Wykorzystanie zwrotnego kanału informacyjnego w sieci transportowej w celu zrównoważenia rozwoju transportu na przykładzie zbiorów Big Data z wykorzystaniem planera podróży Green Travelling, zbiory danych. Cz. 1

• Autorzy: Celiński I. , Sierpiński G. , Staniek M.

Warianty tytułu

EN

The use of a feedback information channel in the transport network in order to achieve sustainable development of transport on the example of Big Data sets using the Green Traveling route planner, stock data. Part 1

• Języki publikacji: PL

Abstrakty

PL

W ostatnich latach znacząco wzrasta zainteresowanie systemami planowania podróży (pretrip) i nawigacji samochodowej (on-route). W trakcie obsługi aplikacji planera podróży, w tle, pozyskiwane są interesujące (i różnorodne) zbiory danych (typu BIG DATA), które mogą być wykorzystane w aspekcie planowania zrównoważonego rozwoju transportu. Systemy planowania podróży, a zwłaszcza planery, pozwalają poznać (i zarchiwizować) nie tylko miejsca: startu i docelowe podróży, ale również rodzaj wykorzystywanego środka transportu i wiele innych jej parametrów. W ten sposób parametryzowane są zachowania komunikacyjne użytkowników danej sieci transportowej. W trakcie interakcji użytkownika z planera podróży możliwe jest pozyskiwanie również informacji o preferencjach komunikacyjnych. W drodze interakcji dziesiątek milionów użytkowników z różnymi plenerami podróży w skali globalnej (setki czynnych i wykorzystywanych planerów w skali Ziemi [4], [7]) powstają rozległe i rozproszone zbiory zawierające dane o zachowaniach komunikacyjnych. Dane te są sparametryzowane co najmniej w zakresie czasu i przestrzeni (BIG DATA). Artykuł ten opisuje sposoby pozyskiwania tego typu zbiorów danych z wykorzystaniem specjalizowanego planera podróży GT Planner. Planer ten powstał w ramach projektu międzynarodowego w programie ERA-NET Transport III Future Travelling pt. A platform to analyze and foster the use of Green Travelling options. Kolejny artykuł pod tym samym tytułem, indeksowany nr 2 opisuje sposoby wykorzystania przedmiotowych danych w celu zrównoważenia rozwoju transportu.

EN

In recent years, significantly increased interest in travel planning systems and car navigation. During the trip planner application support, in the background, obtained are interesting (and diverse) data sets (Big Data), which can be used in terms of planning for sustainable transport development. Travel planning systems, especially planners, let archive not only the place (the starting and destination of travel), but also the type of mode of transport used, and others. In this way, they are parameterized communication behavior of users of the transport network. Very often in the course of user interaction with the program are derived route planner also provides information about the preferences of communication people operating this type of system. On the way to interact with different travel planners on a global scale (hundreds of active and planners used the scale of the Earth) created extensive and, unfortunately, distributed data sets containing data on travel behavior, parameterized temporally and spatially (Big Data). This article describes ways to get this type of data sets using GT Planner. Another article under this title describes ways to use the data in question.

Słowa kluczowe

PL

planer podróży; Green Travelling Planner; big data; sieć transportowa

EN

trip planner; Green Travelling Planner; big data; transportation network

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2016
• Tom: R. 17, nr 12
• Strony: 63--70
• Opis fizyczny: Bibliogr. 37 poz., rys.

Twórcy

autor

Celiński I.

• Politechnika Śląska, Wydział Transportu, Katedra Systemów Transportowych i Inżynierii Ruchu

autor

Sierpiński G.

• Politechnika Śląska, Wydział Transportu, Katedra Systemów Transportowych i Inżynierii Ruchu

autor

Staniek M.

• Politechnika Śląska, Wydział Transportu, Katedra Systemów Transportowych i Inżynierii Ruchu

