سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 60 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:روش GPS / GIS برای تشخیص حالت سفر در شهر نیویورک
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره):36 (2)
سال انتشار:March 2012
شماره صفحات: 131139131-139
نشانگر دیجیتالی شیء:[ 10.1016/j.compenvurbsys.2011.05.003 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Computers, Environment And Urban Systems »
  4. A GPS/GIS method for travel mode detection in New York City

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.210.158.163

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

A GPS/GIS Method For Travel Mode Detection In New York City


مقاله: روش GPS / GIS برای تشخیص حالت سفر در شهر نیویورک

نويسند‌گان:


خلاصه مقاله:


Handheld GPS provides a new technology to trace people’s daily travels and has been increasingly used for household travel surveys in major cities worldwide. However, methodologies have not been developed to successfully manage the enormous amount of data generated by GPS, especially in a complex urban environment such as New York City where urban canyon effects are significant and transportation networks are complicated. We develop a GIS algorithm that automatically processes the data from GPS-based travel surveys and detects five travel modes (walk, car, bus, subway, and commuter rail) from a multimodal transportation network in New York City. The mode detection results from the GIS algorithm are checked against the travel diaries from two small handheld GPS surveys. The combined success rate is a promising 82.6% (78.9% for one survey and 86.0% for another). Challenges we encountered in the mode detection process, ways we developed to meet these challenges, as well as possible future improvement to the GPS/GIS method are discussed in the paper, in order to provide a much-needed methodology to process GPS-based travel data for other cities.


دستی جیپیاس فراهم می کند یک تکنولوژی جدید برای ردیابی سفر روزمره مردم شده است و به طور فزاینده برای بررسی سفر خانگی در شهرستانها عمده در سراسر جهان استفاده می شود. با این حال، روش اجرا نشده برای مدیریت موفق مقدار زیادی از اطلاعات تولید شده توسط GPS، به ویژه در یک محیط پیچیده شهری مانند شهر نیویورک که در آن اثرات دره عمیق و باریک شهری و شبکه حمل و نقل پیچیده است. ما توسعه یک الگوریتم GIS که به طور خودکار پردازش داده ها از بررسی های سفر مبتنی بر GPS و تشخیص پنج حالت سفر (پیاده روی، ماشین، اتوبوس، مترو، راه آهن و رفت و آمد) از یک شبکه ملتمدل در شهر نیویورک است. نتایج تشخیص حالت از الگوریتم های GIS در برابر خاطرات سفر از دو نظر سنجی GPS دستی کوچک بررسی می شود. میزان موفقیت در ترکیب امیدوار 82.6٪ (78.9٪ برای یک بررسی و 86.0٪ برای دیگر) است. چالش های ما در روند تشخیص حالت مواجه می شوند، راه ما توسعه به مقابله با این چالش، و همچنین آینده بهبود یافته ممکن است به روش GPS / GIS در مقاله مورد بحث قرار گرفته، به منظور ارائه یک روش بسیار مورد نیاز برای پردازش سفر مبتنی بر GPS داده ها را برای دیگر شهرستانها.


كلمات كليدي:

Mode detection , New York City, Handheld GPS
تشخیص حالت موضوعی , شهر نیویورک , دستی جیپیاس


موضوعات:

Geography, Planning and Development, Environmental Science(all), Ecological Modelling, Urban Studies



[ ]

