Viac

Nájdite cestu medzi pôvodom a cieľom vzhľadom na rozptýlené body

Nájdite cestu medzi pôvodom a cieľom vzhľadom na rozptýlené body


Máme databázu postgis, ktorá obsahuje veľa usporiadaných (podľa dátumu/času) námorných bodov (lat/long). Každý z týchto bodov je ovplyvnený vetvou medzi pôvodom a cieľom (pôvod aj cieľ sú na pobreží).

Na základe toho sa pokúšame nájsť všetky možné cesty (dúfajme, že vo väčšine prípadov iba jednu) pre každú kombináciu pôvod/cieľ (niekoľko vetiev pre danú kombináciu), nevie niekto, či už existuje nejaký algoritmus/funkcia, ktorá to robí ?

EDIT: „zasiahnuté do nohy“ znamená, že môžeme zmapovať každý bod, ktorý máme, na kombinovaný pôvod-cieľ (napríklad napríklad vieme, že Px (-122 °, 85 °) preplávalo plavidlo, ktoré vykonáva cestu medzi východiskovým bodom A a cieľ B). To, čo robíme, je nájsť možnú geografickú cestu medzi A a B na základe pozícií, o ktorých vieme, že ich navštívili plavidlá vykonávajúce túto plavbu.


Zdá sa, že chcete, aby algoritmus najkratšej cesty fungoval s vašou tabuľkou OD OD PostGIS. To je niečo, čo pgrouting dokáže.


Reprezentácia cestnej siete pre plánovanie trás v GIS v reálnom svete

Tento článok sa zaoberá metodológiou na správnu reprezentáciu cestnej siete v geografickom informačnom systéme (GIS) na analýzu siete. V priebehu rokov sa skutočný svet stal príliš zložitým na to, aby sa správne modeloval v rámci daného informačného systému, akým je napríklad GIS. V ideálnom prípade, keď je skutočný svet reprezentovaný čo najpresnejšie, môže GIS odpovedať na otázku vo svojom virtuálnom svete, ktorá sa zhoduje s presnou odpoveďou v skutočnom svete. Existujúce metódy súvisiace s modelovaním impedancie pre každý segment cestnej siete v analýze plánovania trasy, ktorá obsahuje iba premennú vzdialenosti alebo času, však neposkytujú správne výsledky. Táto štúdia preto skúma, ako môže cestná sieť predstavovať skutočný svet v GIS a ponúkať nástroje plánovania trasy. Na vyriešenie tohto problému sa najskôr vezmú do úvahy ďalšie realistické premenné. Patrí sem počasie, informácie o videní, typ cesty atď. Po druhé, na kombináciu týchto premenných je navrhnutý impedančný model (IM) pomocou metódy analytického hierarchického postupu (AHP). Nakoniec sú všetky modely implementované a overené analýzou citlivosti. Modely boli v tejto práci úspešne implementované. Všetky cesty analýzy plánovania trasy boli úspešne priradené k cestám vodičov, ktoré by boli v skutočnosti zvolené. Očakáva sa, že použitie iných techník, ako je analytický sieťový proces (ANP) okrem AHP, by bolo užitočné na prekonanie vyššie uvedeného problému.

Hlavné body

► Stanovujeme vhodné kritériá, ktoré môžu predstavovať cestnú sieť v geografickom informačnom systéme (GIS), aby bolo možné efektívne vykonávať akékoľvek analýzy siete. ► Modelujeme a integrujeme vážené kritériá pomocou techník AHP na získanie modelov impedancie. ► Odvodené modely vyhodnocujeme pomocou techniky analýzy citlivosti modelu. ► Na analýzy citlivosti modelu používame softvér odborného výberu.


