TRAVEL-DEMAND modeling is evolving

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.

Why Use GPS Data for Travel Behavior Research?
Transportation engineers and planners in the United States generally collect data on daily travel patterns using self-reported
written diaries and telephone surveys. These conventional travel
surveys have the advantage of being fairly straightforward to
administer and the data collected are easy to manage. Selfreported surveys are particularly useful for travel behavior
studies because a person can describe the exact nature of the
purpose for taking a trip, such as to go shopping, to visit friends,
or to eat a meal at a restaurant.
But conventional travel surveys have several serious limitations for travel behavior research. First, the self-reporting of
data is known to be unreliable. People typically underreport
short trips, and underestimate trip durations and misrepresent the
time that a trip starts and ends. Trip destination locations arereported inconsistently, such as listing the nearest main intersection when a street address is unknown. A second disadvantage is
that self-reported surveys are collected over very short time
periods, typically over two days. Third, these self-reported
surveys fail to capture important spatial information about trips
because they collect data on individual trips by aggregating
them to traffic analysis zones (TAZs) for analysis and modeling.
Points of origin and destination for each trip are coded to a
TAZ, so that travel behavior at small scales within a TAZ is
lost. Furthermore, this method of limiting data collection to trip
end locations leaves no information about travel behavior
between origin and destination, so that the actual route traveled
between TAZs is unknown. Transportation planners must resort
to such methods as route choice modeling or shortest path networks to ascertain the route between TAZs.

ผลลัพธ์ (ไทย) 1:

T
คลายการสร้างแบบจำลองความต้องการในการพัฒนาห่างจาก
อาศัยข้อมูลดิบรวมที่เขตเมืองใหญ่
ไปใช้วิธีการ disaggregated สูงที่
เดินทางแต่ละรูปแบบโดยการโต้ตอบกับการตั้งค่าความละเอียด
อวกาศแสดงโดยข้อมูลพัสดุ และกรอบ
แนวคิดที่สนับสนุนการสร้างแบบจำลองการเดินทางความต้องการจะย้ายออกไป
จากความเข้าใจการท่องเที่ยวเป็นชุดของการเดินทางไปยังมุมมองของคน
มีปฏิสัมพันธ์กับสภาพแวดล้อมของพวกเขาเป็นชุดของกิจกรรม.
วิวัฒนาการในการสร้างแบบจำลองการเดินทางความต้องการนี​​้ได้ก่อให้เกิดการวิเคราะห์ที่รวมข้อมูลการเดินทางรายละเอียดสูงเก็บรวบรวมผ่าน
ระบบตำแหน่งทั่วโลก ( จีพีเอส) กับเทคนิคในทางภูมิศาสตร์
ระบบสารสนเทศ (GIS) การเก็บรวบรวมข้อมูลพฤติกรรมการเดินทางโดย
จีพีเอสมีข้อดีที่สำคัญหลายกว่าการเดินทางแบบธรรมดา
สำรวจไดอารี่: ข้อมูลจีพีเอสสามารถเก็บได้นานกว่าระยะเวลา
เวลากว่าไดอารี่สองวันโดยทั่วไปพวกเขาไม่พึ่งพา
ในหน่วยความจำและการประมาณการผู้ตอบการสำรวจ; และพวกเขา
ให้เกิดความเชื่อมโยงระหว่างการเดินทางที่ซับซ้อนทัวร์และรูปแบบการเดินทางในชีวิตประจำวัน ข้อได้เปรียบที่สำคัญที่สุดของข้อมูล GPS ก็คือพวกเขาอนุญาตให้
เราไปยังที่อยู่สมบัติเชิงพลวัตของพฤติกรรมการเดินทางโดยจับเงื่อนไขอวกาศชั่วขณะและแอตทริบิวต์รายละเอียดตลอด
เต็มความยาวของประสบการณ์การเดินทาง ซึ่งแตกต่างจากการชุมนุม
สมุดบันทึกการเดินทางที่ให้ข้อมูลระหว่างแหล่งกำเนิดและสถานที่ไม่มีข้อมูลจีพีเอสให้ข้อมูลเชิงลึกในการเลือกของนักท่องเที่ยวและการตัดสินใจ
ระหว่างเส้นทาง อย่างไรก็ตามแม้จะมีข้อได้เปรียบเหล่านี้ข้อมูลจีพีเอสนำเสนอความท้าทายที่สำคัญที่เป็นอุปสรรคต่อการยอมรับอย่างกว้างขวางของพวกเขาสำหรับการศึกษาพฤติกรรมการเดินทาง ปริมาณของข้อมูลที่
เป็นใหญ่และการแปลงจุดของข้อมูลในรูปแบบที่มีความหมาย
ของที่ซับซ้อนมากเดินทางด้วยโซ่การเดินทางของกิจกรรม
และหลายวัตถุประสงค์จะทำให้ยุ่งยากสำหรับฐานข้อมูลการออกแบบ
.
กระดาษนี้สำรวจพฤติกรรมการขับรถตาม ข้อมูลจีพีเอส
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.

