Using GPS Data to UnderstandDriving

Using GPS Data to Understand
Driving Behavior
Joe Grengs, Xiaoguang Wang, and Lidia Kostyniuk
T
RAVEL-DEMAND modeling is evolving away from
relying on crude data aggregated at large urban zones
toward using highly disaggregated approaches where
individual travelers are modeled by interacting with fine-grained
spatial settings represented by parcel data. And the conceptual
framework that supports travel-demand modeling is moving away
from understanding travel as a series of trips toward a view of
people interacting with their surroundings as a series of activities.
This evolution in travel-demand modeling has given rise to analysis that combines highly detailed travel data collected through
global positioning systems (GPS) with techniques in geographic
information systems (GIS). Collecting travel-behavior data by
GPS offers several important advantages over conventional trip
diary surveys: GPS data can be collected over much longer
periods of time than the typical two-day diary; they do not rely
on the memory and estimates of a survey respondent; and they
provide linkages among complex trips, tours, and daily travel patterns. The most important advantage of GPS data is that they allow
us to address the dynamic properties of travel behavior by capturing detailed spatial, temporal, and attribute conditions throughout
the full length of the traveling experience. Unlike conventional
travel diaries that provide no information between origins and destinations, GPS data offer insights into the traveler’s choices and
decisions while en route. However, despite these advantages,

GPS data present significant challenges that hinder their widespread adoption for travel behavior studies. The volume of data
is massive, and converting points of data into a meaningful
model of highly complex travel—with trip-chains of multiple
activities and purposes—makes for a cumbersome database
design.
This paper investigates driving behavior based on GPS data
collected by the University of Michigan Transportation Research
Institute (UMTRI). The database contains driving data for 78
drivers living in the Detroit metropolitan region in 2004, with
automobile use tracked on a day-to-day basis for four weeks,
with geographic positions captured every second by GPS. We
combine the GPS data with geocoded street addresses of business
establishments, land-use polygons, aerial photographs, census
data, and road attributes. The paper has two main objectives.
The first is to explain methodological challenges of converting
an enormous set of geocoded data points into a meaningful database that describes the complexity of trips and tours. The second
objective is to describe in a detailed manner the driving characteristics of a single driver over the course of a month of driving, to
illustrate the kinds of valuable lessons that transportation analysts
can learn from GPS data. We find that common travel patterns are
more complex than generally understood from traditional travel
surveys and that transportation engineers and planners can
benefit from GPS data used as a new technology for travel study.

ผลลัพธ์ (ไทย) 1:

โดยใช้ข้อมูลจีพีเอสที่จะเข้าใจพฤติกรรมการขับรถ

joe grengs, Xiaoguang วังและ lidia kostyniuk
T
คลายการสร้างแบบจำลองความต้องการในการพัฒนาห่างจาก
อาศัยข้อมูลดิบรวมที่เขตเมืองใหญ่
ไปใช้วิธีการ disaggregated สูงที่
เดินทางแต่ละ การสร้างแบบจำลองโดยการโต้ตอบกับการตั้งค่าความละเอียด
อวกาศแสดงโดยข้อมูลพัสดุ และแนวความคิด
กรอบการทำงานที่สนับสนุนการสร้างแบบจำลองการเดินทางความต้องการจะย้ายออกไป
จากการเดินทางความเข้าใจเป็นชุดของการเดินทางไปยังมุมมองของคน
มีปฏิสัมพันธ์กับสภาพแวดล้อมของพวกเขาเป็นชุดของกิจกรรม.
วิวัฒนาการในการสร้างแบบจำลองการเดินทางความต้องการนี​​้ได้ก่อให้เกิดการวิเคราะห์ที่รวม รายละเอียดสูงข้อมูลการเดินทางที่รวบรวมได้
ระบบตำแหน่งทั่วโลก (GPS) กับเทคนิคในทางภูมิศาสตร์
ระบบสารสนเทศ (GIS) การเก็บรวบรวมข้อมูลพฤติกรรมการเดินทางโดย
จีพีเอสมีข้อดีที่สำคัญหลายกว่าการเดินทางแบบธรรมดา
สำรวจไดอารี่: ข้อมูลจีพีเอสสามารถเก็บได้นานกว่าระยะเวลา
เวลากว่าไดอารี่สองวันโดยทั่วไปพวกเขาไม่พึ่งพา
ในหน่วยความจำและการประมาณการ ผู้ตอบการสำรวจ; และพวกเขา
ให้ความเชื่อมโยงระหว่างการเดินทางที่ซับซ้อนทัวร์และรูปแบบการเดินทางในชีวิตประจำวันข้อได้เปรียบที่สำคัญที่สุดของข้อมูล GPS ก็คือพวกเขาช่วยให้เรา
ที่อยู่สมบัติเชิงพลวัตของพฤติกรรมการเดินทางโดยจับเงื่อนไขอวกาศชั่วขณะและแอตทริบิวต์รายละเอียดตลอด
ชั่นเต็มรูปแบบของประสบการณ์การเดินทาง ซึ่งแตกต่างจากการชุมนุม
สมุดบันทึกการเดินทางที่ให้ข้อมูลระหว่างแหล่งกำเนิดและสถานที่ไม่มีข้อมูลจีพีเอสให้ข้อมูลเชิงลึกในการเลือกของนักท่องเที่ยวและ
การตัดสินใจในระหว่างการเดินทาง อย่างไรก็ตามแม้จะมีข้อดีเหล่านี้

ข้อมูลจีพีเอสนำเสนอความท้าทายที่สำคัญที่เป็นอุปสรรคต่อการยอมรับอย่างกว้างขวางของพวกเขาสำหรับการศึกษาพฤติกรรมการเดินทาง ปริมาณของข้อมูลที่
เป็นใหญ่และการแปลงจุดของข้อมูลในรูปแบบที่มีความหมาย
จากการเดินทางด้วยการเดินทางโซ่ของกิจกรรม
และหลายวัตถุประสงค์จะทำให้ฐานข้อมูลที่ยุ่งยากซับซ้อนมากการออกแบบ
.
กระดาษนี้สำรวจพฤติกรรมการขับรถบนพื้นฐานของข้อมูลจีพีเอส
ที่เก็บรวบรวมโดยมหาวิทยาลัยมิชิแกนขนส่ง
วิจัยสถาบัน (umtri) ฐานข้อมูลมีข้อมูลสำหรับการขับรถ 78 ไดรเวอร์
ที่อาศัยอยู่ในภูมิภาคดีทรอยต์เมโทรโพลิแทนในปี 2004 มีการใช้รถยนต์
ติดตามในแต่ละวันต่อวันสำหรับสี่สัปดาห์
ด้วยตำแหน่งทางภูมิศาสตร์จับทุกวินาทีโดยจีพีเอส เรา
รวมข้อมูลจีพีเอสที่มีที่อยู่ถนน geocoded ของธุรกิจของสถ​​านประกอบการ
รูปหลายเหลี่ยมการใช้ที่ดิน, ภาพถ่ายทางอากาศ, ข้อมูลสำมะโนประชากร
, และคุณสมบัติถนน กระดาษที่มีสองวัตถุประสงค์หลัก.
แรกคือการอธิบายความท้าทายระเบียบวิธีการของการแปลง
ชุดมหาศาลของจุดข้อมูล geocoded ลงในฐานข้อมูลที่มีความหมายที่อธิบายถึงความซับซ้อนของการเดินทางและการท่องเที่ยว
ที่สองวัตถุประสงค์คือการอธิบายในลักษณะรายละเอียดลักษณะการขับขี่ของผู้ขับขี่เพียงคนเดียวในช่วงเดือนแรกของการขับรถเพื่อที่จะแสดงให้เห็นถึง
ทุกชนิดของบทเรียนที่มีคุณค่าที่นักวิเคราะห์การขนส่ง
สามารถเรียนรู้จากข้อมูล GPS เราพบว่ารูปแบบการเดินทางร่วมกัน
ซับซ้อนมากกว่าที่เข้าใจกันโดยทั่วไปจากการสำรวจแบบดั้งเดิมการเดินทาง
และที่วิศวกรและนักวางแผนการขนส่งสามารถ
ได้รับประโยชน์จากข้อมูลจีพีเอสมาใช้เป็นเทคโนโลยีใหม่สำหรับการศึกษาการเดินทาง.

