплин, мы строго рекомендуем не копировать и вставлять любые материалы из него в окончательный отчет о демонстрации компетенций (CDR), который вы отправляете инженерам Австралии (EA), когда вы подаете заявку на получение квалифицированного миграционная виза.

    • Загрузите бесплатные шаблоны для компакт-дисков и DVD-дисков Disc Makers для вашего проекта. Мы даем вам инструменты, необходимые для создания дизайна вашего CD или DVD, включая доступ по FTP для загрузки файлов. Мы открыты и в настоящее время производим маски для лица в ответ на пандемию COVID-19. Подробнее.Youtube vanced canpercent27t войти в 2020

      Мини-проекты программного обеспечения Xilinx

      Бесплатные шаблоны дизайна брошюр в формате PSD и EPS Корпоративный шаблон брошюры, сложенной в два сложения. Он отличается деловой атмосферой и геометрической привлекательностью, что позволяет представить вашу компанию в соответствующем свете.Он имеет стандартный размер 11 × 8,5 и использует бесплатные шрифты и изображения. Проблемы с клапаном Volvo d13 egr

      25 декабря 2020 г. · Бесплатная загрузка Witch Please — svg, eps, ai, cdr, dxf, png, jpg Бесплатные вырезанные файлы SVG. Файлы вырезки SVG — это графический тип, который можно масштабировать для использования с Silhouette Cameo или Cricut. Файлы вырезки SVG — это графический тип, который можно масштабировать для использования с Silhouette Cameo или Cricut.

    • Скачать шаблон Mockup Hoodie CDR для простого ноутбука / компьютера Anda dengan mengklik tautan download di atas, file merupakan Vector Graphics yang dapat ditingkatkan untuk berbagai ukuran tanpa kehilangan resolusi.Beberapa bahan янь terkandung dalam situs ini adalah postingan dari berbagai sumber. Lexus marketplace

      Arctic King портативный кондиционер 14 000 BTU

      Mefil Naat Flex Design Mehfil Ishtehar Пустой шаблон Бесплатная загрузка Mehfil Ishtehar Pattern Бесплатная загрузка Mehfil e Naat Ishtehar Бесплатная загрузка CDR и EPS Mehfil Flex … Спасение ризеншнауцера Флорида

      Добро пожаловать в Страница бесплатных веб-шаблонов TemplateMonster! Известно, что создание сайта требует много средств, навыков и энергии.А если вы не знакомы с HTML и CSS или просто хотите сэкономить время, наши шаблоны веб-сайтов — идеальное решение для вас.

    • Образцы CDR. Примеры отчетов CDR, которые мы предлагаем здесь, предназначены только для справочных целей. Хотя вы можете найти у нас образец CDR для любой из инженерных дисциплин, мы строго рекомендуем не копировать и вставлять любые материалы из него в окончательный отчет о демонстрации компетенций (CDR), который вы отправляете инженерам Австралии (EA), когда вы подаете заявку на получение квалифицированного миграционная виза.Yerno означает

      Nvidia gpu monitor

      Шаблон календаря 2021 Формат CDR Ленгкап Денган Хиджрия дан Джава Пертама, ада 3 шаблон Ян Сая Милики Дисини. Дан келебихан дари шаблон Ини Адалах Дапат Дедит Уланг, Тепат Антара Хари Либур Атау Хари Пентинг Лайння, Ада 3 Дженис Календер Яиту Масехи, Ислам дан Джава. Новости Chowchilla

      Загрузите лучшие бесплатные шаблоны флаеров для хип-хопа для Photoshop! Изучите нашу коллекцию лучших бесплатных PSD шаблонов для хип-хопа и рэпа в Photoshop, чтобы продвигать свой следующий выпуск микстейпа, вечеринку, битву диджеев, клуб или мероприятие в ночном клубе! Найдите лучшие бесплатные PSD флаеры в стиле хип-хоп.Экономьте деньги и время, используя наши простые в использовании бесплатные шаблоны флаеров хип-хоп для Photoshop! Продвигайте свой будущий Hip …

    Сетевые решения для сбора шаблонов защищают ваши онлайн-транзакции с помощью безопасного шифрования SSL. 200 000+ довольных клиентов по всему миру! 100% удовлетворение гарантировано — или отправьте его обратно для возврата денег! Источник изображения кристаллических шаблонов: Shutterstock

    contoh stempel toko contoh stempel cv contoh stempel legalisir contoh stempel rt contoh stempel lunas contoh stempel makanan contoh stempel yayasan co

    Если вы заметили некоторые области кода, которые можно улучшить, пожалуйста, не стесняйтесь обсуждать это на Форуме разработчиков ядра jQuery.Если вы хотите принять участие в разработке jQuery, посетите наш сайт участников для получения дополнительной информации.

    CDR Construction Daily Reports — это настраиваемое решение для ежедневной отчетности, разработанное для строительной отрасли, которое помогает упростить и автоматизировать процесс отчетности. Ежедневные отчеты, сводки отчетов в формате PDF, управление фотографиями, пользовательские шаблоны отчетов и многое другое.

    Гарантийный депозитный счет арендатора Chase

    Далее в файле cdr_csv.conf.xml шаблон «example» определяется в открывающих и закрывающих тегах , .Поэтому, чтобы изменить то, что регистрируется, вы можете отредактировать пример шаблона или создать новый шаблон и обновить параметр default-template до этого имени шаблона.

    Бесплатная загрузка шаблона CDR для индуистских религиозных гибких баннеров | Hindu Dharmik Jagran Загрузка файлов Corel Draw: Здравствуйте, дизайнеры, здесь, в этой статье, я предлагаю вам гибкие дизайны баннеров индуистской религии в форматах Corel Draw CDR. Вы можете редактировать эти гибкие баннеры Dharmik в своей любимой программе corel draw.

    Osrs ironman crafting guide 2020

    Сегодня мы предоставляем новый чертеж дизайна границ для дизайна книг и электронных книг в CDR, Подробнее… Позвольте мне начать с бесплатного бесплатного обмена красивым, просто нажмите

    Как сделать этикетки и обложки для CD DVD из готовых к использованию шаблонов.

    alexxlab

    Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *