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

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.

---

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.