Vairāk

Atrodiet ceļu starp izcelsmi un galamērķi, ņemot vērā izkliedētos punktus

Atrodiet ceļu starp izcelsmi un galamērķi, ņemot vērā izkliedētos punktus


Mums ir postgis datu bāze, kurā ir daudz pasūtītu (pēc datuma/laika) jūras punkta (lat/long). Katrs no šiem punktiem tiek ietekmēts kājās starp sākumpunktu un galamērķi (gan sākumpunkts, gan galamērķis atrodas piekrastē).

Pamatojoties uz to, mēs cenšamies atrast visus iespējamos ceļus (cerams, ka vairumā gadījumu tikai vienu) katrai izcelsmes/galamērķa kombinācijai (vairākas daļas noteiktai kombinācijai). Vai kāds zina, vai jau pastāv kāds algoritms/funkcija, kas to dara ?

REDIĢĒT: "skārusi kāju" nozīmē, ka mēs varam kartēt visus mūsu esošos punktus uz kombināciju no sākuma līdz galamērķim (piemēram, mēs zinām, ka Px (-122 °, 85 °) ir nokārtojis kuģis, kas veic reisu starp izcelsmi) A un galamērķis B). Tas, ko mēs darām, ir atrast iespējamo ģeogrāfisko ceļu starp A un B, pamatojoties uz vietām, kuras, mūsuprāt, ir apmeklējuši kuģi, kas veic šo reisu.


Šķiet, ka vēlaties, lai jūsu PostGIS OD tabulā darbotos īsākā ceļa algoritms. To var paveikt pgrouting.


Ceļu tīkla attēlojums reālajā pasaulē maršrutu plānošanai ĢIS

Šajā rakstā aplūkota metodoloģija, kā pareizi attēlot ceļu tīklu ģeogrāfiskās informācijas sistēmā (ĢIS) tīkla analīzei. Gadu gaitā reālā pasaule ir kļuvusi pārāk sarežģīta, lai to pareizi modelētu noteiktā informācijas sistēmā, piemēram, ĢIS. Ideālā gadījumā, ja reālā pasaule tiek attēlota pēc iespējas precīzāk, ĢIS var atbildēt uz jautājumu savā virtuālajā pasaulē, kas sakrīt ar precīzu atbildi reālajā pasaulē. Tomēr esošās metodes, kas saistītas ar pretestības modelēšanu katram ceļu tīkla segmentam maršruta plānošanas analīzē, kas ietver tikai attāluma vai laika mainīgo, nedod pienācīgus rezultātus. Tādējādi šajā pētījumā tiek pētīts, kā ceļu tīkls var attēlot reālo pasauli ĢIS un piedāvāt maršruta plānošanas rīkus. Lai to risinātu, vispirms tiek ņemti vērā papildu reāli mainīgie. Tie ietver laika apstākļus, informāciju par apskates vietām, ceļa veidu utt. Otrkārt, lai apvienotu šos mainīgos, tiek piedāvāts pretestības modelis (IM), izmantojot analītiskā hierarhiskā procesa (AHP) metodi. Visbeidzot, visi modeļi tiek ieviesti un pārbaudīti ar jutīguma analīzi. Modeļi tika veiksmīgi ieviesti šajā darbā. Visi maršruta plānošanas analīzes ceļi tika veiksmīgi saskaņoti ar autovadītāju ceļiem, kas parasti tiktu izvēlēti patiesībā. Paredzams, ka citu metožu, piemēram, analītiskā tīkla procesa (ANP) izmantošana papildus AHP būtu noderīga, lai pārvarētu iepriekš minēto problēmu.

Izceļ

► Mēs nosakām pareizus kritērijus, kas ģeogrāfiskās informācijas sistēmā (ĢIS) var parādīt ceļu tīklu, lai efektīvi veiktu jebkuru tīkla analīzi. ► Mēs modelējam un integrējam svērtos kritērijus, izmantojot AHP metodes, lai iegūtu pretestības modeļus. ► Mēs novērtējam iegūtos modeļus, izmantojot modeļa jutīguma analīzes metodi. ► Modeļu jutīguma analīzēs izmantojam ekspertu izvēles programmatūru.


Klasiskā transporta problēma attiecas uz viena produkta transportēšanas izmaksu samazināšanu no avotiem uz galamērķiem. Tā ir tīkla plūsmas problēma, kas rodas rūpnieciskajā loģistikā un tiek uzskatīta par īpašu lineārās programmēšanas gadījumu. Kopējais izejvielu skaits, kas saražots katrā avotā, kopējais vienību skaits, kas nepieciešams katrā galamērķī, un vienas vienības transportēšanas izmaksas no katra avota uz katru galamērķi ir pamata izejvielas. Mērķis ir samazināt kopējās izmaksas, kas rodas, pārvadājot avotos ražotās vienības, lai apmierinātu prasības galamērķos. Problēmas risinājums ietver trīs pamata soļus: 1) sākotnējā iespējamā pamata risinājuma atrašana, 2) pašreizējā risinājuma optimālā pārbaude (ar viszemākajām izmaksām) un 3) pašreizējā risinājuma uzlabošana, atkārtojot. Klasiskās transporta problēmas modelēšana un risināšana lielā mērā balstās uz tīkla modeļiem, lētāko ceļu algoritmiem un atrašanās vietas piešķiršanas analīzi ģeogrāfiskās informācijas zinātnes (GIScience) jomā. Tādējādi tā ir galvenā sastāvdaļa ĢIS un ampT tīkla analīzes un modelēšanas jomā.

Dziesma, Y. (2017). Klasiskā transporta problēma. Ģeogrāfiskās informācijas zinātne un tehnoloģiju tehnoloģija (2017. gada 4. ceturkšņa izdevums), Džons P. Vilsons (red.). DOI: 10.22224/gistbok/2017.4.7

Šī versija tika publicēta 2017. gada 15. novembrī.

Šī tēma ir pieejama arī šādos izdevumos: DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B. un Wentz, E. (2006). Klasiskā transporta problēma. Ģeogrāfiskās informācijas zinātne un tehnoloģiju tehnoloģija. Vašingtona, ASV: Amerikas ģeogrāfu asociācija. (2016. gada 2. ceturksnis, pirmais digitālais).

tīklos: tīklu var definēt kā virzītu grafiku G = (V, A), kur V ir virsotņu vai mezglu kopa, un A ir loka vai saišu kopa, kas atbilst iespējamiem maršrutiem starp mezgliem. Katram lokam/saitei bieži tiek piešķirts svars, kas atspoguļo kustības izmaksas un dažus papildu ierobežojumus (piemēram, plūsmas jaudu).

lineāra programmēšana: lineārās programmēšanas problēmu var definēt kā lineārās funkcijas maksimizēšanas/samazināšanas problēmu, kas pakļauta lineāriem ierobežojumiem. Ierobežojumi var būt vienlīdzība vai nevienlīdzība. Minimālai/maksimālajai lineārajai funkcijai ir mērķa funkcija.

rūpnieciskā loģistika: kopumā rūpnieciskā loģistika ir resursu pārvaldība starp avotiem un galamērķiem, lai apmierinātu klientu vai korporāciju prasības. Resursi ietver gan fiziskus priekšmetus, piemēram, pārtiku un aprīkojumu, gan abstraktus, piemēram, laiku un resursus.

heiristisks: heiristika, risinot problēmu, maina ātrumu, pilnību, precizitāti un/vai precizitāti. Pamatojoties uz pieejamo informāciju, heiristika katrā solī sarindo alternatīvas, lai izlemtu, kurā virzienā rīkoties. Piemēram, mantkārīgs heiristiķis katrā posmā izvēlas vietējo optimālo vērtību, mēģinot atrast globālo optimumu.