Klasický dopravný problém sa týka minimalizácie nákladov na prepravu jedného produktu zo zdrojov do destinácií. Ide o problém toku siete, ktorý vzniká v priemyselnej logistike a je považovaný za špeciálny prípad lineárneho programovania. Celkový počet vyrobených jednotiek z každého zdroja, celkový počet jednotiek požadovaných v každom mieste určenia a náklady na dopravu jednej jednotky z každého zdroja do každého miesta určenia sú základnými vstupmi. Cieľom je minimalizovať celkové náklady na dopravu jednotiek vyrobených pri zdrojoch, aby sa splnili požiadavky v destináciách. Riešenie problému obsahuje tri základné kroky: 1) nájdenie počiatočného základného uskutočniteľného riešenia, 2) kontrolu, či je súčasné riešenie optimálne (s najnižšími nákladmi), a 3) zlepšenie súčasného riešenia iteráciou. Modelovanie a riešenie klasického dopravného problému sa silne spoliehajú na sieťové modely, algoritmy najlacnejších trás a analýzu prideľovania polohy v oblasti geografickej informačnej vedy (GIScience). Predstavuje teda kľúčový komponent v oblasti sieťovej analýzy a modelovania GIS & ampT.

Pieseň, Y. (2017). Klasický dopravný problém. Telo znalostí geografickej vedy a technológie zosilňovača (Vydanie 4. štvrťroka 2017), John P. Wilson (ed.). DOI: 10.22224/gistbok/2017.4.7

Táto verzia bola zverejnená 15. novembra 2017.

Táto téma je k dispozícii aj v nasledujúcich vydaniach: DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B., and Wentz, E. (2006). Klasický dopravný problém. Telo znalostí geografickej vedy a technológie zosilňovača. Washington, DC: Asociácia amerických geografov. (2. štvrťrok 2016, prvý digitálny).

sietí: sieť môže byť definovaná ako smerovaný graf G = (V, A) kde V je množina vrcholov alebo uzlov a A je množina oblúkov alebo väzieb zodpovedajúcich realizovateľným trasám medzi uzlami. Každému oblúku/spojeniu je často priradená hmotnosť odrážajúca náklady na pohyb a niektoré ďalšie obmedzenia (napr. Prietokové kapacity).

lineárne programovanie: problém lineárneho programovania možno definovať ako problém maximalizácie/minimalizácie lineárnej funkcie podliehajúcej lineárnym obmedzeniam. Obmedzenia môžu byť buď rovnosti, alebo nerovnosti. Lineárna funkcia, ktorá sa má minimalizovať/maximalizovať, je objektívna funkcia.

priemyselná logistika: vo všeobecnosti je priemyselná logistika riadením zdrojov medzi zdrojmi a destináciami tak, aby spĺňali požiadavky zákazníkov alebo spoločností. Zdroje zahŕňajú fyzické položky, ako sú potraviny a vybavenie, a abstraktné, ako napríklad čas a zdroje.

heuristické: heuristika pri riešení problému obchoduje s optimálnosťou, úplnosťou, presnosťou a/alebo presnosťou za rýchlosť. Na základe dostupných informácií heuristika zoradí alternatívy v každom kroku a rozhodne sa, akým smerom sa bude uberať. Chamtivý heurista napríklad vyberie lokálnu optimálnu hodnotu v každej fáze a pokúsi sa nájsť globálne optimum.

Klasický problém dopravy je už dlho nepostrádateľným problémom výskumu v priemyselnej a dopravnej logistike. Problém je spôsobený potrebou prepravy jednej komodity zo zdrojov (továrne a továrne) do destinácií (sklady a spotrebiteľské trhy). Celkové jednotky vyrobené z každého zdroja, celkové jednotky požadované každým miestom určenia, náklady na dopravu jednej jednotky z každého zdroja do každého miesta určenia sa považujú za známe. Cieľom je minimalizovať celkové náklady na prepravné jednotky zo zdrojov, aby sa splnili požiadavky v destináciách. Problém je tiež spôsobený potrebou presúvať ľudí medzi rôznymi aktivitami, ako sú domov a kancelária. V tradičných štvorstupňových modeloch možno problém uplatniť pri distribúcii výletov medzi zónami pôvodu a cieľovými zónami (aka distribúcia výletov).

Klasický problém s dopravou je typickým problémom siete. Zdroje a destinácie sú reprezentované ako uzly, a dopravná trasa z každého zdroja do každého cieľa je zobrazená ako a odkaz. Obrázok 1 predstavuje sieťový model s m zdroje a n destinácia.

Obrázok 1. Preprava komodity zo zdrojov do destinácií, ai a bi označujú dodané a požadované jednotky.

Počet dodaných podľa zdroja i je ai, pre i = 1, 2, . m. Počet jednotiek požadovaný podľa cieľa j je bj, pre j = 1, 2, . n. Náklady na dopravu jednej jednotky pozdĺž odkazu zo zdroja i do cieľa j je cij, a počet jednotiek prepravovaných po tomto prepojení je Xij. Celkové náklady na prepravu jednotiek zo zdroja i do všetkých destinácií <j> je:

Podobne celkové náklady na prepravu jednotiek do destinácií j zo všetkých zdrojov <i> je:

Klasický dopravný problém možno teda formulovať ako lineárnu rovnicu:

Rovnica (3) predstavuje celkové náklady na dopravu a je objektívnou funkciou klasického dopravného problému. Rovnica (4) naznačuje, že celkový počet jednotiek je dodaný zo zdroja i nesmie prekročiť dostupné jednotky ai pri zdroji i. Rovnica (5) naznačuje, že celkový počet jednotiek dodaných na miesto určenia j by mala splniť jeho dopyt bj.

Vyššie uvedený model siete môže byť vyvážený alebo nevyvážený. Keď je celková ponuka všetkých zdrojov rovnaká ako celkový dopyt vo všetkých destináciách, model je vyvážený. V opačnom prípade je model nevyvážený s nadmerným dopytom alebo nadbytočnou ponukou. V prípade nadmerného dopytu je vytvorený fiktívny zdroj, ktorý bude odrážať náklady na sankcie, P, za každú jednotku neuspokojeného dopytu. V prípade nadmernej ponuky je vytvorený atrapný sklad, ktorý bude odrážať náklady na skladovanie S za každú jednotku nadbytočnej výroby.

Okrem použitia rovníc je možné klasický transportný problém formulovať aj ako matice. Obrázok 2 zobrazuje vyvážený sieťový model s m zdroj a n destinácií.

Obrázok 2. Model vyváženej siete formulovaný ako matica.

Klasický dopravný problém je možné formulovať pomocou rovníc (3) až (6), ktoré sú všetky lineárnymi rovnicami. Preto môže byť problém štruktúrovaný ako lineárny program a vyriešený pomocou simplexová metóda. Tri kroky sú: 1) nájdenie počiatočného základného uskutočniteľného riešenia, 2) kontrola, či je riešenie optimálne, a 3) neustále zlepšovanie riešenia.

3.1 Nájdenie počiatočného základného uskutočniteľného riešenia

Pre problém vyváženej dopravy sú obmedzenia stanovené v rovnici (4) a (5) preformulované ako lineárne otázky:

Pretože sa celková ponuka rovná celkovému dopytu, máme:

Preto je jedna z rovníc v množine obmedzení nadbytočná a celkový počet nezávislých rovníc sa stane (m + n - 1). Je to preto, že ak ai, i = 1, 2, . m a bj, j = 1, 2, . (n-1) sú špecifikované, bn je možné vypočítať ako. V lineárnom programe sú základné premenné označované ako premenné, ktoré nie sú nuly, a počet základných premenných v základnom uskutočniteľnom riešení je rovnaký ako počet nezávislých rovníc obmedzenia (Luenberger a Ye, 2015). Riešenia problému vyváženej dopravy by preto mali mať presne (m + n - 1) zostávajúce základné premenné (mn - m - n + 1) premenné sú nepodstatné premenné a rovnajú sa nule.

Bežné metódy na generovanie počiatočného základného uskutočniteľného riešenia zahŕňajú: 1) metódu severozápadného rohu, 2) metódu minimálnej matice (aka metóda najnižších nákladov), 3) metódu minima v riadku alebo stĺpci a 4) Vogelovu aproximačnú metódu. Vzhľadom na problém formulovaný ako matica (pozri obrázok 2), metóda severozápadného rohu jednoducho začína severozápadným rohom matice a priradí X11 a ďalšie tri metódy sa pokúšajú vygenerovať počiatočné riešenie „bližšie“ k optimálnemu riešeniu priradením viacerých jednotiek maticovým bunkám s nižšími nákladmi cij .

