There are several methods to discov

There are several methods to discover travel demand. Such can be the use of questionnaires or the application of a “check in – check out” e-ticketing system.
The application of an e-ticketing system can collect very detailed and accurate time dependent data day by day. But the establishment of such a system is very expensive and for a small bus operator unrealistic.
Another possible way is to organise questioners, but this costs a lot of financial resources and needs a large number of employees. Furthermore, the accuracy and reliability of the data are not always perfect, because reliable data need a large sample several times a day.
As an example, we can see a Hungarian city with 30,000 trips /day. This means about 7,000 trips in the morning peak period. The city can be divided into 25 zones, which means 625 possible trip relations. Some of these possibilities are not realistic or are used by only a few passengers; therefore, the number of real transport connections are about 100. If it is needed to take a sample from the morning peak, we have a basis of 7,000 persons. We can discover only the relations with at least 70 passengers, which means the incidence ratio is P=0,01. With the use of the common reliability of 95% and 10% relative error, the sample size is as follows (Eq. (1)).

ผลลัพธ์ (ไทย) 1:

มีหลายวิธีเพื่อค้นพบความต้องการเดินทาง เช่นสามารถใช้แบบสอบถามหรือแอพลิเคชันของการ "เช็คอินเช็คเอาท์" อีจองตั๋วระบบ
แอพลิเคชันระบบตั๋วอีสามารถรวบรวมข้อมูลขึ้นอยู่กับเวลาอย่างละเอียด และถูกต้องแต่ละวันได้ แต่การจัดตั้งระบบดังกล่าวมีราคาแพงมาก และ สำหรับผู้ประกอบการรถโดยสารประจำทางขนาดเล็กไม่
อีกวิธีหนึ่งอาจจะจัด questioners แต่นี้ต้นทุนทรัพยากรทางการเงินจำนวนมาก และต้องการพนักงานเป็นจำนวนมาก นอกจากนี้ ความถูกต้องและความน่าเชื่อถือของข้อมูลมักไม่สมบูรณ์แบบ เนื่องจากข้อมูลที่เชื่อถือได้ตัวอย่างขนาดใหญ่หลายครั้งวัน
เป็นตัวอย่าง เราสามารถเห็นการเมืองฮังการีกับทริ 30000/วัน นี้หมายความว่า ประมาณ 7000 เที่ยวในระยะเวลาช่วงเช้า เมืองสามารถจะแบ่งเป็นโซน 25 ซึ่งหมายความว่า ความสัมพันธ์เดินทางไปได้ 625 บางประการเหล่านี้ไม่เป็นจริง หรือใช้เพียงไม่กี่ผู้โดยสาร ดังนั้น จำนวนการเชื่อมต่อการขนส่งจริงมีประมาณ 100 การใช้ตัวอย่างจากจุดสูงสุดตอนเช้า เรามีพื้นฐาน 7000 คน เราสามารถค้นพบความสัมพันธ์กับผู้โดยสารน้อย 70 ซึ่งหมายความว่า อัตราอุบัติการณ์เป็น P = 0, 01 มีการใช้ความน่าเชื่อถือทั่วไป 95% และ 10% พลาดญาติ ขนาดตัวอย่างมีดังนี้ (Eq. (1))

ผลลัพธ์ (ไทย) 2:

มีหลายวิธีที่จะค้นพบความต้องการการเดินทางที่ ดังกล่าวสามารถใช้แบบสอบถามหรือการใช้ "เช็คอิน - เช็คเอาท์" อีจองตั๋วระบบ
การประยุกต์ใช้ระบบ e-ticketing สามารถเก็บรายละเอียดมากและถูกต้องเวลาวันขึ้นอยู่กับข้อมูลตามวัน แต่การจัดตั้งระบบดังกล่าวมีราคาแพงมากและสำหรับผู้ประกอบการรถโดยสารขนาดเล็กที่ไม่สมจริง
อีกวิธีหนึ่งที่เป็นไปได้คือการจัดระเบียบคนถาม แต่ตอนนี้ค่าใช้จ่ายจำนวนมากของทรัพยากรทางการเงินและความต้องการเป็นจำนวนมากของพนักงาน นอกจากนี้ความถูกต้องและความน่าเชื่อถือของข้อมูลที่ไม่เคยสมบูรณ์แบบเพราะข้อมูลที่เชื่อถือได้ต้องมีตัวอย่างขนาดใหญ่หลายครั้งต่อวัน
เป็นตัวอย่างที่เราสามารถมองเห็นเมืองฮังการี 30,000 เดินทาง / วัน ซึ่งหมายความว่าประมาณ 7,000 การเดินทางในช่วงเวลาเร่งด่วนตอนเช้า เมืองที่สามารถแบ่งออกเป็น 25 โซนซึ่งหมายถึงความสัมพันธ์ที่ 625 การเดินทางที่เป็นไปได้ บางส่วนของเหล่านี้มีความเป็นไปได้ที่ไม่เป็นจริงหรือมีการใช้โดยผู้โดยสารเพียงไม่กี่ดังนั้นจำนวนการเชื่อมต่อการขนส่งจริงที่มีประมาณ 100 ถ้ามันเป็นสิ่งจำเป็นที่จะใช้ตัวอย่างจากจุดสูงสุดในช่วงเช้าเรามีพื้นฐานของ 7,000 คน เราสามารถค้นพบเพียงความสัมพันธ์กับอย่างน้อย 70 ผู้โดยสารซึ่งหมายความว่าอัตราการเกิดเป็น P = 0.01 ด้วยการใช้ความน่าเชื่อถือร่วมกันของ 95% และ 10% เมื่อเทียบกับข้อผิดพลาดที่ขนาดของกลุ่มตัวอย่างมีดังนี้ (สมการ (1))

ผลลัพธ์ (ไทย) 3:

มีหลายวิธีที่จะค้นพบความต้องการเดินทาง ดังกล่าวสามารถใช้ในการ " ตรวจสอบและเช็คบัตรโดยสาร e
" ระบบของการใช้บัตรโดยสาร e ระบบสามารถเก็บรายละเอียดมาก และแม่นยำเวลาขึ้นอยู่กับข้อมูลในแต่ละวัน แต่การจัดตั้งระบบดังกล่าวมีราคาแพงมากและเป็นรถบัสขนาดเล็ก
ผู้ประกอบการที่ไม่สมจริงเป็นไปได้ อีกวิธี คือการจัดระเบียบคนถาม แต่ค่าใช้จ่ายนี้มากของทรัพยากรทางการเงินและความต้องการเป็นจำนวนมากของพนักงาน นอกจากนี้ ความถูกต้องและความน่าเชื่อถือของข้อมูลที่ไม่ได้เสมอที่สมบูรณ์แบบ เพราะข้อมูลที่เชื่อถือได้ต้องตัวอย่างใหญ่วันละหลายๆ ครั้ง
ตัวอย่าง เราสามารถเห็นเมืองฮังการีด้วย 30 เที่ยว / วัน นี้หมายความว่า ประมาณ 7000 ทริปในช่วงเช้า .เมืองแบ่งเป็น 25 โซน ซึ่งหมายความว่า คุณได้เดินทางประชาสัมพันธ์ . บางส่วนของความเป็นไปได้เหล่านี้จะไม่สมจริง หรือจะใช้เพียงไม่กี่คน ดังนั้น จำนวนของการเชื่อมต่อการขนส่งจริงประมาณ 100 ถ้ามันเป็นสิ่งจำเป็นที่จะใช้ตัวอย่างจากช่วงเช้า เรามีพื้นฐานของ 7 , 000 คน เราสามารถค้นพบเพียงความสัมพันธ์ที่มีอย่างน้อย 70 คนซึ่งหมายความว่าอัตราอุบัติการณ์คือ P = 0,01 . ด้วยการใช้เครื่องมือทั่วไป 95 % และ 10 % ค่าคลาดเคลื่อนสัมพัทธ์ ตัวอย่างมีขนาดดังนี้ ( อีคิว ( 1 )