Klasiskā transporta problēma jau sen ir bijusi neaizstājama pētniecības problēma rūpniecības un transporta loģistikā. Problēmas cēlonis ir nepieciešamība transportēt vienu preci no avotiem (rūpnīcām un rūpnīcām) uz galamērķiem (noliktavām un patēriņa tirgiem). Tiek pieņemts, ka ir zināmas kopējās vienības, kas saražotas katrā avotā, kopējās vienības, kas nepieciešamas katram galamērķim, vienas vienības transportēšanas izmaksas no katra avota uz katru galamērķi. Un mērķis ir samazināt kopējās piegādes vienību izmaksas no avotiem, lai apmierinātu prasības galamērķos. Problēmas cēlonis ir arī nepieciešamība pārvietot cilvēkus starp aktivitāšu vietām, piemēram, mājās un birojā. Tradicionālajos četru soļu modeļos šo problēmu var izmantot, lai sadalītu braucienus starp izcelsmes zonām un galamērķa zonām (pazīstams arī kā ceļojumu sadalījums).

Klasiskā transporta problēma ir tipiska tīkla problēma. Avoti un galamērķi ir attēloti kā mezgli, un transporta maršruts no katra avota uz katru galamērķi ir attēlots kā saite. 1. attēlā parādīts tīkla modelis ar m avoti un n galamērķi.

1. attēls Preces transportēšana no avotiem uz galamērķiem, ai un bi apzīmē piegādātās un pieprasītās vienības.

To skaits, ko piegādājis avots i ir ai, priekš i = 1, 2, . m. Galamērķim nepieciešamais vienību skaits j ir bj, priekš j = 1, 2, . n. Vienas vienības transportēšanas izmaksas pa saiti no avota i līdz galamērķim j ir cij, un pa saiti transportēto vienību skaits ir xij. Kopējās vienību transportēšanas izmaksas no avota i uz visiem galamērķiem <j> ir:

Līdzīgi kopējās izmaksas par vienību transportēšanu uz galamērķiem j no visiem avotiem <i> ir:

Tādējādi klasisko transporta problēmu var formulēt kā lineāru vienādojumu:

Vienādojums (3) attēlo kopējās transportēšanas izmaksas un ir klasiskās transporta problēmas objektīvā funkcija. Vienādojums (4) norāda, ka no avota nosūtīto vienību kopskaits i nedrīkst pārsniegt pieejamās vienības ai pie avota i. Vienādojums (5) norāda, ka uz galamērķi nosūtīto vienību kopskaits j vajadzētu apmierināt tās pieprasījumu bj.

Iepriekš minētais tīkla modelis var būt līdzsvarots vai nelīdzsvarots. Ja kopējais piedāvājums visos resursos ir vienāds ar kopējo pieprasījumu visos galamērķos, modelis ir līdzsvarots. Pretējā gadījumā modelis ir nelīdzsvarots, ar pārmērīgu pieprasījumu vai pārmērīgu piedāvājumu. Pārmērīga pieprasījuma gadījumā tiek izveidots fiktīvs avots, kas atspoguļo soda izmaksas, Lpp, par katru neapmierinātā pieprasījuma vienību. Piegādes pārpalikuma gadījumā tiek izveidota fiktīva noliktava, kas atspoguļo uzglabāšanas izmaksas S par katru produkcijas pārpalikuma vienību.

Papildus vienādojumu izmantošanai klasisko transportēšanas problēmu var formulēt arī kā matricas. 2. attēlā parādīts līdzsvarots tīkla modelis ar m avots un n galamērķiem.

2. attēls. Līdzsvarots tīkla modelis, kas formulēts kā matrica.

Klasisko transporta problēmu var formulēt, izmantojot vienādojumus (3) līdz (6), kas visi ir lineāri vienādojumi. Tādējādi problēmu var strukturēt kā lineāru programmu un atrisināt, izmantojot simpleksa metode. Trīs soļi ir: 1) atrast sākotnēji iespējamu pamata risinājumu, 2) pārbaudīt, vai risinājums ir optimāls, un 3) turpināt risinājuma uzlabošanu.

3.1 Sākotnējā iespējamā pamata risinājuma atrašana

Lai nodrošinātu līdzsvarotu transporta problēmu, 4. un 5. vienādojumā noteiktie ierobežojumi tiek pārformulēti kā lineāri jautājumi:

Tā kā kopējais piedāvājums ir vienāds ar kopējo pieprasījumu, mums ir:

Tāpēc viens no ierobežojumu kopas vienādojumiem ir lieks, un kopējais neatkarīgo vienādojumu skaits kļūst par (m + n - 1). Tas ir tāpēc, ka, ja ai, i = 1, 2, . m un bj, j = 1, 2, . (n-1) ir norādīti, bn var aprēķināt kā. Lineārajā programmā pamata mainīgie tiek attiecināti uz mainīgajiem, kas nav nulles, un pamata mainīgo skaits iespējamā pamatrisinājumā ir tāds pats kā neatkarīgo ierobežojumu vienādojumu skaits (Luenberger un Ye, 2015). Tāpēc līdzsvarota transporta problēmas risinājumiem vajadzētu būt tieši (m + n - 1) pamata mainīgie atlikušie (mn - m - n + 1) mainīgie nav pamata mainīgie un ir vienādi ar nulli.

Parastās sākotnējā iespējamā pamata risinājuma radīšanas metodes ietver: 1) ziemeļrietumu stūra metodi, 2) minimālās matricas metodi (pazīstama arī kā zemāko izmaksu metode), 3) minimālās rindas vai kolonnas minimālās metodes un 4) Vogela tuvināšanas metodi. Ņemot vērā problēmu, kas formulēta kā matrica (sk. 2. attēlu), ziemeļrietumu stūra metode vienkārši sākas ar matricas ziemeļrietumu stūri un piešķir x11 un pārējās trīs metodes mēģina radīt sākotnējo risinājumu “tuvāk” optimālajam risinājumam, piešķirot matricas šūnām vairāk vienību ar zemākām izmaksām cij .

3. attēls ir ziemeļrietumu stūra metodes piemērs. Metode sākas ar šūnu ziemeļrietumu stūrī no 1. avota līdz 1. galamērķim, x11 . Tā kā pieprasījums no galamērķa 1 ir 5 vienības un piedāvājums no 1. avota ir 8 vienības, šūna x11 ņem mazāko vērtību 5 vienības. Tā kā pirmajā rindā ir palikušas 3 vienības, metode virzās vienu soli uz austrumiem un apstrādā šūnu x12 . Otrajā kolonnā ir palikušas 9 vienības, un pirmajā rindā ir 3 vienības, tāpēc šūna x12 ņem vērtību 3 vienības. Tagad otrajā kolonnā ir palikušas 6 vienības, tāpēc metode pārvietojas vienu soli uz dienvidiem un apstrādā šūnu x22. Katrā no šīm darbībām metode tiek pārvietota vienu soli uz austrumiem vai dienvidiem, un šūna ņem mazāko vērtību, kas palikusi kolonnā un rindā. Metode apstājas, kad tā sasniedz matricas austrumu-dienvidu stūri.

3. attēls. Sākotnējā iespējamā pamata risinājuma atrašana, izmantojot ziemeļrietumu stūra metodi.

3.2 Pārbaudiet optimitāti

Ņemot vērā sākotnējo iespējamo pamata risinājumu, nākamais solis ir pārbaudīt, vai pašreizējais risinājums ir optimāls. Optimizācijas kritērijus var formulēt, definējot divas ēnu izmaksu kopas pašreizējam risinājumam <xij>: 1) nosūtīšanas izmaksas ui transportēt vienu vienību no avota i uz jebkuru galamērķi un 2) uzņemšanas izmaksas vjlai nogādātu vienu vienību līdz galamērķim j no jebkura avota. Šīm ēnu izmaksām vajadzētu apmierināt:

Tādējādi pašreizējais risinājums ir optimāls, ja nepamatie mainīgie nevar piedāvāt zemākas izmaksas:

Šos optimizācijas kritērijus var ieviest, nosakot vērtības <ui> un <vi> pamatojoties uz (10) vienādojumu, aprēķinot izmaksu atšķirības visiem ne-pamata mainīgajiem un pārbaudot, vai visi nav negatīvi. Tā kā pamata mainīgo skaits iespējamajā pamata risinājumā ir (m + n - 1) un kopējais ēnu cenu skaits <ui, vj> ir (m + n), mēs vienmēr varam atrast pamata risinājumu <ui, vj>. Ir ierasts uzstādīt u1 = 0. 4. attēlā parādīts piemērs, kas balstīts uz sākotnēji iespējamo pamata risinājumu 3. attēlā. Cenu atšķirības ir novietotas kreisajā apakšējā stūrī. Ņemot vērā aprēķina rezultātu, sākotnējais iespējamais pamata risinājums nav optimāls, jo izmaksu atšķirības ir negatīvas.

4. attēls. Iespējamo cenu samazinājumu pārbaude.

3.3 Risinājuma uzlabošana, atkārtojot

Ja pašreizējais risinājums nav optimāls, ir vismaz viens bez pamata mainīgais xij = 0 ar izmaksu starpību, kas var samazināt sistēmas kopējās transportēšanas izmaksas. Tieša un iespējama metode risinājuma uzlabošanai ir iestatīt ne-pamata mainīgo ar visnegatīvāko un palielināt atbilstošās piegādes vienības xuv cik vien iespējams. Piemēram, visnegatīvākā atšķirība ir 4. attēlā Un, ja x32 palielinās par, tas pārtrauks secību, ko izmanto, lai radītu sākotnējo iespējamo pamata risinājumu, sākot no x22. Līdz ar to mums ir pamata mainīgie, kas koriģēti kā. Tā kā mums ir vajadzīgi pielāgoti mainīgie, lai tie nebūtu negatīvi, = 1 tiek dots ar. Pēc pamata mainīgo pielāgošanas risinājums tiek uzlabots un kļūst aktuāls. Ja vien pašreizējais risinājums nav optimāls, mēs atkārtojam iepriekš minēto uzlabošanas procedūru.

Iepriekš minētās klasiskās transporta problēmas formulējumu un risinājumu galvenie paplašinājumi ir šādi: 1) starpposma pārsēšanās pieturvietu (pazīstams arī kā tīkla mezgli) ieviešana (O'Kelly un Miller, 1994), 2) piedāvājuma un pieprasījuma apjoma izmaiņu apsvēršana un dinamiska vienību pārvadāšana. izmaksas (pazīstama arī kā dinamiska transporta problēma) (Powell, et al., 1995), 3) ierobežojumu pievienošana, lai atspoguļotu tīkla un/vai iekraušanas spējas (Nahmias & amp Cheng, 1993), un 4) vairāku mērķu izvirzīšana līdzās piegādes izmaksu samazināšanai (Ulungu & amp; Teghem) , 1994). Šie paplašinājumi atbilst reāliem plānošanas un ekspluatācijas scenārijiem un uzlabo pamata modeļa praktiskos ieguvumus, tomēr tie rada arī lielas problēmas, īpaši, strādājot ar lieliem tīkliem.

Daudzām optimizācijas programmatūras pakotnēm ir lineārās programmēšanas risinātāji. Dažās pakotnēs lietotājiem ir jāiegādājas tādas licences kā LGO (Lipschitz nepārtraukts globālais optimizētājs) un MINOPT (modelēšanas valoda un algoritmu ietvars lineārai, jauktu veselu skaitļu, nelineārai, dinamiskai un jaukta veseluma nelineārai optimizācijai). Dažas paketes, iegādājoties bezmaksas versijas ar ierobežotām funkcijām, un pilnas versijas, piemēram, GAMS (vispārējā algebriskās modelēšanas sistēma) un LINDO (lineārais, interaktīvais un diskrētais optimizētājs). Daži no tiem ir pieejami kā atvērtā pirmkoda pakotnes, piemēram, AMPL (A Modelling Language for Mathematical Programming). Sarežģītām problēmām un lielam tīklam šie risinātāji parasti izmanto heiristiku, lai samazinātu skaitļošanas sarežģītību. Turklāt, lai uzlabotu formulējumu, risinājumu un novērtēšanas procesu, tika izmantoti dažādi algoritmi. Dažas no izplatītākajām metodēm ir izplūdušas un neiro-izplūdušas metodes, ģenētiskie algoritmi, tabu meklēšana un sazarota pieeja (Srivastava, 2007).

Ģeogrāfiskās informācijas sistēmas transportēšanai (GIS-T) nodarbojas ar informāciju par transporta sistēmām un ir saistītas ar tām, un tās ir atzītas par galveno ģeogrāfiskās informācijas zinātnes (GIS) pielietojumu (Miller and Shaw, 2001). Attiecībā uz klasisko transporta problēmu GIS-T piedāvā modeļus un algoritmus telpiskās informācijas vākšanai, pārvaldīšanai, analīzei un izplatīšanai. Tie ietver, bet neaprobežojas, krājumu un pieprasījumu savākšanu vai novērtēšanu, transporta tīklu modelēšanu un uzglabāšanu, vislētāko ceļu aprēķināšanu izmantošanai, lai noteiktu vienības pārvadāšanas izmaksas, un atbalstīt sarežģītāku analīzi (piemēram, dinamiskas izmaksas un vairāku mērķu sasniegšana). .

Dažās ĢIS programmatūras pakotnēs ir iebūvēti lineāri programmēšanas risinātāji (piemēram, TransCAD, ko nodrošina Caliper Corporation, CPLEX, ko nodrošina ILOG, Xpress-MP, Dash Optimization un ArcGIS, Esri). Ir pieejamas arī dažas atvērtā koda ĢIS paketes (piemēram, Mišela Berkelaāra LP-Solver Eindhovenas Tehnoloģiju universitātē). Lai gan LINDO un citas optimizācijas paketes ir jaudīgākas un elastīgākas, risinot lineāro programmēšanu, ĢIS paketes var sniegt papildu atbalstu problēmas definēšanai un modelēšanai, kā arī informācijas nodošanai. Piemēram, ĢIS programmatūra var tieši parādīt avota un galamērķa vietu telpisko sadalījumu, kā arī piegādes apjomu un pieprasījumu šajās vietās. Tas ļautu vizuāli izpētīt problēmu un atklāt iespējamās datu kļūdas (piemēram, nepareizas atrašanās vietas un nereālas kopējās vienības). Vēl viens piemērs ir ĢIS rīki, kas var aprēķināt lētāko ceļu (-us) starp avotiem un galamērķiem un iegūt atbilstošo izmaksu matricu visiem avotiem un galamērķiem. Salīdzinot ar Eiklida attālumiem, šī attāluma matrica var sniegt precīzāku piegādes izmaksu novērtējumu.