فهرست مقالات مرتبط و مشابه

  1. (1877) 'Passenger Travel, New York City', Sci Am, Nature Publishing Group, pp:951-951
  2. , (2014) 'Evaluation of Temporal Aberration Detection Methods in New York City Syndromic Data', Online Journal of Public Health Informatics, University of Illinois Libraries, pp:0-0
  3. Xiao, Guangnian, Juan, Zhicai, Zhang, Chunqin (2015) 'Travel mode detection based on GPS track data and Bayesian networks', Computers, Environment and Urban Systems, Elsevier BV, pp:14-22
  4. , (1975) 'Determining the Relation between Fire Engine Travel Times and Travel Distances in New York City', Operations Research, Institute for Operations Research and the Management Sciences (INFORMS), pp:614-627
  5. Levin-Rector, Alison, Wilson, Elisha L., Fine, Annie D., Greene, Sharon K. (2015) 'Refining Historical Limits Method to Improve Disease Cluster Detection, New York City, New York, USA', Emerg. Infect. Dis., Centers for Disease Control and Prevention (CDC), pp:265-272
  6. (1893) 'New Method of Gas Supply for New York City', Scientific American, Springer Nature, pp:119-119
  7. Zong, Fang, Yuan, Yixin, Liu, Jianfeng, Bai, Yu, He, Yanan (2016) 'Identifying travel mode with GPS data', Transportation Planning and Technology, Informa UK Limited, pp:242-255
  8. , (1987) 'Travel-Time Analysis of New York City Police Patrol Cars', Interfaces, Institute for Operations Research and the Management Sciences (INFORMS), pp:15-20
  9. Freeman, Lance , Neckerman, Kathryn , Schwartz-soicher, Ofira , Quinn, James , Richards, Catherine , Bader, Michael D. M. , Lovasi, Gina , Jack, Darby , Weiss, Christopher , Konty, Kevin , Arno, Peter , Viola, Deborah , Kerker, Bonnie , Rundle, Andrew G. (2012) 'Neighborhood Walkability and Active Travel (Walking and Cycling) in New York City', Journal of Urban Health, Springer Science + Business Media, pp:575-585
  10. Cooley, Philip , Brown, Shawn , Cajka, James , Chasteen, Bernadette , Ganapathi, Laxminarayana , Grefenstette, John , Hollingsworth, Craig R. , Lee, Bruce Y. , Levine, Burton , Wheaton, William D. , Wagener, Diane K. (2011) 'The Role of Subway Travel in an Influenza Epidemic: A New York City Simulation', Journal of Urban Health, Springer Science + Business Media, pp:982-995

 

فهرست ارجاعات به این مقاله


  1. Guangnian, Xiao (November 2015) 'Travel mode detection based on GPS track data and Bayesian networks', Computers, Environment and Urban Systems, Elsevier BV - DOI: 10.1016/j.compenvurbsys.2015.05.005
  2. Zhuo, Yao (April 2014) 'Sensitivity analysis of project level MOVES running emission rates for light and heavy duty vehicles', Journal of Traffic and Transportation Engineering (English Edition), Elsevier BV - DOI: 10.1016/S2095-7564(15)30092-1
  3. Zhuo, Yao (6 November 2013) 'Statistical Vehicle Specific Power Profiling for Urban Freeways', Procedia - Social and Behavioral Sciences, Elsevier BV - DOI: 10.1016/j.sbspro.2013.08.324
  4. Thomas Kjær, Rasmussen (Available online 4 May 2015) 'Improved methods to deduct trip legs and mode from travel surveys using wearable GPS devices: A case study from the Greater Copenhagen area', Computers, Environment and Urban Systems, Elsevier BV - DOI: 10.1016/j.compenvurbsys.2015.04.001
  5. Kristian Hegner, Reinau (May 2015) 'The SMS–GPS-Trip method: A new method for collecting trip information in travel behavior research', Telecommunications Policy, Elsevier BV - DOI: 10.1016/j.telpol.2014.05.006
  6. Douglas, Houston (November 2014) 'Tracking daily travel; Assessing discrepancies between GPS-derived and self-reported travel patterns', Transportation Research Part C: Emerging Technologies, Elsevier BV - DOI: 10.1016/j.trc.2014.08.013
  7. Anna, Fraszczyk (January 2014) 'GIS as a tool for selection of sample areas in a travel behaviour survey', Journal of Transport Geography, Elsevier BV - DOI: 10.1016/j.jtrangeo.2013.06.018
  8. Cynthia, Chen (September 2014) 'From traces to trajectories: How well can we guess activity locations from mobile phone traces?', Transportation Research Part C: Emerging Technologies, Elsevier BV - DOI: 10.1016/j.trc.2014.07.001
  9. Neng, Wan (May 2013) 'Life-space characterization from cellular telephone collected GPS data', Computers, Environment and Urban Systems, Elsevier BV - DOI: 10.1016/j.compenvurbsys.2013.01.003
  10. Sven Vlassenroot (February 2014) 'The Use of Smartphone Applications in the Collection of Travel Behaviour Data', International Journal of Intelligent Transportation Systems Research, Springer Science + Business Media - DOI: 10.1007/s13177-013-0076-6

 

برگشت به بالا
× 🎁 تخفیف ویژه تابستان ☀️
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×