Obrázok 3 je príkladom metódy severozápadného rohu. Metóda začína bunkou v severozápadnom rohu od zdroja 1 do cieľa 1, X11 . Pretože dopyt z cieľa 1 je 5 jednotiek a ponuka zo zdroja 1 je 8 jednotiek, bunka X11 má menšiu hodnotu 5 jednotiek. Pretože v prvom riadku zostali 3 jednotky, metóda sa presunie o krok na východ a spracuje bunku X12 . V druhom stĺpci zostáva 9 jednotiek a v prvom riadku sú teda 3 jednotky, bunka X12 nadobúda hodnotu 3 jednotky. Teraz v druhom stĺpci zostáva 6 jednotiek, takže metóda sa presunie o krok na juh a spracuje bunku X22. V každom z nasledujúcich krokov sa metóda presunie o jeden krok na východ alebo na juh a bunka vezme v stĺpci a riadku menšiu hodnotu, ktorá zostala. Metóda sa zastaví, keď dosiahne východo-južný roh matice.

Obrázok 3. Nájdenie počiatočného základného uskutočniteľného riešenia pomocou metódy severozápadného rohu.

3.2 Skontrolujte optimálnosť

Vzhľadom na pôvodné počiatočné základné uskutočniteľné riešenie je ďalším krokom kontrola, či je súčasné riešenie optimálne. Kritériá optimalizácie je možné formulovať definovaním dvoch sád tieňových nákladov pre súčasné riešenie <Xij>: 1) náklady na odoslanie ui na prepravu jednej jednotky zo zdroja i na akékoľvek miesto určenia a 2) náklady na recepciu vjna prepravu jednej jednotky na miesto určenia j z akéhokoľvek zdroja. Tieto tieňové náklady by mali spĺňať:

Súčasné riešenie je teda optimálne, ak nezákladné premenné nemôžu ponúkať nižšie náklady:

Tieto optimalizačné kritériá je možné implementovať určením hodnôt <ui> a <vi> na základe rovnice (10), výpočet rozdielov v nákladoch pre všetky nebázické premenné a kontrola, či všetky nie sú záporné. Pretože počet základných premenných v základnom uskutočniteľnom riešení je (m + n - 1) a celkový počet tieňových cien <ui, vj> je (m + n), vždy dokážeme nájsť základné riešenie pre <ui, vj>. Je bežné nastaviť u1 = 0. Obrázok 4 ukazuje príklad založený na počiatočnom základnom uskutočniteľnom riešení na obrázku 3, cenové rozdiely sú umiestnené v ľavých dolných rohoch. Vzhľadom na výsledok výpočtu nie je počiatočné základné uskutočniteľné riešenie optimálne, pretože rozdiely v nákladoch sú negatívne.

Obrázok 4. Kontrola možného zníženia cien.

3.3 Vylepšenie riešenia prostredníctvom iterácie

Ak súčasné riešenie nie je optimálne, existuje aspoň jedna nebázická premenná Xij = 0 s rozdielom nákladov, ktorý môže znížiť celkové náklady na dopravu systému. Priamou a možnou metódou na zlepšenie riešenia je nastaviť nezákladnú premennú na najnegatívnejšiu a zvýšiť zodpovedajúce prepravné jednotky Xuv toľko, koľko sa dá. Napríklad najnegatívnejší rozdiel je na obrázku 4 A ak X32 zvýši o, preruší sekvenciu použitú na generovanie počiatočného základného uskutočniteľného riešenia, začínajúc od x22. V dôsledku toho máme základné premenné upravené ako. Pretože potrebujeme, aby upravené premenné boli nezáporné, = 1 je dané. Po úprave základných premenných sa riešenie zdokonalí a stane sa aktuálnym. Pokiaľ nie je súčasné riešenie optimálne, zopakujeme vyššie uvedený postup zlepšovania.