Īpašs šāda veida ĢIS rīku piemērs ir atrašanās vietas piešķiršanas analīzes slānis tīkla analītiķu paplašinājumā, ko nodrošina Esri ArcGIS. Pirmkārt, tas ļauj lietotājiem importēt vai manuāli atrast iekārtas (avotus) un pieprasījuma punktus (galamērķus). Otrkārt, rīks ļauj lietotājiem piešķirt vai atjaunināt piegādes un prasības šajās vietās. Treškārt, pamatā esošo tīklu var atjaunināt, lai atspoguļotu satiksmes situāciju un sasniedzamo ātrumu. Ceturtkārt, rīks piedāvā dažādas problēmu mērķu iespējas, piemēram, pretestības samazināšanu, pārklājuma palielināšanu un tirgus daļas palielināšanu. Visbeidzot, rezultāti ir saistīti ar katru objektu un pieprasījuma punktu, ja vien saites ir noslogotas ar vienībām, kas jāpārvadā starp avotiem un galamērķiem.

Klasiskā transporta problēma 21. gadsimta ĢIS zinātnē saskaras ar jaunām iespējām un izaicinājumiem (Miller and Shaw 2015). Pirmkārt, pieaugošās prasības starptautiskajai tirdzniecībai un ceļojumiem prasa efektīvākas transporta sistēmas cilvēku un preču pārvietošanai visā pasaulē. Otrkārt, informācijas un komunikācijas tehnoloģiju (IKT) un atrašanās vietas zinošo tehnoloģiju (LAT) sasniegumi ļauj mums savākt lielu datu apjomu un iegūt aktuālas lietotāju prasības un transportēšanas laiku starp atrašanās vietām. Tomēr IKT un LAT popularitāte rada arī jaunus problēmas izaicinājumus. Piemēram, popularitātes novirzīšanās uz iepirkšanos tiešsaistē noved pie nevienmērīgākām prasībām un vairāk paļaujas uz noliktavām kā izplatīšanas starpposmu.

Luenberger, D. G., & amp Ye, Y. (2015). Lineāra un nelineāra programmēšana (228. sēj.). Springer.

Millers, H. J., & amp; Shaw, S. L. (2001). Transporta ģeogrāfiskās informācijas sistēmas: principi un pielietojums. Oksfordas universitātes prese pēc pieprasījuma.

Millers, H. J., & amp; Shaw, S. L. (2015). Ģeogrāfiskās informācijas sistēmas transportam 21. gadsimtā. Ģeogrāfijas kompass, 9(4), 180.-189. DOI: 10.1111/gec3.12204

Nahmias, S., & amp. Cheng, Y. (1993). Ražošanas un darbības analīze (2. sēj.). Homewood, IL: Irvins.

O'Kelly, M. E., & amp; Miller, H. J. (1994). Centra tīkla dizaina problēma: pārskats un kopsavilkums. Transporta ģeogrāfijas žurnāls, 2(1), 31-40.

Powell, W. B., Jaillet, P., & amp; Odoni, A. (1995). Stohastiskie un dinamiskie tīkli un maršrutēšana. Rokasgrāmatas operāciju izpētē un vadības zinātnē, 8, 141-295.

Srivastava, S. K. (2007). Zaļās piegādes ķēdes vadība: vismodernākais literatūras apskats. International Journal of Management Reviews, 9(1), 53. – 80. DOI: 10.1111/j.1468-2370.2007.00202.x

Ulungu, E. L., & amp; Teghem, J. (1994). Daudzmērķu kombinatoriskās optimizācijas problēmas: aptauja. Daudzkritēriju lēmumu analīzes žurnāls, 3(2), 83-104.


Sensora parametrs

Google Maps API iepriekš prasīja iekļaut sensora parametru, lai norādītu, vai jūsu lietojumprogramma izmantoja sensoru, lai noteiktu lietotāja atrašanās vietu. Šis parametrs vairs nav nepieciešams.

Ja nav norādīts citādi, šīs lapas saturs ir licencēts saskaņā ar Creative Commons Attribution 4.0 licenci, un koda paraugi ir licencēti saskaņā ar Apache 2.0 licenci. Lai iegūtu sīkāku informāciju, skatiet Google izstrādātāju vietņu politikas. Java ir Oracle un/vai tā saistīto uzņēmumu reģistrēta preču zīme.


2012. gada preču plūsmas apsekojums

Preču plūsmas apsekojums (CFS) ir Transporta statistikas biroja (BTS) un ASV Tautas skaitīšanas biroja, ASV Tirdzniecības departamenta kopīgs darbs. Aptauja ir galvenais valsts un valsts līmeņa datu avots par vietējiem kravu pārvadājumiem, ko veic ieguves rūpniecības, ražošanas, vairumtirdzniecības, palīgdarbības uzņēmumi un atsevišķas mazumtirdzniecības un pakalpojumu tirdzniecības nozares, kas atrodas 50 štatos un Kolumbijas apgabalā. Tiek sniegti dati par nosūtīto preču veidu, izcelsmi un galamērķi, vērtību, svaru, transporta veidiem, nosūtīto attālumu un tonnu jūdzēm. CFS tiek veikta ik pēc 5 gadiem ekonomiskās skaitīšanas ietvaros. Tas sniedz modālu priekšstatu par valsts kravu plūsmām un ir vienīgais publiski pieejamais preču plūsmas datu avots šosejas režīmam. CFS tika veikta 1993., 1997., 2002., 2007. gadā un pēdējo reizi - 2012. gadā.

CFS novērtē transporta iekārtu un pakalpojumu pieprasījumu, enerģijas izmantošanu, drošības risku un vides problēmas. CFS datus izmanto politikas veidotāji un transporta plānotāji dažādās federālās, štata un vietējās aģentūrās. Turklāt uzņēmumu īpašnieki, privāti pētnieki un analītiķi izmanto CFS datus, lai analizētu preču kustības tendences, kartētu preču un transportlīdzekļu plūsmu telpiskos modeļus, prognozētu preču kustības prasības un noteiktu nepieciešamību pēc saistītās infrastruktūras un aprīkojuma.

DARBĪBAS JOMA

Nozares pārklājums

2012. gada CFS aptver uzņēmējdarbības iestādes ar algotu darbinieku, kas atrodas ASV un ir klasificētas, izmantojot 2007. gada Ziemeļamerikas rūpniecības klasifikācijas sistēmu (NAICS) ieguves rūpniecībā, ražošanā, vairumtirdzniecībā un atsevišķās mazumtirdzniecības un pakalpojumu tirdzniecības nozarēs, proti, elektroniskā iepirkšanās un pa pastu, degvielas tirgotāji un izdevēji. Turklāt aptauja aptver daudzuzņēmumu palīgiekārtas (t.i., noliktavas un vadošos birojus).

