Destination choice models play a critical role in transportation demand analysis. However, collecting individual destination choices at a large scale is costly and time consuming. In this context, the availability of location based social media (LBSM) data gives us the opportunity to gather destination choice behavior of a large number of people in a continuous basis. In this paper, we present methods to extract and analyze large-scale data collected from Twitter for modeling travelers' destination choice behavior. We have adopted filtering steps to remove social bots from the dataset and prepare a reliable sample for analysis. We have created a joint database combining social media data with traditional census tract based socio-economic, land-use and infrastructure data. Using this dataset, we have estimated a Panel Latent Segmentation Multinomial Logit (PLSMNL) model which offers better insights on individual destination choices compared to machine learning/data mining methods. Estimated parameters indicate that the proposed PLSMNL intuitively assign destinations by trip purpose (shopping, recreational and other), gender, weekday (or weekend) and home zone land use measures. The results offer intuitive insights and highlight the applicability of social media data for destination choice analysis. Thus, this study demonstrates how we can potentially complement traditional travel survey-based data collection efforts with emerging social media data. [Pre-print of the article published in the Journal of Choice Modeling. The published article is available at https://doi.org/10.1016/j.jocm.2019.03.002]

中文翻译：

---

使用基于位置的社交媒体数据进行目的地选择建模

目的地选择模型在运输需求分析中起着至关重要的作用。但是，大规模收集各个目的地选择既昂贵又费时。在这种情况下，基于位置的社交媒体（LBSM）数据的可用性为我们提供了连续收集大量人员的目的地选择行为的机会。在本文中，我们提出了提取和分析从Twitter收集的大量数据以对旅行者的目的地选择行为进行建模的方法。我们采取了过滤步骤，从数据集中删除了社交机器人，并准备了可靠的样本进行分析。我们创建了一个联合数据库，将社交媒体数据与基于传统人口普查的社会经济，土地利用和基础设施数据相结合。使用此数据集，我们估计了面板潜在分割多项式Lo​​git（PLSMNL）模型，与机器学习/数据挖掘方法相比，该模型可以更好地了解各个目的地的选择。估计的参数表明，所提议的PLSMNL通过旅行目的（购物，娱乐和其他），性别，工作日（或周末）和居住区土地使用措施直观地分配目的地。结果提供了直观的见解，并突出了社交媒体数据在目的地选择分析中的适用性。因此，这项研究证明了我们如何利用新兴的社交媒体数据来潜在地补充基于传统旅行调查的数据收集工作。[在《选择建模杂志》上发表的文章的预印本。已发布的文章可在https://doi.org/10.1016/j.jocm.2019.03.002中获得] 娱乐和其他），性别，工作日（或周末）和家庭区域土地使用措施。结果提供了直观的见解，并突出了社交媒体数据在目的地选择分析中的适用性。因此，这项研究证明了我们如何利用新兴的社交媒体数据来潜在地补充基于传统旅行调查的数据收集工作。[在《选择建模杂志》上发表的文章的预印本。已发布的文章可在https://doi.org/10.1016/j.jocm.2019.03.002获得] 娱乐和其他），性别，工作日（或周末）和家庭区域土地使用措施。结果提供了直观的见解，并突出了社交媒体数据在目的地选择分析中的适用性。因此，这项研究证明了我们如何利用新兴的社交媒体数据来潜在地补充基于传统旅行调查的数据收集工作。[在《选择建模杂志》上发表的文章的预印本。已发布的文章可在https://doi.org/10.1016/j.jocm.2019.03.002获得] 这项研究表明，我们如何利用新兴的社交媒体数据来潜在地补充基于传统旅行调查的数据收集工作。[在《选择建模杂志》上发表的文章的预印本。已发布的文章可在https://doi.org/10.1016/j.jocm.2019.03.002获得] 这项研究表明，我们如何利用新兴的社交媒体数据来潜在地补充基于传统旅行调查的数据收集工作。[在《选择建模杂志》上发表的文章的预印本。已发布的文章可在https://doi.org/10.1016/j.jocm.2019.03.002获得]