ผลลัพธ์ (ไทย) 2:

ใช้ข้อมูลจีพีเอสไปยังเข้าใจ
พฤติกรรมขับรถ
Joe Grengs วัง Xiaoguang และ Lidia Kostyniuk
T
โมเดลราเวลต้องมีการพัฒนาจาก
อาศัยข้อมูลดิบรวมเขตเมืองใหญ่
ต่อโดยใช้วิธี disaggregated สูงที่
นักท่องเที่ยวแต่ละที่จำลอง โดยการติดต่อกับเม็ด fine
ค่าพื้นที่แสดงข้อมูลพัสดุ และแนวคิดการ
กรอบที่สนับสนุนความต้องการในโมเดลจะย้ายไป
จากสหรัฐเข้าใจเป็นชุดเดินทางไปยังมุมมองของ
คนที่โต้ตอบกับสิ่งแวดล้อมเป็นชุดของกิจกรรม
นี้วิวัฒนาการในการสร้างแบบจำลองความต้องการเดินทางให้เพิ่มขึ้นเพื่อวิเคราะห์ลงที่รายละเอียดสูงรวมรวบรวมข้อมูล
โลกตำแหน่งระบบ (GPS) ด้วยเทคนิคทางภูมิศาสตร์
ระบบสารสนเทศ (GIS) เก็บรวบรวมข้อมูลในลักษณะโดย
GPS มีประโยชน์สำคัญหลายผ่านเดินธรรมดา
สำรวจไดอารี่: สามารถเก็บข้อมูล GPS ผ่านมากอีกต่อไป
ระยะเวลากว่า 2 วันไดอารี่ทั่วไป พวกเขาไม่ใช้
บนหน่วยความจำและการประเมินของผู้ตอบแบบสำรวจ และพวกเขา
ให้ความเชื่อมโยงระหว่างเดินทางซับซ้อน ทัวร์ และวันเดินทางรูปแบบการ ประโยชน์สำคัญที่สุดของข้อมูล GPS คือ ว่า จะอนุญาต
เราคุณสมบัติแบบไดนามิกของการเดินทางทำงาน โดยการจับรายละเอียดพื้นที่ ชั่วคราว และกำหนดเงื่อนไขตลอด
ยาวเต็มประสบการณ์เดินทาง แตกต่างจากปกติ
ไดอารีส์สหรัฐที่ให้ข้อมูลระหว่างต้นกำเนิด และสถานที่ท่องเที่ยว ข้อมูล GPS นำเสนอทางเลือกของนักท่องเที่ยวเจาะลึก และ
การตัดสินใจในขณะที่ทาง อย่างไรก็ตาม แม้ มีข้อดีเหล่านี้,

ข้อมูลจีพีเอสนำเสนอความท้าทาย significant ที่ขัดขวางการยอมรับอย่างแพร่หลายสำหรับศึกษาพฤติกรรมการเดินทาง ปริมาณของข้อมูล
เป็นจุดขนาดใหญ่ และแปลงข้อมูลที่มีความหมาย
รูปแบบของการท่องเที่ยวสูงซับซ้อน — กับโกโซ่ของหลาย
กิจกรรมและวัตถุประสงค์ — สำหรับฐานข้อมูลที่ยุ่งยาก
ออกแบบ
กระดาษนี้ตรวจสอบลักษณะการทำงานขับตาม GPS ข้อมูล
รวบรวม โดยมหาวิทยาลัยมิชิแกนขนส่งวิจัย
สถาบัน (UMTRI) ฐานข้อมูลประกอบด้วยข้อมูลขับขี่ 78
ไดรเวอร์อยู่ในปริมณฑลดีทรอยต์ในปี 2004 กับ
ติดตามในแต่ละวันในสัปดาห์ที่ 4 การใช้รถยนต์
กับตำแหน่งทางภูมิศาสตร์จับทุกวินาที ด้วยจีพีเอส เรา
รวมข้อมูล GPS กับ geocoded อยู่ถนนธุรกิจ
สถานประกอบการ ที่ดินใช้รูปหลายเหลี่ยม รูปถ่ายทางอากาศ บ้าน
ข้อมูล และถนนแอตทริบิวต์ กระดาษมีสองหลักวัตถุประสงค์.
first จะอธิบายความท้าทาย methodological ของแปลง
ชุดมหาศาลของจุดข้อมูล geocoded ลงในฐานข้อมูลที่มีความหมายที่อธิบายความซับซ้อนของทริปและทัวร์ ที่สอง
วัตถุประสงค์คือการ อธิบายลักษณะรายละเอียดลักษณะการขับของโปรแกรมควบคุมเดียวในช่วงหนึ่งเดือนของการขับรถ ไป
แสดงชนิดของบทเรียนที่มีคุณค่านักวิเคราะห์ที่ขนส่ง
สามารถเรียนรู้จากข้อมูล GPS ได้ เรา find ที่มีรูปแบบการท่องเที่ยวทั่วไป
ซับซ้อนมากขึ้นกว่าที่เข้าใจโดยทั่วไปจากการเดินทางแบบดั้งเดิม
สำรวจและให้วิศวกรขนส่งและการวางแผนสามารถ
benefit จากข้อมูล GPS ที่ใช้เป็นเทคโนโลยีใหม่สำหรับการเดินทางศึกษา