Hlavnými rozšíreniami formulácií a riešení vyššie uvedeného klasického dopravného problému sú: 1) zavedenie medziľahlých prestupných zastávok (aka sieťových uzlov) (O'Kelly a Miller, 1994), 2) zvažovanie zmien v ponukách a dopyte a dynamická jednotková doprava náklady (aka dynamický dopravný problém) (Powell, et al. 1995), 3) pridanie obmedzení tak, aby odrážali sieťové a/alebo nakladacie kapacity (Nahmias & amp Cheng, 1993), a 4) stanovenie viacerých cieľov popri minimalizácii nákladov na dopravu (Ulungu & amp Teghem , 1994). Tieto rozšírenia zodpovedajú scenárom plánovania a prevádzky v reálnom svete a zlepšujú praktické výhody základného modelu, prinášajú však aj veľké výzvy, najmä pri práci s veľkými sieťami.

Mnoho existujúcich softvérových balíkov na optimalizáciu má v sebe riešenie pre lineárne programovanie. Niektoré balíky vyžadujú, aby si užívatelia kúpili licencie ako LGO (Lipschitz-continual Global Optimizer) a MINOPT (A Modeling Language and Algorithmic Framework for Linear, Mixed-Integer, Nonlineear, Dynamic, and Mixed-Integer Nonlineear Optimization). Niektoré balíky poskytujú bezplatné verzie s obmedzenými funkciami a úplné verzie pri nákupe, ako sú GAMS (General Algebraic Modeling System) a LINDO (Lineárny, Interaktívny a Diskrétny Optimalizátor). Niektoré sú k dispozícii ako balíky s otvoreným zdrojovým kódom, ako napríklad AMPL (A Modeling Language for Mathematical Programming). Pre komplexné problémy a veľkú sieť títo riešitelia spravidla používajú heuristiku na zníženie výpočtovej náročnosti. Okrem toho boli použité rôzne algoritmy na zlepšenie procesu formulácie, riešenia a hodnotenia. Niektoré bežné metódy sú fuzzy a neuro-fuzzy metódy, genetické algoritmy, vyhľadávanie tabu a prístupy vetvou a väzbou (Srivastava, 2007).

Geografické informačné systémy pre dopravu (GIS-T) sa zaoberajú informáciami o dopravných systémoch a súvisia s nimi a boli uznané ako hlavná aplikácia vedy o geografických informáciách (GIS) (Miller a Shaw, 2001). Pokiaľ ide o klasický problém dopravy, GIS-T poskytuje modely a algoritmy na zber, správu, analýzu a distribúciu priestorových informácií. Patrí sem okrem iného zber alebo odhad dodávok a požiadaviek, modelovanie a skladovanie dopravných sietí, výpočet najlacnejších trás na použitie pri určovaní jednotkových nákladov na dopravu a podpora komplexnejších analýz (napr. Dynamické náklady a viacciele) .

Niekoľko softvérových balíkov GIS má v sebe zabudovaných riešiteľov lineárneho programovania (napr. TransCAD od Caliper Corporation, CPLEX od ILOG, Xpress-MP od Dash Optimization a ArcGIS od Esri). K dispozícii je aj niekoľko balíkov GIS s otvoreným zdrojovým kódom (napríklad LP-Solver od Michela Berkelaara z Eindhovenskej technickej univerzity). Napriek tomu, že LINDO a ďalšie optimalizačné balíky sú pri riešení lineárneho programovania výkonnejšie a flexibilnejšie, balíky GIS môžu poskytovať dodatočnú podporu pri definovaní a modelovaní problému a komunikácii informácií. Softvér GIS môže napríklad priamo zobrazovať priestorové distribúcie zdrojových a cieľových miest a množstvo dodávok a požiadaviek na týchto miestach. To by umožnilo vizuálne preskúmanie problému a detekciu možných chýb existujúcich v údajoch (napr. Nesprávne umiestnenie a nereálne celkové jednotky). Ďalším príkladom sú nástroje GIS, ktoré dokážu vypočítať cestu (cesty) najnižších nákladov medzi zdrojmi a destináciami a odvodiť zodpovedajúcu maticu nákladov pre všetky zdroje a destinácie. V porovnaní s euklidovskými vzdialenosťami môže táto matica vzdialeností poskytovať presnejší odhad nákladov na dopravu.

