Cell Phone Enabled Travel Surveys: The Medium Moves the Message

Gould, Jane

doi:10.1108/9781781902882-003

Cited by 11 publications

(7 citation statements)

References 27 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Travel models have become much more sophisticated, but are ultimately limited by the quality of the survey data they use as inputs (Stopher and Greaves, 2007). Recent efforts by researchers are attempting to improve survey data by incorporating specially designed websites (Kalenoja et al, 2012), cell phones (Gould, 2013) and GPS technology (Stopher and Speisser, 2011).…”

Section: Datamentioning

confidence: 98%

Empirical distributions of vehicle use and fuel efficiency across space: Implications of asymmetry for measuring policy incidence

Cook¹,

Sanchirico²,

Salon³

et al. 2015

Transportation Research Part A: Policy and Practice

View full text Add to dashboard Cite

Section: Datamentioning

confidence: 98%

Empirical distributions of vehicle use and fuel efficiency across space: Implications of asymmetry for measuring policy incidence

Cook¹,

Sanchirico²,

Salon³

et al. 2015

Transportation Research Part A: Policy and Practice

View full text Add to dashboard Cite

“…W efekcie zebrane informacje mogą zawierać spore niedokładności. O niektórych etapach podróży w ciągu dnia respondenci mogą na przykład zapomnieć (Gould, 2013). Może zdarzyć się również, że uczestnik badania świadomie zatai lub zmodyfikuje dane dotyczące jego zachowań transportowych.…”

Section: Metody Badania Zachowań Transportowych -Przegląd Literaturyunclassified

Wykorzystanie telefonów komórkowych w badaniach zachowań transportowych ludności

Gadziński

2017

PKG

View full text Add to dashboard Cite

streszczenie: Zachowania czasoprzestrzenne ludności są obecnie jedną z popularniejszych kwestii podejmowanych na gruncie geografii transportu. W efekcie rośnie również zainteresowanie rozwojem nowych narzędzi badawczych związanych z ich identyfikacją, takich jak urządzenia mobilne. Mimo dużej popularności smartfonów, wciąż jednak niewiele jest przykładów badań, w których zostały one wykorzystane na większą skalę. Za cel artykułu przyjęto więc określenie możliwości i perspektyw szerszego zastosowania telefonów komórkowych w badaniach zachowań transportowych ludności, a także wskazanie najważniejszych zalet i wad tego typu narzędzi. Do realizacji wyznaczonego celu posłużyły: a) przegląd literatury opisującej narzędzia badawcze stosowane do identyfikacji zachowań transportowych ludności oraz b) przeprowadzone w Poznaniu badania pilotażowe z wykorzystaniem smartfonów i stworzonej w tym celu aplikacji mobilnej. Na tej podstawie można stwierdzić, że w danych pozyskanych za pomocą telefonów komórkowych tkwi bardzo duży potencjał i mogą one znaleźć szerokie zastosowanie w różnego rodzaju analizach transportowych. Jednakże należy również zwrócić uwagę na istotne bariery dla dalszego upowszechniania się tego typu narzędzi badawczych, w postaci problemów natury technicznej i organizacyjnej, związanych z doborem próby oraz analizą dużych zbiorów danych.

show abstract

“…The analysis of new data sources, such as online social networks or mobile phone data, can help improve the understanding of the interdependencies and co-evolution of the social networks and the activity-travel patterns. In recent years, there has been an increasing interest in studies related to human mobility patterns (e.g., Brockmann et al 2006;Gonzalez et al 2008;Song et al 2010a;Gould 2013) and social networks (e.g. Onnela et al 2007;Lazer et al 2009;Carrasco et al 2008a;Clifton 2013), some of them using different spatiotemporal information from non-conventional, passively collected data sources (e.g., GPS, mobile phones, Twitter, etc.).…”

Section: Introductionmentioning

confidence: 99%

Exploring the potential of phone call data to characterize the relationship between social network and travel behavior

et al. 2015

View full text Add to dashboard Cite

Social network contacts have significant influence on individual travel behavior. However, transport models rarely consider social interaction. One of the reasons is the difficulty to properly model social influence based on the limited data available. Nonconventional, passively collected data sources, such as Twitter, Facebook or mobile phones, provide large amounts of data containing both social interaction and spatiotemporal information. The analysis of such data opens an opportunity to better understand the influence of social networks on travel behavior. The main objective of this paper is to examine the relationship between travel behavior and social networks using mobile phone data. A huge dataset containing billions of registers has been used for this study. The paper analyzes the nature of co-location events and frequent locations shared by social network contacts, aiming not only to provide understanding on why users share certain locations, but also to quantify the degree in which the different types of locations are shared. Locations have been classified as frequent (home, work and other) and non-frequent. A novel approach to identify co-location events based on the intersection of users' mobility models has been proposed. Results show that other locations different from home and work are frequently associated to social interaction. Additionally, the importance of non-frequent locations in co-location events is shown. Finally, the potential application of the data analysis results to improve activity-based transport models and assess transport policies is discussed

show abstract

Cell Phone Enabled Travel Surveys: The Medium Moves the Message

Cited by 11 publications

References 27 publications

Empirical distributions of vehicle use and fuel efficiency across space: Implications of asymmetry for measuring policy incidence

Empirical distributions of vehicle use and fuel efficiency across space: Implications of asymmetry for measuring policy incidence

Wykorzystanie telefonów komórkowych w badaniach zachowań transportowych ludności

Exploring the potential of phone call data to characterize the relationship between social network and travel behavior

Contact Info

Product

Resources

About