ผลลัพธ์ (ไทย) 3:

การใช้ข้อมูล GPS เพื่อทำความเข้าใจพฤติกรรมการขับรถ

Joe grengs ,ยอดวังและ lidia kostyniuk

ซึ่งจะช่วยทำให้ยุ่ง T - การสร้างแบบจำลองความต้องการมีการพัฒนาอยู่ห่างจาก
ซึ่งจะช่วยโดยอาศัยข้อมูลที่รวบรวมไว้ที่ราคาน้ำมันดิบขนาดใหญ่ในเมืองโซน
ทางโดยใช้วิธีการที่สมเป็นอย่างสูง
แบบเฉพาะรายนักเดินทางได้รับโดยการติดต่อกับ fine ละเอียด
ซึ่งจะช่วยการตั้งค่าช่องนำเสนอโดยห่อข้อมูล. และที่ทางความคิดตอบแทน
กรอบที่สนับสนุนการเดินทางมีความต้องการการสร้างแบบจำลองการย้ายไป
จากการทำความเข้าใจการเดินทางเป็นชุดของการเดินทางไปสู่วิวทิวทัศน์ของ
ซึ่งจะช่วยผู้ใช้งานของพวกเขามี สภาพแวดล้อม เป็นชุดของกิจกรรม.
วิวัฒนาการนี้ในการเดินทางมีความต้องการการสร้างแบบจำลองขึ้นเพื่อการวิเคราะห์เป็นอย่างสูงที่ประกอบด้วยรายละเอียดการเดินทางข้อมูลที่เก็บรวบรวมผ่านทาง
Global Positioning Systems ( GPS )พร้อมด้วยเทคนิคในทาง ภูมิศาสตร์
ข้อมูลระบบ( GIS ) การรวบรวมข้อมูลการเดินทางโดยพฤติกรรม
GPS จัดให้บริการประโยชน์สำคัญหลายอย่างมากกว่าการสำรวจการเดินทาง
ไดอารี่ทั่วไปข้อมูล GPS จะสามารถทำการรวบรวมข้อมูลมากกว่าช่วงเวลาอีกไม่นาน
ซึ่งจะช่วยในช่วงเวลากว่าไดอารี่แบบสองวันรายการตามแบบอย่างที่พวกเขาไม่ได้ต้องอาศัย
ซึ่งจะช่วยประมาณการและในหน่วยความจำของจำเลยการสำรวจและ
ซึ่งจะช่วยจัดให้บริการคอมเพล็กซ์ความเชื่อมโยงระหว่างการเดินทางทัวร์ท่องเที่ยวและรูปแบบการเดินทางทุกวันส่วนมากใช้ประโยชน์จากที่มีความสำคัญอย่างสูงสุดของข้อมูล GPS ที่ตามมาก็คือทำให้
ซึ่งจะช่วยเราในการแอดเดรสของไดนามิกของพฤติกรรมการเดินทางด้วยการถ่ายแบบ Temporal Key Integrity Protocol และแอตทริบิวต์รายละเอียดเงื่อนไขตลอดทั่วทั้งพื้นที่ความยาวเต็มพื้นที่
ของประสบการณ์การเดินทางที่ ไม่เหมือนกับการเขียน
การเดินทางแบบเดิมที่ไม่ได้ให้ข้อมูลระหว่างปลายทางและต้นกำเนิดข้อมูล GPS จัดให้บริการข้อมูลเชิงลึกในทางเลือกของนักเดินทางและ
การตัดสินใจในขณะที่ในระหว่างเส้นทาง. อย่างไรก็ตามแม้จะมีข้อดีเหล่านี้ข้อมูล

