Resumen

Con el desarrollo y los avances de los teléfonos inteligentes y los dispositivos del sistema de posicionamiento global (GPS), no es imposible obtener los comportamientos de viaje a largo plazo de los viajeros. Este estudio investiga el patrón de comportamiento individual en los viajes y su correlación con las características sociodemográficas. Para los distintos grupos sociodemográficos (por ejemplo, empleados a tiempo completo y estudiantes), el comportamiento de viaje individual puede tener limitaciones temporales-espaciales-móviles específicas. El estudio extrae en primer lugar los desplazamientos desde casa, incluidos los de casa a casa y de casa a fuera de casa, a partir de datos GPS brutos de larga duración. A continuación, el patrón de comportamiento de viaje se delinea mediante las características de los viajes basados en el hogar, como la hora de salida, la entropía de la ubicación de destino, el tiempo de viaje y la proporción de tiempo de conducción. La variabilidad del comportamiento de viaje describe las variaciones de las características del comportamiento de actividad de los viajeros durante un periodo prolongado. Después, el patrón de variabilidad del comportamiento de viaje de un individuo se utiliza para estimar la información sociodemográfica del individuo, como el rol sociodemográfico, mediante un enfoque de aprendizaje supervisado, máquina de vectores de soporte. En este estudio se utiliza un conjunto de datos GPS registrados a largo plazo (18 meses) procedentes del Consejo Regional de Puget Sound. El resultado del experimento es muy prometedor. El análisis de sensibilidad muestra que, a medida que aumenta el número de umbrales de los recorridos, converge la variabilidad de la mayoría de las características del comportamiento de viaje, mientras que el rendimiento de la predicción puede no cambiar para los datos de prueba fijos.

• Materias:Transporte urbano Señales de control de tráfico Accidentes de transito Planificación de ruta Capacidad de tráfico
• Subjects:Urban transport Traffic control signs Traffic accidents Path planning Traffic capacity
• Palabras claves:comportamiento individual de viaje, hogar, estudio, consejo regional de puget sound, entropía de localización de destino, sistema de posicionamiento global, comportamiento de la mayoría de los viajes, datos gps sin procesar, enfoque de aprendizaje supervisado, máquina de vectores soporte
• Keywords:individual travel behavior, home, study, puget sound regional council, destination location entropy, global positioning system, most travel behavior, raw gps data, supervised learning approach, support vector machine