Attiecībā uz 2012. gada CFS 2011. gadā tika veikts mērķtiecīgs iepriekšējs apsekojums (precanvass), lai uzlabotu dažu nozaru vai uzņēmumu veidu datu kvalitāti. Šajā iepriekšējā aptaujā tika iekļautas šādas grupas:

Iepriekšēja aptauju grupa Iestāžu skaits
Palīglīdzekļi (NAICS 484, 4931, 551114). 34,985
Nelielas elektroniskās iepirkšanās un pasūtīšanas pa pastu iestādes (NAICS 4541). 13,431
Mazie izdevēji (NAICS 5111). 11,804
Lielas iestādes. 39,608
Kopā. 99,828

Pirmajām trim grupām mērķis bija noteikt tos uzņēmumus, kas faktiski veic kuģniecības darbības. Šajās grupās aptaujātie uzņēmumi, kas ziņoja, ka neveic nekādas kuģošanas darbības, tika izslēgti no galīgā CFS paraugu visuma. Lieliem uzņēmumiem mērķis bija iegūt precīzu to kuģniecības darbības novērtējumu.

CFS Industries

2012. gada CFS darbības jomas tika atlasītas, pamatojoties uz 2007. gada NAICS. Nozares, kas iekļautas 2007. un 2002. gada CFS, tika atlasītas, pamatojoties uz attiecīgi 2002. un 1997. gada NAICS versijām. 1997. gada CFS un 1993. gada CFS nozares tika atlasītas, pamatojoties uz 1987. gada standarta rūpniecības klasifikācijas sistēmu (SIC) un, lai gan tika mēģināts saglabāt līdzīgu pārklājumu starp SIC balstītajiem apsekojumiem (1993. un 1997. gads) un uz NAICS balstītajiem apsekojumiem (2002. gads) , 2007 un 2012), ir notikušas dažas izmaiņas nozares pārklājumā, pateicoties pārejai no SIC uz NAICS. Jo īpaši mežizstrādes nozares aptvērums ir mainījies no neattiecas ražošanas (PIK 2411) uz lauksaimniecības, mežsaimniecības, zivsaimniecības un medību nozari ārpus darbības jomas saskaņā ar NAICS 1133. Tāpat izdevēji tika pārklasificēti no ražošanas (PIK 2711) , 2721, 2731, 2741 un daļa no 2771) informācijai (NAICS 5111 un 51223) un tika izslēgti 2002. gada CFS. Tomēr 2007. un 2012. gada CFS ietver izdevējus un degvielas mazumtirgotājus.

(2007) NAICS nozares, uz kurām attiecas 2012. gada CFS, ir uzskaitītas šajā tabulā:

NAICS kods Apraksts
212 Kalnrūpniecība (izņemot naftu un gāzi)
311 Pārtikas ražošana
312 Dzērienu un tabakas izstrādājumu ražošana
313 Tekstila dzirnavas
314 Tekstilizstrādājumu dzirnavas
315 Apģērbu ražošana
316 Ādas un tās izstrādājumu ražošana
321 Koka izstrādājumu ražošana
322 Papīra ražošana
323 1 Poligrāfija un ar to saistītās atbalsta darbības (izņemot 323122)
324 Naftas un ogļu produktu ražošana
325 Ķīmiskā ražošana
326 Plastmasas un gumijas izstrādājumu ražošana
327 Nemetālisko minerālu izstrādājumu ražošana
331 Primārā metāla ražošana
332 Metāla izstrādājumu ražošana
333 Mašīnu ražošana
334 Datoru un elektronisko izstrādājumu ražošana
335 Elektrisko iekārtu, ierīču un detaļu ražošana
336 Transporta aprīkojuma ražošana
337 Mēbeļu un saistīto izstrādājumu ražošana
339 Dažāda ražošana
4231 2 Automobiļu un to rezerves daļu vairumtirgotāji
4232 2 Mēbeļu un mājas mēbeļu tirgotāju vairumtirgotāji
4233 2 Kokmateriālu un citu būvmateriālu tirgotāju vairumtirgotāji
4234 2 Tirdzniecības aprīkojums. tirgotāju vairumtirgotāji
4235 2 Metālu un minerālu (izņemot naftu) vairumtirgotāji
4236 2 Elektrisko un elektronisko preču vairumtirgotāji
4237 2 Aparatūras un santehnikas vairumtirgotāji
4238 2 Mašīnu, iekārtu un piederumu vairumtirgotāji
4239 2 Dažādi ilglietojuma preču tirgotāji vairumtirgotāji
4241 2 Papīra un papīra izstrādājumu vairumtirgotāji
4242 2 Narkotikas un aptiekāru dažādi tirgo vairumtirgotājus
4243 2 Apģērbu, gabalu preču un jēdzienu vairumtirgotāji
4244 2 Pārtikas preču un saistīto preču tirgotāju vairumtirgotāji
4245 2 Lauksaimniecības produktu izejvielu tirgotāju vairumtirgotāji
4246 2 Ķīmijas un saskarnozaru izstrādājumu vairumtirgotāji
4247 2 Naftas un naftas produktu vairumtirgotāji
4248 2 Alus, vīna un destilētu alkoholisko dzērienu vairumtirgotāji
4249 2 Dažādu nenoturīgu preču tirgotāju vairumtirgotāji
4541 Elektroniskā iepirkšanās un pasūtīšana pa pastu
45431 Degvielas tirgotāji
4841 3 Vispārējo kravu pārvadājumi
4842 3 Specializēta kravu pārvadāšana
4931 3 Noliktava un uzglabāšana
5111 4 Laikrakstu, periodisko izdevumu, grāmatu un direktoriju izdevēji
551114 5 Korporatīvie, meitasuzņēmumi un reģionālie vadības biroji

1 Neietver pirmsdrukas pakalpojumus (NAICS 323122). 2 Vairumtirdzniecības uzņēmumi neietver ražotāju tirdzniecības birojus un savu zīmolu importētājus. 3 Ietver tikai slēgtas noliktavas, kas nodrošina uzglabāšanas un piegādes atbalstu vienam uzņēmumam. Nav iekļautas noliktavas, kas piedāvā savus pakalpojumus plašākai sabiedrībai un citiem uzņēmumiem. NAICS 4841 un 4842 ir jaunas nozares 2012. gada CFS. Tabulēšanas un publicēšanas nolūkos NAICS 484 ir sagrupēts ar NAICS 4931. 4 2007. gadā NAICS 51223 mūzikas izdevēji tika apkopoti tabulās un publicēti žurnālā NAICS 5111. Tomēr 2012. gada ciklam NAICS 51223 netika ņemts paraugs. 5 Ietver tikai tos NAICS 551114 uzņēmumus, kas veic kuģniecības darbības. Piezīmes. Izslēgtās nozares: nav iekļauti ārvalstu uzņēmumi, uzņēmumi, kas klasificēti transporta, celtniecības un vairumā mazumtirdzniecības un pakalpojumu nozaru. Citas nozares, uz kurām neattiecas, bet kurām var būt ievērojama kuģniecības darbība, ietver lauksaimniecību un valdību. Attiecībā uz lauksaimniecību tas īpaši nozīmē, ka CFS neattiecas uz lauksaimniecības produktu sūtījumiem no saimniecības vietas uz pārstrādes centriem vai termināļu liftiem (visticamāk, vietējās pārvietošanās nelielos attālumos), bet attiecas uz šo produktu sūtījumiem no sākotnējās apstrādes centri vai termināļa lifti. Vispārīgi izņēmumi: CFS neattiecas uz datiem par valsts pārvaldītiem uzņēmumiem. Tajos ietilpst komunālie pakalpojumi, publiski pārvaldītās autobusu un metro sistēmas, publiskās bibliotēkas un valdībai piederošās slimnīcas. CFS arī neietver iestādes vai uzņēmumus, kuros nav algotu darbinieku.