ทำไมใช้ข้อมูลจีพีเอสสำหรับการวิจัยพฤติกรรมการเดินทาง
การสำรวจวิศวกรและนักวางแผนการขนส่งในประเทศสหรัฐอเมริกาโดยทั่วไปการเก็บรวบรวมข้อมูลเกี่ยวกับรูปแบบการเดินทางในชีวิตประจำวันโดยใช้ตนเองรายงาน
ไดอารี่ที่เขียนและโทรศัพท์ . เหล่านี้การสำรวจ
เดินทางทั่วไปมีข้อได้เปรียบของการเป็นธรรมตรงไปตรงมา
บริหารและข้อมูลที่รวบรวมได้ง่ายในการจัดการ การสำรวจ selfreported เป็นประโยชน์อย่างยิ่งสำหรับการศึกษาพฤติกรรมการเดินทาง
เพราะคนที่สามารถอธิบายธรรมชาติที่แท้จริงของวัตถุประสงค์
สำหรับการเดินทางเช่นไปช้อปปิ้งไปเยี่ยมเพื่อน
หรือจะกินอาหารที่ร้านอาหาร.
แต่การชุมนุม การสำรวจการเดินทางมีข้อ จำกัด หลายอย่างสำหรับการวิจัยพฤติกรรมการเดินทาง ครั้งแรก,การรายงานตนเองของข้อมูล
เป็นที่รู้จักกันจะไม่น่าเชื่อถือ คนมักจะ underreport การเดินทางระยะสั้น
และประมาทระยะเวลาการเดินทางและบิดเบือนเวลา
ที่การเดินทางเริ่มต้นและสิ้นสุด สถานที่หัวข้อเดินทาง arereported ไม่ลงรอยกันเช่นรายการสี่แยกหลักที่ใกล้ที่สุดเมื่ออยู่บนถนนไม่เป็นที่รู้จัก ข้อเสียที่สองคือ
ว่าการสำรวจตนเองรายงานจะถูกเก็บรวบรวมในช่วงเวลาสั้นมากเวลา
โดยทั่วไปกว่าสองวัน ที่สามเหล่านี้ตนเองรายงานการสำรวจ
ล้มเหลวในการเก็บข้อมูลเชิงพื้นที่ที่สำคัญเกี่ยวกับทริป
เพราะพวกเขาเก็บรวบรวมข้อมูลในการเดินทางของแต่ละบุคคลโดยรวม
พวกเขาไปยังโซนการวิเคราะห์การจราจร (tazs) สำหรับการวิเคราะห์และการสร้างแบบจำลอง.
จุดต้นทางและปลายทางสำหรับการเดินทางในแต่ละ รหัสเพื่อ
Taz,ดังนั้นพฤติกรรมการเดินทางที่ตาชั่งขนาดเล็กภายใน Taz เป็น
หายไป นอกจากนี้วิธีการ จำกัด การเก็บรวบรวมข้อมูลเพื่อการเดินทาง
สถานที่ปลายใบนี้ข้อมูลเกี่ยวกับพฤติกรรมการเดินทาง
ระหว่างต้นทางและปลายทางเพื่อให้เส้นทางที่เกิดขึ้นจริงระหว่างเดินทาง
tazs ไม่เป็นที่รู้จัก นักวางแผนการขนส่งต้องรีสอร์ท
วิธีการเช่นการสร้างแบบจำลองทางเลือกเส้นทางที่สั้นที่สุดหรือเส้นทางเครือข่ายเพื่อยืนยันเส้นทางระหว่าง tazs

ผลลัพธ์ (ไทย) 2:

T
โมเดลราเวลต้องมีการพัฒนาจาก
อาศัยข้อมูลดิบรวมเขตเมืองใหญ่
ต่อโดยใช้วิธี disaggregated สูงที่
นักท่องเที่ยวแต่ละที่จำลอง โดยการติดต่อกับเม็ด fine
ค่าพื้นที่แสดงข้อมูลพัสดุ และแนวคิดที่
ย้ายกรอบที่สนับสนุนความต้องการในโมเดลไป
จากเข้าใจการเดินทางเป็นชุดเดินทางไปยังมุมมองของ
คนที่โต้ตอบกับสิ่งแวดล้อมเป็นชุดของกิจกรรม
นี้วิวัฒนาการในการสร้างแบบจำลองความต้องการเดินทางให้เพิ่มขึ้นเพื่อวิเคราะห์ลงที่รายละเอียดสูงรวมรวบรวมข้อมูล
โลกตำแหน่งระบบ (GPS) ด้วยเทคนิคทางภูมิศาสตร์
ระบบสารสนเทศ (GIS) รวบรวมข้อมูลในลักษณะโดย
GPS ให้เกิดประโยชน์สำคัญหลายกว่าปกติเดิน
สำรวจไดอารี่: สามารถเก็บข้อมูล GPS ผ่านมากอีกต่อไป
ระยะเวลากว่า 2 วันไดอารี่ทั่วไป พวกเขาไม่ใช้
บนหน่วยความจำและการประเมินของผู้ตอบแบบสำรวจ และพวกเขา
ให้ความเชื่อมโยงระหว่างเดินทางซับซ้อน ทัวร์ และวันเดินทางรูปแบบการ ประโยชน์สำคัญของข้อมูล GPS คือ ว่า พวกเขาอนุญาต
เราคุณสมบัติแบบไดนามิกของการเดินทางทำงาน โดยการจับรายละเอียดพื้นที่ ชั่วคราว และกำหนดเงื่อนไขตลอด
ยาวเต็มประสบการณ์เดินทาง แตกต่างจากปกติ
ไดอารีส์สหรัฐที่ให้ข้อมูลระหว่างต้นกำเนิด และสถานที่ท่องเที่ยว ข้อมูล GPS นำเสนอทางเลือกของนักท่องเที่ยวเจาะลึก และ
ตัดสินใจในขณะที่ทางการ อย่างไรก็ตาม แม้ มีข้อดีเหล่านี้ข้อมูล GPS นำเสนอความท้าทาย 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

ทำไมใช้ข้อมูล GPS สำหรับการเดินทางลักษณะการทำงานวิจัย?
วิศวกรขนส่งและวางแผนในสหรัฐอเมริกาโดยทั่วไปเก็บข้อมูลในรูปแบบเดินทางทุกวันโดยใช้รายงานตนเอง
เขียนไดอารีส์และโทรศัพท์แบบสำรวจ เหล่านี้ปกติเดินทาง
สำรวจมีข้อดีที่ค่อนข้างตรงไปตรงมากับ
จัดการ และรวบรวมข้อมูลง่ายต่อการจัดการ สำรวจ Selfreported จะมีประโยชน์สำหรับลักษณะการทำงานเดินทาง
ศึกษา เพราะบุคคลสามารถอธิบายธรรมชาติแท้จริงของการ
วัตถุประสงค์สำหรับการเดินทาง เช่น ว่าไปซื้อของ เพื่อน ไป
หรือกินอาหารที่ร้านอาหาร
แต่ทั่วไปเดินทางสำรวจมีข้อจำกัดรุนแรงหลายในลักษณะการทำงานวิจัย ครั้งแรก ตนเองรายงาน
เรียกว่าข้อมูลมีเสถียรภาพ คนโดยทั่วไป underreport
สั้นเดินทาง ระยะเวลาเดินทางดูถูกดูแคลน และ misrepresent
เวลาที่เดินทางเริ่มต้น และสิ้นสุด เดินทางปลายทางที่ตั้ง arereported inconsistently เช่นรายการตัดหลักที่ใกล้ที่สุดเมื่อทราบอยู่ ข้อเสียที่สองคือ
ที่ตนเองรายงานสำรวจที่รวบรวมช่วงเวลาที่สั้นมาก
รอบระยะเวลา โดยทั่วไปกว่าสองวัน ที่สาม เหล่านี้ด้วยตนเองรายงาน
สำรวจไม่สามารถจับข้อมูลปริภูมิสำคัญเกี่ยวกับทริ
เนื่องจากพวกเขารวบรวมข้อมูลในแต่ละเที่ยว โดยรวบรวม
เขา traffic วิเคราะห์โซน (TAZs) สำหรับการวิเคราะห์และโมเดล
จุดต้นทางและปลายทางแต่ละเที่ยวจะกำหนดรหัสการ
TAZ เพื่อให้เป็นในลักษณะการทำงานที่เครื่องชั่งน้ำหนักขนาดเล็กภายในกับ TAZ
หายไป นอกจากนี้ นี้วิธีการเก็บรวบรวมข้อมูลการท่องเที่ยวจำกัด
สิ้นสุดสถานใบไม่มีข้อมูลเกี่ยวกับลักษณะการทำงานเดินทาง
ระหว่างต้นทางและปลายทาง เพื่อให้กระบวนการผลิตจริงเดินทาง
ระหว่าง TAZs ไม่รู้จัก วางแผนการเดินทางต้องรีสอร์ท
กับวิธีดังกล่าวเป็นเส้นทางสร้างโมเดลทางเลือกหรือเครือข่ายเส้นทางที่สั้นที่สุดเพื่อตรวจเส้นทางระหว่าง TAZs

ผลลัพธ์ (ไทย) 3:

T
ซึ่งจะช่วยทำให้ยุ่ง - การสร้างแบบจำลองความต้องการมีการพัฒนาอยู่ห่างจาก
ซึ่งจะช่วยโดยอาศัยข้อมูลที่รวบรวมไว้ที่ราคาน้ำมันดิบในตลาดขนาดใหญ่ในเมืองโซน
ทางโดยใช้วิธีการที่สมเป็นอย่างสูง
แบบเฉพาะรายนักเดินทางเพื่อได้รับโดยการติดต่อกับ fine - เนื้อละเอียด
ซึ่งจะช่วยการตั้งค่าช่องนำเสนอโดยห่อข้อมูล.
ทางความคิดและกรอบที่สนับสนุนการสร้างแบบจำลองการเดินทางความต้องการมีการย้ายออกไป
จากการทำความเข้าใจการเดินทางเป็นชุดของการเดินทางไปสู่วิวทิวทัศน์ของ
ซึ่งจะช่วยผู้ใช้งานของพวกเขามี สภาพแวดล้อม เป็นชุดของกิจกรรม.
วิวัฒนาการนี้ในการเดินทางมีความต้องการการสร้างแบบจำลองขึ้นเพื่อการวิเคราะห์เป็นอย่างสูงที่ประกอบด้วยรายละเอียดการเดินทางข้อมูลที่เก็บรวบรวมผ่าน
Global Positioning Systems ( GPS )พร้อมด้วยเทคนิคในทาง ภูมิศาสตร์
ข้อมูลระบบ( GIS ) การรวบรวมข้อมูลการเดินทางโดยพฤติกรรม
GPS จัดให้บริการอย่างเต็มไปด้วยประโยชน์สำคัญหลายอย่างมากกว่าการสำรวจการเดินทางแบบไปกลับ
ไดอารี่ทั่วไปข้อมูล GPS สามารถเก็บรวบรวมผ่านช่วงเวลาอีกไม่นาน
ของเวลามากกว่าไดอารี่แบบสองวันรายการตามแบบอย่างที่พวกเขาไม่ได้ต้องอาศัย
ซึ่งจะช่วยประมาณการและในหน่วยความจำของจำเลยการสำรวจและพวกเขา
ซึ่งจะช่วยจัดให้บริการคอมเพล็กซ์ความเชื่อมโยงระหว่างการเดินทางทัวร์ท่องเที่ยวและรูปแบบการเดินทางทุกวัน ส่วนมากใช้ประโยชน์จากที่มีความสำคัญอย่างสูงสุดของข้อมูล GPS ที่ตามมาก็คือทำให้ตอบแทน
แอดเดรสของเราในแบบไดนามิกของการทำงานการเดินทางโดยการถ่าย ภาพ บางส่วนโดยละเอียด Temporal Key Integrity Protocol และแอตทริบิวต์เงื่อนไขตลอดทั่วทั้งพื้นที่ความยาวเต็ม
ของประสบการณ์การเดินทางที่ ไม่เหมือนกับการเขียน
ซึ่งจะช่วยการเดินทางแบบเดิมที่ไม่ได้ให้ข้อมูลระหว่างปลายทางและต้นกำเนิดข้อมูล GPS จัดให้บริการข้อมูลเชิงลึกในทางเลือกของนักเดินทางในขณะที่
ซึ่งจะช่วยให้การตัดสินใจและในระหว่างเส้นทาง อย่างไรก็ตามแม้จะมีข้อดีเหล่านี้ข้อมูล GPS ปัจจุบันความท้าทาย significant ที่เป็นอุปสรรคของการใช้งานอย่างแพร่หลายสำหรับการศึกษาพฤติกรรมการเดินทาง ระดับเสียงของข้อมูล
ซึ่งจะช่วยเป็นจำนวนมากและการแปลงจุดของข้อมูลลงในที่นี้มีความหมาย
รุ่นของคอมเพล็กซ์เป็นอย่างสูงสำหรับการเดินทางพร้อมด้วยการเดินทางแบบไปกลับ - โซ่ตรวนของหลายคน
ซึ่งจะช่วยกิจกรรมและการใช้งาน - ทำให้เกิดวุ่นวายฐานข้อมูล
การออกแบบ.
นี้กระดาษทำการพิจารณาข้อสงสัยทั้งหมดของพฤติกรรมการขับรถที่ใช้ข้อมูล GPS
เก็บรวบรวมโดยมหาวิทยาลัยมิชิแกนบริการรับส่งการวิจัย
สถาบัน( umtri ) ฐานข้อมูลที่ประกอบด้วยการขับรถสำหรับการใช้ข้อมูล 78
ไดรเวอร์อาศัยอยู่ในเขตพื้นที่เมือง Detroit ในปี 2004 พร้อมด้วยการใช้
รถยนต์ติดตามในแต่ละวันวันที่สี่สัปดาห์
มีตำแหน่งทาง ภูมิศาสตร์ จับทุกวินาทีโดย GPS เรา
รวมข้อมูล GPS ที่พร้อมด้วยแอดเดรสของถนนเสร็จเรียบร้อยแล้วทางธุรกิจ
สถานที่การใช้ที่ดินรูปหลายเหลี่ยม ภาพถ่าย ทางอากาศการสำรวจสำมะโนประชากร
ข้อมูลและแอททริบิวถนน. กระดาษที่มีสองวัตถุประสงค์หลัก.
first คือการอธิบายถึงความท้าทายของการแปลงปวงชนตั้งค่าขนาดใหญ่
ซึ่งจะช่วยให้จุดข้อมูลเสร็จเรียบร้อยแล้วลงในฐานข้อมูลที่มีความหมายว่าจะอธิบายความซับซ้อนของทัวร์ท่องเที่ยวและการเดินทาง
ตามมาตรฐานที่สองที่โดยมีวัตถุประสงค์คือการอธิบายอย่างละเอียดในลักษณะการขับรถของพนักงานขับรถคนเดียวมากกว่าหลักสูตรของเดือนแห่งการขับรถไปยัง
ซึ่งจะช่วยแสดงให้เห็นถึง ประเภท ของบทเรียนที่มีค่าที่นักวิเคราะห์บริการรับส่ง
สามารถเรียนรู้ได้จากข้อมูล GPS เรา find ว่ารูปแบบการเดินทางทั่วไปจะ
ซับซ้อนมากขึ้นโดยทั่วไปแล้วทำความเข้าใจจากการเดินทางแบบดั้งเดิมและการสำรวจความคิดเห็น
ซึ่งจะช่วยให้นักวางแผนและวิศวกรบริการรับส่งสามารถ
รับประโยชน์จากข้อมูล GPS ใช้เป็นเทคโนโลยีใหม่สำหรับการเดินทางการศึกษา.

