Transportation Modes Detection in Bangkok Using GPS Logger data and GIS Data
Article Sidebar
Main Article Content
บทคัดย่อ
Person trips and transportation mode surveys could be in multiple formats, such as telephone interviews and questionnaires. These data collecting methods rely on manual labeling of data after a survey, and thus, it requires more manpower, time and budget. However, the information technology has introduced advanced data collecting methods such as a mobile phone or a data logger device that can easily record travel time and location data of people. This information plays an essential role in transportation surveying. GPS data can be used to find many features involved in travelling, but those data need to be processed to find transportation modes used before further analysis. The main objective of this study is to detect transportation modes used in Bangkok using GPS logger data. Since the transportation modes in Bangkok are unique and various, there are many problems, such as traffic condition and complexity of the transportation network systems. Therefore, it is not very simple to determine transportation modes. GIS data is used to help detecting transportation modes that have specific routes and stations. Random Forest classifier is used for transportation modes detection. Modes considered in this study are walking, 2-wheel vehicles, 4-wheel vehicles, bus, skytrain, subway and boat. Moreover, activities of people in a week were focused on. Such activities include stationary and modes transferring points. The transportation modes could be automatically detected using our algorithms. This method can be applied for other person trip data collected from a mobile phone that can collect huge number of dataset, and the output data can be used for further analysis in transportation surveying and other related topics.
Article Details
นโยบายการรับบทความ
กองบรรณาธิการวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น มีความยินดีรับบทความจากอาจารย์ประจำ และผู้ทรงคุณวุฒิในสาขาวิศวกรรมศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่นที่นำส่ง ดังนั้นผู้สนใจที่จะร่วมเผยแพร่ผลงานและความรู้ที่ศึกษามาสามารถนำส่งบทความได้ที่กองบรรณาธิการเพื่อเสนอต่อคณะกรรมการกลั่นกรองบทความพิจารณาจัดพิมพ์ในวารสารต่อไป ทั้งนี้บทความที่สามารถเผยแพร่ได้ประกอบด้วยบทความวิจัย ผู้สนใจสามารถศึกษาและจัดเตรียมบทความจากคำแนะนำสำหรับผู้เขียนบทความ
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏภายในบทความของแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็น ความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับสถาบันเทคโนโลยีไทย-ญี่ปุ่น และคณาจารย์ท่านอื่น ๆ ในสถาบัน แต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใด ๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา ทัศนะ หรือข้อคิดเห็นใด ๆ ของบทความในวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น ไปเผยแพร่ก่อนได้รับอนุญาตจากผู้นิพนธ์ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
ผู้ประสงค์จะส่งบทความเพื่อตีพิมพ์ในวารสารวิชาการ สถาบันเทคโนโลยีไทย-ญี่ปุ่น สามารถส่ง Online ที่ https://www.tci-thaijo.org/index.php/TNIJournal/ โปรดสมัครสมาชิก (Register) โดยกรอกรายละเอียดให้ครบถ้วนหากต้องการสอบถามข้อมูลเพิ่มเติมที่
- กองบรรณาธิการ วารสารสถาบันเทคโนโลยีไทย-ญี่ปุ่น
- ฝ่ายวิจัยและนวัตกรรม สถาบันเทคโนโลยีไทย-ญี่ปุ่น
เลขที่ 1771/1 สถาบันเทคโนโลยีไทย-ญี่ปุ่น ซอยพัฒนาการ 37-39 ถนนพัฒนาการ แขวงสวนหลวง เขตสวนหลวง กรุงเทพมหานคร 10250 ติดต่อกับคุณพิมพ์รต พิพัฒนกุล (02) 763-2752 , คุณจุฑามาศ ประสพสันติ์ (02) 763-2600 Ext. 2402 Fax. (02) 763-2754 หรือ E-mail: JEDT@tni.ac.th
References
E.-H. Chung and A. Shalaby, “A Trip Reconstruction Tool for GPS-based Personal Travel Surveys,” Transportation Planning and Technology, vol. 28, no. 5, pp. 381–401, Oct. 2005.
E. D. Kaplan and C. Hegarty, Understanding GPS: Principles and Applications, 2nd ed. Norwood, Massachusetts: Artech House, 2006.
L. Liao, D. J. Patterson, D. Fox, and H. Kautz, “Learning and inferring transportation routines,”Artificial Intelligence, vol. 171, no. 5, pp. 311–331, Apr. 2007.
S. Reddy, M. Mun, J. Burke, D. Estrin, M. Hansen, and M. Srivastava, “Using Mobile Phones to Determine Transportation Modes,” ACM Trans. Sen. Netw., vol. 6, no. 2, pp. 13:1–13:27, Mar. 2010.
L. Stenneth, O. Wolfson, P. S. Yu, and B. Xu, “Transportation Mode Detection Using Mobile Phones and GIS Information,” in Proceedings of the 19th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, New York, NY, USA, 2011, pp. 54–63.
“Transport Data and Model integrated with Multimodal Transport and Logistics,” The Office of Transportation and Traffic Policy and Planning, Ministration of Transport, 2011. [Online]. Available: https://www.otp.go.th.
E.-H. Chung and A. Shalaby, “A Trip Reconstruction Tool for GPS-based Personal Travel Surveys,” Transportation Planning and Technology, vol. 28, no. 5, pp. 381–401, Oct. 2005.
Y. Zheng, Y. Chen, Q. Li, X. Xie, and W.-Y. Ma, “Understanding transportation modes based on GPS data for Web applications,” ACM Transaction on the Web, vol. 4, Jan. 2010.
Y. Zheng, Q. Li, Y. Chen, X. Xie, and W.-Y. Ma, “Understanding mobility based on GPS data,” Microsoft Research, Sep. 2008.