Metodyka pozyskiwania danych big data z telefonii komórkowej i możliwości ich wykorzystania w modelowaniu podróży

• Autorzy: Birr Krystian

Warianty tytułu

EN

Methodology of big data acquisition from mobile telephony and possibilities of their use in travel modelling

• Języki publikacji: PL

Abstrakty

PL

Celem niniejszego artykułu jest przedstawienie przykładowych możliwych źródeł danych o wielkim wolumenie (Big Data) ze szczególnym uwzględnieniem metody pozyskania danych z telefonii komórkowej – kart SIM oraz potencjału ich wykorzystania w modelowaniu podróży na poziomie makroskopowym. Na podstawie doświadczeń zdobytych podczas zakupu danych typu big data od kilku dostawców dla jednostek samorządowych w województwie pomorskim opisano najważniejsze zagadnienia metodyczne związane problematyką pozyskania i weryfikacji danych Big Data o rozmieszczeniu i przemieszczeniach ludności.

EN

The objective of this article is to present examples of possible data sources of great volume (Big Data) with particular emphasis on methods of obtaining data from mobile networks (SIM cards) and potential for its application in travel modelling on a macroscopic level. Based on experience gained during purchasing Big Data from several providers for regional government units in the Pomeranian voivodeship, the most essential methodical issues of data collecting and verification about population location and trips were described.

Słowa kluczowe

PL

ruch drogowy; big data; modelowanie podróży

EN

road transport; big data; travel modelling

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Transport Miejski i Regionalny
• Rocznik: 2022
• Tom: nr 5
• Strony: 10--17
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wykr.

Twórcy

autor

Birr Krystian

• Politechnika Gdańska, Wydział Inżynierii Lądowej i Środowiska, Katedra Inżynierii Drogowej i Transportowej, ul. Narutowicza 11/12, 80-233 Gdańsk

Bibliografia

• 1. Friedrich M., Immisch K., Jehlicka P., Otterstätter T., Schlaich J., Generating origin-destination matrices from mobilephone trajectories, “Transportation Research Record: Journal of the Transportation Research Board”, 2010, no 2196.
• 2. Bowman C.N., Miller J.A., Modeling traffic flow using simulation and Big Data analytics, 2016 Winter Simulation Conference (WSC), 2016.
• 3. Dabbas H., Fourati W., Friedrich B., Floating Car Data for Traffic Demand Estimation – Field and Simulation Studies, 2020 IEEE 23rd International Conference on Intelligent Transportation Systems,
• 4. Luca M., Lepri B., Frias-Martinez E., Lutu A. Modeling international mobility using roaming cell phone traces during COVID-19 pandemic. EPJ Data Science, 4/2022.
• 5. Brzeziński A., Dybicz T., Szymański Ł., Demand model in the agglomeration using SIM cards, “Archives of Civil Engineering”, 1/2019.
• 6. Brzeziński A., Dybicz T., Possibility of Big Data application for OD-matrix calibration in transport demand models,”Archives of Civil Engineering”, 1/2021.
• 7. Brzeziński A., Dybicz T., Szymański Ł., Doświadczenia z budowy modelu ruchu dla obszaru metropolitarnego Warszawy z wykorzystaniem innowacyjnych źródeł danych, „Annały inżynierii ruchu i planowania transportu”, t. III, Planowanie ruchu a wyzwania globalne, SITK, 2009.
• 8. Kucharski R., Mielczarek J., Drabicki A., Szarata A., Metoda aktualizacji modelu podróży z wykorzystaniem macierzy przemieszczeń telefonów komórkowych, „Transport Miejski i Regionalny”, 2018, nr 5.
• 9. Brzeziński A., Projekt INMOP3, Intermodalny Krajowy Model Ruchu, Konferencja Naukowo-Techniczna, Innowacyjne Metody Prognozowania Ruchu Krajowego – Regionalnego – Lokalnego, Warszawa, 28 maja 2019.
• 10. Suchorzewski W., Brzeziński A., Waltz A., Modelowanie i prognozowanie ruchu – od liczydła do Big Data, „Transport Miejski i Regionalny”, 2020, nr 12.
• 11. Helbin M., Wyszomirski O., Możliwości wykorzystania Big Data w badaniach popytu i podaży w transporcie miejskim, „Transport Miejski i Regionalny”, 2019, nr 2.
• 12. Raport: Analiza aktywności i potencjału ludnościowego województwa pomorskiego, obszaru metropolitalnego i Trójmiasta w oparciu o zachowania użytkowników sieci telefonii komórkowych w 2019 r., Praca zbiorowa (Birr K. i inni), Gdańsk-Gdynia 2021.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).