Bibliografia

• 1. Air Pollution Monitoring, http://www3.epa.gov/airquality/montring.html
• 2. Beijing Air Pollution: Real-time Air Quality Index http://aqicn.org/city/beijing/
• 3. Big Data definition, http://www.sas.com/en_th/insights/big-data/
• 4. Borkowski P., Towards an Optimal Multimodal Travel Planner-Lessons from the European Experience, in Sierpiński G. (ed.), Intelligent Transport Systems and Travel Behavior, “Advances in Intelligent Systems and Computing” vol. 505, Springer 2017: 163-174.
• 5. Celiński, I., Problematyka doboru samochodu osobowego, narzędzie GTAlg. Cz. II. „Prace Naukowe Politechniki Warszawskiej” 2016, z. 112: 47-58.
• 6. Celiński, I., Problematyka doboru samochodu osobowego, źródła danych. Cz. I. „Prace Naukowe Politechniki Warszawskiej” 2016, z. 112: 35-45.
• 7. Esztergár-Kiss D., Csiszár Cs., Evaluation of multimodal journey planners and definition of service levels. “International Journal of Intelligent Transportation Systems Research” 2015, vol. 13: 154-165.
• 8. General Transit Feed Specification, https://developers.google.com/transit/gtfs/reference
• 9. Generalny Pomiar Ruchu w roku 2015, https://www.gddkia.gov.pl/pl/2551/GPR-2015
• 10. Geolokalizacja, http://www.adres-ip.pl/geolokalizacja.html
• 11. Gretzel U., Yoo K.H., Purifoy M., Online travel Reviewer Study, “Laboratory for Intelligent Systems in Tourism” 2007: 4-7.
• 12. Handy S., Cao X., Mokhtarian P., Correlation or causality between the built environment and travel behavior? Evidence from Northern California, “Transportation Research Part D” 2005, vol. 10: 427–444.
• 13. Health Effects Notebook for Hazardous Air Pollutants http://www3.epa.gov/ttn/atw/hlthef/hapindex.html
• 14. http://www.predictivesolutions.pl/szkolenia/szkolenia_ankietowe. html
• 15. http://www.webankieta.pl/blog/gratyfikacja-czyli-jak-wynagradzac-za-wypelnienie-ankiety/
• 16. iPlaner, http://www.iplaner.pl/
• 17. KAYAK, travel planning and trip management, https://www.kayak.co.uk/
• 18. LADOT Transit, http://ladotbus.com/
• 19. Metoda budowy baz danych o drogowym ruchu miejskim. Poradnik metodyczny. Zeszyty Naukowo-Techniczne Oddziału Stowarzyszenia Inżynierów i Techników Komunikacji w Krakowie, seria: Monografie, nr 7 (zeszyt 80), Kraków 2000.
• 20. National ITS Architecture, http://www.iteris.com/itsarch/
• 21. NAVSAT definition, http://dictionary.reference.com/browse/navsat
• 22. Nonattainment Areas for Criteria Pollutants (Green Book) https://www.epa.gov/green-book
• 23. Okraszewska R., Nosal K., Sierpiński G., The Role Of The Polish Universities In Shaping A New Mobility Culture - Assumptions, Conditions, Experience. Case Study Of Gdansk University Of Technology, Cracow University Of Technology And Silesian University Of Technology. “Proceedings of ICERI2014 Conference”: 2971-2979.
• 24. Okraszewska R., Przestrzenne sytuacje konfliktowe wywołane rozwojem systemu transportowego w warunkach równoważenia rozwoju, Gdańsk University of Technology 2008..
• 25. OpenStreetMap, https://www.openstreetmap.org/
• 26. Our Common Future. Report of the World Commission on Environment and Development, Transmitted to the General Assembly as an Annex to document A/42/427 – Development and International Cooperation: Environment http://www.undocuments.net/wced-ocf.htm (1987).
• 27. Sierpiński G. (ed.), Intelligent Transport Systems and Travel Behavior, “Advances in Intelligent Systems and Computing” vol. 505, Springer 2017.
• 28. Sierpiński G., Ocena systemu transportowego oraz preferencje osób podróżujących, jako wsparcie kształtowania podziału zadań przewozowych – studium przypadku dla konurbacji górnośląskiej, „Prace Naukowe Politechniki Warszawskiej” 2016.
• 29. Sierpiński G., Technologically advanced and responsible travel planning assisted by GT Planner, in Macioszek E., Sierpiński G. (eds.), Contemporary Challenge of Transport Systems and Traffic Engineering, “Lecture Notes in Network and Systems”, vol. 2, Springer 2017: 65-77.
• 30. Starowicz W., Rudnicki A., Janecki R., Kompleksowe badania ruchu w Katowicach i Siemianowicach Śląskich, ZN 73 SITK Kraków 1999.
• 31. Suchecki B., Ekonometria przestrzenna, C.H. Beck, Warszawa 2009.
• 32. Szarata A., Modelowanie symulacyjne ruchu wzbudzonego i tłumionego, „Transport Miejski i Regionalny” 2010, nr 3:14-17.
• 33. Szarata A., Modelowanie ruchu tłumionego w ujęciu symulacyjnym, „Modelowanie podróży i prognozowanie ruchu” 2010, nr 94: 169-282.
• 34. Szarata A. Badania ankietowe dotyczące zjawiska ruchu wzbudzonego w podróżach transportem zbiorowym, 9th Scientific-Technical Conference Logitrans, Szczyrk 2012.
• 35. Szarata, A. The simulation analysis of suppressed traffic. “’Advances in Transportation Studies” 2013, nr 29: 35-44.
• 36. Tomtom planner, https://mydrive.tomtom.com/en_gb/
• 37. White Paper: Roadmap to a Single European Transport Area – Towards a competitive and resource efficient transport system. COM(2011) 144.

Uwagi

PL

1. Niniejszy artykuł powstał w ramach finansowania ze środków Narodowego Centrum Badań i Rozwoju projektu międzynarodowego w programie ERA-NET Transport III Future Travelling pt. A platform to analyze and foster the use of Green Travelling options (GREEN_TRAVELLING). 2. Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę (zadania 2017).