Sūtījuma segums

CFS uztver datus par sūtījumiem, kas iegūti no noteiktiem uzņēmējdarbības veidiem, kas atrodas 50 štatos un Kolumbijas apgabalā. CFS neattiecas uz sūtījumiem, kuru izcelsme ir uzņēmējdarbības iestādēs Puertoriko un citos ASV īpašumos un teritorijās. Tāpat nav iekļauti sūtījumi, kas šķērso ASV no ārvalstu atrašanās vietas uz citu ārvalstu atrašanās vietu (piemēram, no Kanādas uz Meksiku), kā arī sūtījumi no ārvalsts uz sākotnējo ASV atrašanās vietu. Tomēr importētie produkti tiek iekļauti CFS no brīža, kad tie atstāj importētāja sākotnējo ASV atrašanās vietu, lai tos nosūtītu uz citu vietu.

CFS datos tiek iekļauti sūtījumi, kas tiek nosūtīti caur svešu teritoriju gan ar izcelsmi, gan galamērķi ASV. Šiem sūtījumiem aprēķinātais nobraukums neietver ārzemju segmentus (piemēram, sūtījumos no Ņujorkas uz Mičiganu caur Kanādu nav iekļauts nekāds nobraukums Kanādai). Ir iekļauti eksporta sūtījumi, kuru vietējais galamērķis ir definēts kā ASV osta, lidosta vai robežas šķērsošana, izejot no ASV. Papildu informāciju par nobraukuma aprēķinu izstrādi skatiet sadaļā Nobraukuma aprēķins.

Datu vākšana

Katram CFS izlasē atlasītajam uzņēmumam tika nosūtīta anketa par katru no četrām pārskata nedēļām, tas ir, uzņēmumam tika nosūtīta anketa reizi 2012. gada ceturksnī. Attiecībā uz konkrētu uzņēmumu respondentam tika lūgts sniegt šādu informāciju par katru no uzņēmuma paziņotajiem sūtījumiem:

  • Sūtījuma ID numurs
  • Piegādes datums (mēnesis, diena)
  • Sūtījuma vērtība
  • Sūtījuma svars mārciņās
  • Preces kods no pārvadāto preču standarta klasifikācijas (SCTG) saraksta
  • Preces apraksts
  • Norāde par to, vai sūtījums tika kontrolēts ar temperatūru
  • Apvienoto Nāciju Organizācijas vai Ziemeļamerikas (ANO/NA) numurs bīstamu materiālu pārvadājumiem
  • ASV galamērķis (pilsēta, štats, pasta indekss) vai eksporta sūtījuma vārti
  • Transporta veidi
  • Norāde par to, vai sūtījums bija eksports
  • Eksporta galamērķa pilsēta un valsts
  • Eksporta režīms

Pēc CFS definīcijas sūtījums ir vienota preču, preču vai izstrādājumu pārvietošana no uzņēmuma uz vienu klientu vai uz citu uzņēmumu, kas pieder tai pašai sabiedrībai kā izcelsmes uzņēmums (piemēram, noliktava, izplatīšanas centrs, vai mazumtirdzniecības vai vairumtirdzniecības vietā). Pilnas vai daļējas kravas automašīnas kravas tika uzskatītas par vienu sūtījumu tikai tad, ja visas kravas automašīnas preces bija paredzētas vienai un tai pašai vietai. Vairākām piegādēm maršrutā katrā pieturā piegādātās preces tika skaitītas kā viens sūtījums. Starpnozaru piezīmes, algas pārbaudes vai biznesa sarakste CFS nebija iekļauta. Tāpat CFS neietver atkritumu, papīra lūžņu, atkritumu vai pārstrādājamu materiālu sūtījumus, ja vien uzņēmums nav nodarbojies ar šo materiālu pārdošanu vai piegādi.

Sūtījumam, kurā bija vairāk nekā viena prece, respondentam tika uzdots ziņot par preci, kas veidoja lielāko daļu no sūtījuma svara.

Turklāt uzņēmumiem tika lūgts sniegt informāciju par steigas piegādes pakalpojumu izmantošanu un apjomu.

Datu vākšanas metode

CFS aptauja tika veikta, izmantojot pasta izsūtīšanu/atpakaļnosūtīšanu ar elektronisku ziņošanas iespēju. Each establishment selected into the 2012 CFS sample was mailed four ques-tionnaires—one during each calendar quarter of the year 2012. The four questionnaires were the same for all report-ing periods (see Appendix E for a copy of the question-naire). The establishments were asked to provide shipment information about a sample of their individual outbound shipments during a prespecified one-week period in each calendar quarter. Each of the 4 weeks was in the same relative position of the calendar quarter. Respondents had the option of reporting electronically and were given log-in information on their mailed questionnaire.

Mileage Calculations

The distance traveled by each freight shipment reported by the respondents to the 2012 CFS was estimated by a soft-ware tool called GeoMiler that uses routing algorithms and an integrated, intermodal transportation network that has been developed and updated expressly for this purpose. Each shipment record contained the ZIP Codes of shipment origin and destination (O-D pair) and the mode or modal sequence required by the routing algorithm for distance estimation. Each record also contained information on type of commodity moved, its weight, dollar value, and hazardous materials (hazmat) status. For each export ship-ment, the U.S. port of exit (POE) was also identified, along with foreign destination country a destination country of Canada/Mexico also required a Canadian/Mexican destina-tion city.

Valid and accurate O-D pair ZIP Codes were essential elements needed for estimating the travel distance of any shipment. For shipments with missing or invalid geographic data elements, such data elements were imputed, if a reasonable correction appeared obtainable (e.g., if a specific destination city/state was provided, then a “reasonably reliable” destination ZIP Code was imputed for the shipment). Follow-up contact with respondents was required when the missing information could not be reasonably imputed.

GeoMiler—Software to Measure the Distance Traveled by Commodity Shipments

The CFS does not ask respondents to report the distance traveled for each shipment. Therefore, shipment mileage was calculated using GeoMiler, a routing tool developed by BTS specifically for CFS mileage calculations. GeoMiler used current Geographic Information System (GIS) technology and spatial multimodal network databases and integrated map-visualization features with route solvers to handle many alternative multimodal combinations. This tool used algorithms that found the quickest path over spatial representations of the U.S. highway, railway, waterway, and airway networks. For waterborne export shipments, GeoMiler used a waterborne commerce database from the U.S. Army Corps of Engineers (USACE) to route freight originating in the United States via the deep sea (ocean). For airborne export shipments, GeoMiler used an updated air export network from the BTS Office of Airline Information (OAI).

Methodological Changes to Mileage Calculation for the 2012 CFS

With a valid origin and destination Zip Code, GeoMiler will calculate the distance traveled (in miles) by mode for each shipment reported in the CFS. The following types of methodological changes to mileage processing were incorporated in 2012:

  • A shipment with a respondent-provided mode of Parcel must weigh 150 pounds or less in addition, a shipment with a respondent-provided mode of Air was not given a weight restriction.
  • A mode of transportation was imputed whenever a respondent provided a mode of Other, or Unknown, or otherwise failed to provide a modal response (missing mode) for a shipment.
  • Private truck is considered a “short-haul” mode hence Private truck shipments were not routed more than 500 miles during shipment routing.

