The recent method of data collectio

The recent method of data collection is to address the issues of conventional method by eliminating the reliance on the memory of the respondents. This can be achieved by automatically collecting the travel data, without any input from the participants. For this purpose, a lot of research is focused on the utilization of sensors. Experiments have been conducted using Global System for Mobile (GSM) communications (Anderson and Muller, 2006; Sohn et al., 2006), local area wireless technology (Wi-Fi) (Mun et al., 2008), Global Positioning System (GPS) (Tsui and Shalaby, 2006), accelerometer (Shafique and Hato, 2015) and smartphones (Nham et al., 2008; Reddy et al., 2010). The data from the sensors can be employed to identify the mode of transportation used by the respondent. So without any input required on part of the respondents, their daily trips, which includes the origin, destination, starting time, ending time, mode used and route taken, can be recorded with high accuracy. Usually, a supervised learning algorithm is used to classify the data into various travel modes.

ผลลัพธ์ (ไทย) 1:

วิธีการเก็บรวบรวมข้อมูลล่าสุดคือการ แก้ไขปัญหาของวิธีการทั่วไป โดยการกำจัดการพึ่งพาหน่วยความจำของผู้ตอบ นี้สามารถทำได้ โดยการรวบรวมข้อมูลท่องเที่ยว โดยไม่ต้องป้อนข้อมูลใด ๆ จากผู้เข้าร่วมโดยอัตโนมัติ สำหรับวัตถุประสงค์นี้ มากของการวิจัยจะเน้นการใช้เซนเซอร์ ผู้ดำเนินการทดลองการใช้ระบบสากลสำหรับการสื่อสารมือถือ (GSM) (แอนเดอร์สันและมูลเลอร์ 2006 โชฮ et al. 2006), พื้นที่เทคโนโลยีไร้สาย (Wi-fi) (มูล et al. 2008), โลกตำแหน่งระบบ (GPS) (จุ่ยและ Shalaby, 2006), มาตรวัดความเร่ง (Shafique และฮาโตะ 2015) และสมาร์ทโฟน (Nham et al. 2008 Reddy et al. 2010) ข้อมูลจากเซนเซอร์สามารถนำมาใช้ในการระบุโหมดของการขนส่งที่ใช้ โดยผู้ตอบ ดังนั้น โดยไม่ต้องป้อนข้อมูลใด ๆ ในส่วนของผู้ตอบที่จำเป็น ตัวเดินประจำวัน ซึ่งรวมถึงต้นกำเนิด ปลายทาง เวลาเริ่มต้น เวลาสิ้นสุด โหมดใช้ และเส้นทางนำ สามารถบันทึก มีความแม่นยำสูง มักจะ ขั้นตอนการดูแลการเรียนรู้การใช้ในการแบ่งประเภทข้อมูลเป็นโหมดการเดินทางต่าง ๆ

ผลลัพธ์ (ไทย) 2:

วิธีการที่ผ่านมาของการเก็บรวบรวมข้อมูลคือการแก้ไขปัญหาของวิธีการทั่วไปโดยการกำจัดความเชื่อมั่นในความทรงจำของผู้ตอบแบบสอบถาม นี้สามารถทำได้โดยการเก็บรวบรวมข้อมูลการเดินทางโดยอัตโนมัติโดยไม่ต้องป้อนข้อมูลใด ๆ จากผู้เข้าร่วม เพื่อจุดประสงค์นี้มากของการวิจัยมุ่งเน้นไปที่การใช้ประโยชน์จากเซ็นเซอร์ การทดลองได้รับการดำเนินการโดยใช้ระบบทั่วโลกสำหรับมือถือ (GSM) การสื่อสาร (แอนเดอมุลเลอร์ 2006; Sohn et al, 2006.), พื้นที่เทคโนโลยีไร้สายในประเทศ (Wi-Fi) Global Positioning System ((มูล et al, 2008). จีพีเอส) (Tsui และ Shalaby, 2006), accelerometer (Shafique และ Hato, 2015) และมาร์ทโฟน (แหนม et al, 2008;.. เรดดี้ et al, 2010) ข้อมูลจากเซ็นเซอร์ที่สามารถใช้ในการระบุโหมดการขนส่งที่ใช้โดยผู้ถูกกล่าวหา โดยไม่ต้องป้อนข้อมูลใด ๆ ที่จำเป็นในส่วนของผู้ตอบแบบสอบถามการเดินทางในชีวิตประจำวันซึ่งรวมถึงแหล่งกำเนิดปลายทางเวลาเริ่มต้นเวลาเลิกใช้โหมดและเส้นทางการดำเนินการสามารถบันทึกได้มีความแม่นยำสูง มักจะเป็นขั้นตอนวิธีการเรียนรู้ภายใต้การดูแลถูกนำมาใช้ในการจำแนกข้อมูลลงในโหมดการเดินทางต่างๆ

ผลลัพธ์ (ไทย) 3:

วิธีการล่าสุดของการเก็บข้อมูล คือ การแก้ไขปัญหาของวิธีการเดิม โดยการขจัดการพึ่งพาหน่วยความจำของผู้ตอบแบบสอบถาม นี้สามารถทำได้โดยโดยอัตโนมัติเก็บข้อมูลเดินทางได้โดยไม่ต้องป้อนข้อมูลใด ๆจากผู้เข้าร่วม สำหรับวัตถุประสงค์นี้ มากของการวิจัยจะเน้นการใช้เซ็นเซอร์ การทดลองได้ดำเนินการโดยใช้ระบบสากลสำหรับมือถือ ( GSM ) สื่อสาร ( Anderson และ มุลเลอร์ , 2006 ; ซอน et al . , 2006 ) พื้นที่ เทคโนโลยีไร้สาย ( Wi Fi ) ( มุน et al . , 2008 ) , ระบบตำแหน่งทั่วโลก ( GPS ) และ ปีเตอร์ shalaby , 2006 ) , และ accelerometer ( shafique โตะ 2015 ) และมาร์ทโฟน ( แหนม et al . , 2008 ; เรดดี้ et al . , 2010 ) ข้อมูลจากเซ็นเซอร์ที่สามารถนำมาใช้เพื่อระบุโหมดของการขนส่งที่ใช้ โดยผู้ตอบ โดยไม่ต้องป้อนข้อมูลใด ๆที่จำเป็นในส่วนของผู้ตอบแบบสอบถาม , การเดินทางทุกวันของพวกเขา ซึ่งรวมถึง ต้นทาง ปลายทาง เริ่มต้น เวลา สิ้นสุดเวลา โหมด และใช้เส้นทาง สามารถบันทึกที่มีความถูกต้องสูง โดยปกติ การใช้อัลกอริทึมการเรียนรู้วิเคราะห์ข้อมูลในโหมดท่องเที่ยวต่าง ๆ