GPS ปัจจุบันความท้าทาย significant ที่เป็นอุปสรรคของการใช้งานอย่างแพร่หลายสำหรับการศึกษาพฤติกรรมการเดินทาง ปริมาณของข้อมูล
ซึ่งจะช่วยเป็นจำนวนมากและการแปลงจุดของข้อมูลลงในรุ่นนี้มีความหมาย
ของคอมเพล็กซ์ระดับสูงเดินทาง - พร้อมด้วยการเดินทางแบบไปกลับ - โซ่ตรวนของหลายคน
ซึ่งจะช่วยกิจกรรมและการใช้งาน - ทำให้ฐานข้อมูลมีความยุ่งยาก
ซึ่งจะช่วยการออกแบบ.
เอกสารนี้ทำการพิจารณาข้อสงสัยทั้งหมดของพฤติกรรมการขับรถที่ใช้ข้อมูล GPS
ซึ่งจะช่วยเก็บรวบรวมโดยมหาวิทยาลัยมิชิแกนบริการรับส่งการวิจัย
สถาบัน( umtri ) ฐานข้อมูลที่ประกอบด้วยการขับรถสำหรับการใช้ข้อมูล 78
ไดรเวอร์อาศัยอยู่ในเขตพื้นที่เมือง Detroit ในปี 2004 พร้อมด้วยการใช้
รถยนต์ติดตามในแต่ละวันวันที่สี่สัปดาห์
มีตำแหน่งทาง ภูมิศาสตร์ จับทุกวินาทีโดย GPS เรา
ตามมาตรฐานประกอบด้วยข้อมูล GPS พร้อมด้วยแอดเดรสของถนนเสร็จเรียบร้อยแล้วทางธุรกิจ
ร้านค้าการใช้ที่ดินรูปหลายเหลี่ยม ภาพถ่าย ทางอากาศการสำรวจสำมะโนประชากร
ข้อมูลและแอททริบิวถนน กระดาษที่มีสองวัตถุประสงค์หลัก.
first คือการอธิบายถึงความท้าทายของการแปลงปวงชนตั้งค่าขนาดใหญ่
ซึ่งจะช่วยให้จุดข้อมูลเสร็จเรียบร้อยแล้วลงในฐานข้อมูลที่มีความหมายว่าจะอธิบายความซับซ้อนของทัวร์ท่องเที่ยวและการเดินทาง
ตามมาตรฐานที่สองที่โดยมีวัตถุประสงค์คือการอธิบายอย่างละเอียดในลักษณะการขับรถของพนักงานขับรถคนเดียวมากกว่าหลักสูตรของเดือนแห่งการขับรถไปยัง
ซึ่งจะช่วยแสดงให้เห็นถึง ประเภท ของบทเรียนที่มีค่าที่นักวิเคราะห์บริการรับส่ง
สามารถเรียนรู้ได้จากข้อมูล GPS เรา find ว่ารูปแบบการเดินทางทั่วไปจะ
ซับซ้อนมากขึ้นโดยทั่วไปแล้วทำความเข้าใจจากการเดินทางแบบดั้งเดิมและการสำรวจความคิดเห็น
ซึ่งจะช่วยให้นักวางแผนและวิศวกรบริการรับส่งสามารถ
รับประโยชน์จากข้อมูล GPS ใช้เป็นเทคโนโลยีใหม่สำหรับการศึกษาการเดินทาง.