According to the 2007 CFS Instruction Guide, an Air shipment was defined as a shipment that weighed 100 pounds or more. During mileage processing for the 2007 CFS, an Air shipment was manually converted to Parcel if the weight of the shipment was less than 100 pounds.

However, airlines do not necessarily have minimum weight restrictions when transporting cargo. Hence, for the 2012 CFS, the definition of an Air shipment was changed. As a result, an Air shipment was acceptable as provided by the respondent, regardless of weight.

Furthermore, for the 2012 CFS, Parcel shipments conformed to the definition used by the parcel industry that a parcel is a shipment of 150 pounds or less. For shipments submitted by the respondent with mode of Parcel and a weight above 150 pounds, GeoMiler changed the mode to For-hire truck during mileage processing.

Routing a Shipment When Mode Is Other, Unknown, or Missing

On the survey form, respondents were given the following choices for mode of transport: Air, Highway (Private truck or For-hire truck), Rail, Waterway (Inland water or Deep sea), Parcel, Pipeline, Other mode (meaning none of the above), or Unknown.

During the 2007 CFS mileage processing, 2.4 percent of shipments had a respondent-provided mode of Unknown or Other, and an additional 2.1 percent had no reported mode at all. In these situations, the mode of transport was imputed. For 2012 CFS mileage processing, if the shipment weighed less than 80,000 pounds, it was routed via Highway mode as For-hire truck if the shipment weighed 80,000 pounds or more, it was routed via Rail mode.

Private Truck Versus For-Hire Truck

Shipments via Private truck are generally “short-haul” in nature. Because of the number of shipments exceeding this norm in the 2007 CFS, Census Bureau analysts researched the Private truck shipments at or above 500 miles. In almost all cases, the mode should have been reported as For-hire truck instead of Private truck.

Consequentially, for 2012 CFS GeoMiler mileage processing, Private truck was converted to For-hire truck if the shipment mileage was equal to or greater than 500 miles, regardless of the commodity being transported. The 2012 CFS preliminary data shows a decrease from 2007 in average miles per shipment for Private truck, with an average of 46 miles per shipment.

Mileage for Domestic Shipments

For a domestic shipment, the mileage was calculated between the centroid (center of a geographic area) of the U.S. origin ZIP Code and the centroid of the destination ZIP Code. The route between an O-D pair was composed of a series of links, and an impedance factor was assigned to each link (impedance is defined as a function of distance and travel time). Given a mode or modal sequence, the role of GeoMiler was to find that “best path” route which minimized the total impedance of the links between the specified O-D pair.

The mileage for shipments within a ZIP Code (matching O-D pair) was calculated by means of a formula that approximated the longest distance within the boundaries of that ZIP Code.

For multimodal shipments (those shipments involving more than one mode, such as truck-rail shipments), spatial joins (intermodal transfer links) were added to the network database to connect the individual modal networks together for routing purposes. An intermodal terminals database and a number of terminal transfer models were developed at BTS to identify likely transfer points for freight. An algorithm was used to find the minimum impedance path between a shipment’s origin ZIP Code to the transfer point and then from the transfer point to the destination ZIP Code. Thus, for multimodal shipments, the cumulative length of the spatial joins, plus links on the path, was used for estimating distances.

To estimate highway mileage, GeoMiler considered the functional class of highway so that the “single best path” was the quickest path based on the likely use of interstate and other major roadways and not necessarily the shortest path. The “quickest path” algorithms in terms of travel time incorporated the following hierarchical functional class of highway:

The model favored the selection of higher-order routes (interstate) rather than lower-order routes (state and county), which provided a more realistic path for freight movement via highway.

To estimate railway mileage, GeoMiler selected a “single best path” from those calibrated with route density information obtained from sampled rail waybills, assigned a specific railroad company at shipment origin, and considered ownership, trackage rights, and interlining (the transfer from one railroad company’s trackage network to that of another).

To estimate waterway mileage, GeoMiler selected a “single best path” from the USACE waterway network featuring dock-to-dock movements (from the dock nearest to origin, to the dock nearest to destination) by specific two-digit commodity codes for the Standard Classification of Transported Goods (SCTG).

To estimate domestic airway mileage, GeoMiler selected the “single best path” from the three airports closest to the origin ZIP Code to the three airports closest to the destination ZIP Code. Criteria for route selection were calibrated with air route information provided by the OAI at BTS. As in the past, to be acceptable, an airway routing must generate at least twice as many airway miles as highway miles (the ratio of air/truck miles should be at least 2 to 1) in order to reach the destination. Consequently, GeoMiler chose the most likely air route from those routes that were nonstop (direct) from airport facilities with higher cargo lifts (weight transported between two airports) based on the OAI air cargo data.

Mileage for Pipeline Shipments

For pipeline shipments, ton-miles and average miles per shipment are not shown in the data files. For most of these shipments, the respondents reported the shipment destination as a pipeline facility on the main pipeline network. Therefore, for the majority of these shipments, the resulting mileage represented only the access distance through feeder pipelines to the main pipeline network and not the actual distance through the main pipeline network. Pipeline shipments are included in the U.S. totals for ton-miles and average miles per shipment. For security purposes, there is no pipeline network available in the public domain with which to route petroleum-based products. Hence, any modal distance, either single or multi, involving pipeline was considered as solely pipeline mileage from origin ZIP Code to destination ZIP Code and calculated to equal great circle distance (GCD). GCD is defined as the shortest distance between two points on the earth’s surface, taking into account the earth’s curvature.

Mileage Routing in Alaska

Much of Alaska is inaccessible by any mode of transportation except “bush” airplanes. A “bush” airplane is a small aircraft that usually carries no more than four people, including the “bush” pilot. For the 2012 CFS, a network of mini airports, more extensive than that used previously in the 2007 CFS, was incorporated into intrastate travel within Alaska to accommodate “short-hop” flights where no established roads existed, especially in cases where the respondent reported a mode of highway.

Mileage for Export Shipments

For all exports, GeoMiler determined a U.S. port of exit (POE): seaport, airport, or border crossing (in the case of highway exports to the border countries of Canada/Mexico). However, only the portion of mileage measured within U.S. borders was included as domestic mileage in the CFS estimates for export shipments. To find the POE, GeoMiler used foreign destination country, type of commodity being exported, port volume (tonnage), and domestic travel distances.

The mileage estimates for export shipments in the 2012 CFS included the total distance from the shipment origin up to the exit point on the U.S. territorial borders.

For waterway exports via inland waterways (e.g., the Mississippi River), the mileage calculation included the distance from an inland water POE (such as St. Louis) to a coastal POE (such as New Orleans), and this extra inland waterway mileage was included in the total domestic mileage for this shipment.

For waterway exports via the Great Lakes (Lakes Erie, Huron, Michigan, Ontario, Superior), the mileage calculation was continued from a Great Lakes POE (such as Chicago, Cleveland, Duluth) to the line of demarcation between the United States and Canada (drawn within each of the Great Lakes except Michigan), and this extra Great Lakes mileage was included in the total domestic mileage for this shipment.


How to Use Traceroute

Traceroute is run from a command prompt or terminal window. On Windows, press the Windows key, type Command Prompt, and press Enter to launch one.

To run a traceroute, run the tracert command followed by the address of a website. For example, if you wanted to run a traceroute on How-To Geek, you’d run the command:

(On Mac or Linux, run traceroute howtogeek.com instead.)

You’ll gradually see the route take form as your computer receives responses from the routers along the way.