ทำไมจึงต้องใช้ข้อมูล GPS สำหรับการเดินทางการทำงานวิจัยหรือไม่?
บริการรับส่งวิศวกรและนักวางแผนในประเทศสหรัฐอเมริกาโดยทั่วไปแล้วเก็บรวบรวมข้อมูลในทุกวันการเดินทางรูปแบบการใช้แบบบริการตัวเอง
ซึ่งจะช่วยเขียนรายงานการเขียนและโทรศัพท์จากการสำรวจ การเดินทางแบบทั่วไป
การสำรวจนี้จะมีสิทธิที่จะได้รับการใช้งานง่ายค่อนข้างจะตอบแทน
บริหารจัดการและข้อมูลที่เก็บรวบรวมได้อย่างง่ายดายในการจัดการ การสำรวจความคิดเห็นจาก selfreported โดยเฉพาะมีประโยชน์สำหรับการเดินทางการทำงาน
ซึ่งจะช่วยการศึกษาเพราะบุคคลที่จะสามารถอธิบายถึงลักษณะที่แน่นอนของการมาถึงของ
วัตถุประสงค์ในการถ่ายการเดินทางที่จะไปช้อปปิ้งเพื่อการเที่ยวชมเพื่อน
หรือรับประทานอาหารที่ร้านอาหารที่.
แต่การสำรวจการเดินทางแบบมีข้อจำกัดหลายอย่างจริงจังสำหรับการวิจัยพฤติกรรมการเดินทาง ครั้งแรกSelf - การรายงานของ
ข้อมูลเป็นที่รู้จักกันในชื่อจะไม่มี เสถียรภาพ ผู้คนโดยทั่วไป underreport
ซึ่งจะช่วยการเดินทางระยะสั้นและประเมินระยะเวลาการเดินทางแบบไปกลับและบิดเบือนความจริง
เวลาที่การเดินทางที่จะเริ่มต้นและสิ้นสุดลง ตำแหน่งปลายทางการเดินทาง arereported ไม่ลงรอยกันเช่นรายการทางแยกหลักที่อยู่ใกล้ที่สุดเมื่อแอดเดรสบนถนนที่ไม่รู้จัก ข้อเสียที่สองคือ
ตามมาตรฐานการสำรวจความคิดเห็นด้วยตนเอง - รายงานว่ามีการเก็บมากกว่าเป็นอย่างมากในระยะทางสั้นๆเพื่อไปเวลา
ซึ่งจะช่วยโดยปกติแล้วช่วงเวลามากกว่าสองวัน บุคคลที่สามเหล่านี้ด้วยตนเอง - รายงานการสำรวจ
ซึ่งจะช่วยป้องกันความผิดพลาดในการถ่าย ภาพ ที่สำคัญช่องข้อมูลเกี่ยวกับการเดินทาง
เพราะพวกเขาเก็บรวบรวมข้อมูลในการเดินทางแบบเฉพาะรายโดยรวบรวม
ซึ่งจะช่วยให้การวิเคราะห์ traffic โซน( tazs )สำหรับการสร้างแบบจำลองและการวิเคราะห์.
จุดปลายทางที่มาและสำหรับแต่ละการเดินทางมีรหัสสีเพื่อ
taz ,ดังนั้นการทำงานการเดินทางที่ที่เครื่องชั่งขนาดเล็กอยู่ ภายใน taz เป็น
หายไป ยิ่งไปกว่านั้นยังใช้วิธีนี้ในการจำกัดการเก็บรวบรวมข้อมูลการเดินทางเพื่อไปยังที่ตั้ง
ปลายใบไม่มีข้อมูลเกี่ยวกับพฤติกรรมการเดินทาง
ระหว่างปลายทางและแหล่งกำเนิดสินค้าดังนั้นที่จริงเส้นทางที่เดินทางผ่านมา
ระหว่าง tazs คือที่ไม่รู้จัก นักวางแผนงานบริการรับส่งจะต้องรีสอร์ท
ตามมาตรฐานวิธีการเช่นเครือข่ายการสร้างแบบจำลองทางเลือกเส้นทางหรือพาธสั้นที่สุดในการตรวจสอบให้แน่ใจถึงเส้นทางระหว่าง tazs .