If you run a traceroute for another website – particularly one hosted in a different region of the world – you’d see how the paths differ. The first “hops” are the same as the traffic reaches your ISP, while the later hops are different as the packets go elsewhere. For example, below you can see the packets travelling to Baidu.com in China.


Distance Matrix responses

Responses to Distance Matrix API queries are returned in the format indicated by the output flag within the URL request's path.

Two sample HTTP requests are shown below, requesting distance and duration from Vancouver, BC, Canada and from Seattle, WA, USA, to San Francisco, CA, USA and to Victoria, BC, Canada.

This request demonstrates using the JSON output flag:

This request demonstrates using the XML output flag:

This request will return four elements - two origins times two destinations:

Vancouver to San Francisco Vancouver to Victoria
Seattle to San Francisco Seattle to Victoria

Results are returned in rows, each row containing one origin paired with each destination.

You can test this by entering the URL into your web browser (be sure to replace YOUR_API_KEY with your actual API key).

Select the tabs below to see the sample JSON and XML responses.

Note that these results generally need to be parsed if you wish to extract values from the results. Parsing JSON is relatively easy. See Parsing JSON for some recommended design patterns.

We recommend that you use json as the preferred output flag unless your service requires xml for some reason. Processing XML trees requires some care, so that you reference proper nodes and elements. See Parsing XML with XPath for some recommended design patterns for output processing.

The remainder of this documentation will use JSON syntax.

Distance Matrix response elements

Distance Matrix responses contain the following root elements:

  • status contains metadata on the request. See Status Codes below.
  • origin_addresses contains an array of addresses as returned by the API from your original request. These are formatted by the geocoder and localized according to the language parameter passed with the request.
  • destination_addresses contains an array of addresses as returned by the API from your original request. As with origin_addresses , these are localized if appropriate.
  • rows contains an array of elements , which in turn each contain a status , duration , and distance element.

Status codes

The status fields within the response object contain the status of the request, and may contain useful debugging information. The Distance Matrix API returns a top-level status field, with information about the request in general, as well as a status field for each element field, with information about that particular origin-destination pairing.

Top-level status codes

  • OK indicates the response contains a valid result .
  • INVALID_REQUEST indicates that the provided request was invalid.
  • MAX_ELEMENTS_EXCEEDED indicates that the product of origins and destinations exceeds the per-query limit.
  • MAX_DIMENSIONS_EXCEEDED indicates that the number of origins or destinations exceeds the per-query limit.
  • OVER_DAILY_LIMIT indicates any of the following:
    • The API key is missing or invalid.
    • Billing has not been enabled on your account.
    • A self-imposed usage cap has been exceeded.
    • The provided method of payment is no longer valid (for example, a credit card has expired).

    See the Maps FAQ to learn how to fix this.

    Element-level status codes

    • OK indicates the response contains a valid result .
    • NOT_FOUND indicates that the origin and/or destination of this pairing could not be geocoded.
    • ZERO_RESULTS indicates no route could be found between the origin and destination.
    • MAX_ROUTE_LENGTH_EXCEEDED indicates the requested route is too long and cannot be processed.

    Error messages

    When the top-level status code is other than OK , there may be an additional error_message field within the Distance Matrix response object. This field contains more detailed information about the reasons behind the given status code.

    Piezīme: This field is not guaranteed to be always present, and its content is subject to change.

    When the Distance Matrix API returns results, it places them within a JSON rows array. Even if no results are returned (such as when the origins and/or destinations don't exist), it still returns an empty array. XML responses consist of zero or more <row> elements.

    Rows are ordered according to the values in the origin parameter of the request. Each row corresponds to an origin, and each element within that row corresponds to a pairing of the origin with a destination value.

    Each row array contains one or more element entries, which in turn contain the information about a single origin-destination pairing.

    Elementi

    The information about each origin-destination pairing is returned in an element entry. An element contains the following fields:

    • status : See Status Codes for a list of possible status codes.
    • duration : The length of time it takes to travel this route, expressed in seconds (the value field) and as text . The textual representation is localized according to the query's language parameter.

    duration_in_traffic : The length of time it takes to travel this route, based on current and historical traffic conditions. See the traffic_model request parameter for the options you can use to request that the returned value is optimistic, pessimistic, or a best-guess estimate. The duration is expressed in seconds (the value field) and as text . The textual representation is localized according to the query's language parameter. The duration in traffic is returned only if all of the following are true:

    • The request includes a departure_time parameter.
    • The request includes a valid API key, or a valid Google Maps Platform Premium Plan client ID and signature.
    • Traffic conditions are available for the requested route.
    • The mode parameter is set to driving .
    • currency : An ISO 4217 currency code indicating the currency that the amount is expressed in.
    • value : The total fare amount, in the currency specified above.
    • text : The total fare amount, formatted in the requested language.

    Below is an example of an element containing fare information:


    2 atbildes 2

    As the hint suggested, to reach $(5,5)$ from $(0,0)$, we will take $10$ consecutive "steps," of which $5$ will be up and $5$ to the right. We can izvēlēties any $5$ of these $10$ steps to be the "up" steps.

    So there are $inom<10><5>$ possible paths.

    To visualize the problem draw the quarter xy plane, that is, the positive x and y axises, on a graphing sheet. Now mark all the points with integer coordinates on and inside the square whose vertices are (0,0),(0,5),(5,0), and (5,5). You can draw small dots to make these marks. So, for example, you would have a dot on your graphing paper at the point (1,1). When you are done, you should have a total of 25 points. Now, the question asks, how many ways are there, starting from the origin (0,0), to move to the corner point (5,5), with the constraint that you can only move up or right and you can only step on the drawn points? A sample path would be (0,1)(0,2)(1,2)(2,2)(3,2)(3,3)(3,4)(4,4)(5,4)(5,5). Notice that you can't move diagonally to a point. Only up and right. Obviously you can count all the distinct paths by actually drawing them out or you can use combinatorics and counting methods to compute the number of paths.


    I've created an example file for you: get driving distance

    where A2 is the origin and B2 is the destination.

    You have to get an API key from mapquest and replace the value YOUR_KEY_HERE with it.

    This is what works for me:

    This will yield the driven distance between <point.A> and <point.B> in meters (according to Google Maps, of course).

    I do not think there is built in Excel function, or extension, to do this.

    You might want to check out this Source Forge page: http://zips.sourceforge.net/

    • It provides a CSV dataset to convert Zip Codes to Lat/Long (center point presumably)
    • It provides Excel code to calculate the "crow flies" distance between two lat/long coordinates. (and includes equivalent code for Java, PHP and Python.

    The page notes that the angles have to be in Radians and that Excel has a degrees to Radians conversion function:

    Unless someone else has a slicker answer, this should get you what you want without too much work.

    For a complete Google spreadsheet example, in the form of a spreadsheet template, plus information about the Google Maps API: http://winfred.vankuijk.net/2010/12/calculate-distance-in-google-spreadsheet/

    Google Developers offers a very robust script for map related functions in Google Sheets that I used and have really enjoyed. Full instructions are on the webpage as well.

    I am not familiar enough with the APIs to tell you exactly how to do this, but I would think it would be possible using the Google Maps API.

    Google Maps, of course, can provide directions from one point to another through their API. It would be complicated, but possible to route the locations from the spreadsheet through the API and get driving directions, which would give you a driving distance between cities.

    You can write the functions on your own which is similar like macro's

    you can find the full document here

    PS: Currently It doesn't open for all Google Apps Script