Špeciálnym príkladom tohto typu nástrojov GIS je vrstva analýzy prideľovania polohy v rozšírení sieťového analytika, ktorú poskytuje Esri's ArcGIS. Po prvé, umožňuje používateľom importovať alebo manuálne vyhľadávať zariadenia (zdroje) a body dopytu (destinácie). Za druhé, tento nástroj umožňuje užívateľom priraďovať alebo aktualizovať zásoby a požiadavky na týchto miestach. Po tretie, základnú sieť je možné aktualizovať tak, aby odrážala dopravnú situáciu a dosiahnuteľné rýchlosti. Po štvrté, nástroj poskytuje rôzne možnosti pre problémové ciele, ako je minimalizácia impedancie, maximalizácia pokrytia a maximalizácia podielu na trhu. V neposlednom rade sú výsledky viazané na každé zariadenie a bod dopytu, pokiaľ sú prepojenia nabité jednotkami, ktoré sa majú prepravovať medzi zdrojmi a destináciami.

Klasický problém dopravy v 21. storočí GIScience stojí pred novými príležitosťami a výzvami (Miller a Shaw 2015). Po prvé, rastúce požiadavky na medzinárodný obchod a cestovanie vyžadujú efektívnejšie dopravné systémy na celosvetovú prepravu osôb a tovaru. Za druhé, pokroky v informačných a komunikačných technológiách (ICT) a technológiách rozpoznávajúcich polohu (LAT) nám umožňujú zbierať veľké množstvo údajov a odvodzovať aktuálne požiadavky používateľov a prepravné časy medzi miestami. Popularita IKT a LAT však prináša s týmto problémom aj nové výzvy. Presunutá popularita smerom k online nákupom napríklad vedie k rozptýlenejším požiadavkám a vo väčšej miere sa spolieha na sklady ako medzizastávky distribúcie.

Luenberger, D. G., & amp Ye, Y. (2015). Lineárne a nelineárne programovanie (Zv. 228). Springer.

Miller, H. J., & amp Shaw, S. L. (2001). Geografické informačné systémy pre dopravu: Zásady a aplikácie. Oxford University Press na požiadanie.

Miller, H. J., & amp Shaw, S. L. (2015). Geografické informačné systémy pre dopravu v 21. storočí. Geografický kompas, 9(4), 180-189. DOI: 10.1111/gec3.12204

Nahmias, S., & amp Cheng, Y. (1993). Analýza výroby a prevádzky (Zv. 2). Homewood, IL: Irwin.

O'Kelly, M. E., & amp Miller, H. J. (1994). Problém s návrhom siete Hub: Prehľad a syntéza. Journal of Transport Geography, 2(1), 31-40.

Powell, W. B., Jaillet, P., & amp Odoni, A. (1995). Stochastické a dynamické siete a smerovanie. Príručky operačného výskumu a vedy o manažmente, 8, 141-295.

Srivastava, S. K. (2007). Správa zeleného dodávateľského reťazca: Prehľad najnovšej literatúry. 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). Viacúčelové problémy kombinatorickej optimalizácie: prieskum. Časopis viackriteriálnej rozhodovacej analýzy, 3(2), 83-104.


Parameter snímača

Rozhranie Google Maps API predtým vyžadovalo, aby ste zahrnuli parameter senzora, ktorý indikuje, či vaša aplikácia používala senzor na určenie polohy používateľa. Tento parameter už nie je potrebný.

Pokiaľ nie je uvedené inak, obsah tejto stránky je chránený licenciou Creative Commons Attribution 4.0 License a ukážky kódu sú chránené licenciou Apache 2.0. Podrobnosti nájdete v zásadách webu Google Developers. Java je registrovaná ochranná známka spoločnosti Oracle a/alebo jej pobočiek.


Prieskum toku komodity 2012

Prieskum komoditných tokov (CFS) je spoločným úsilím Úradu pre dopravnú štatistiku (BTS) a amerického sčítania ľudu, amerického ministerstva obchodu. Prieskum je hlavným zdrojom národných a štátnych údajov o vnútroštátnych nákladných zásielkach zariadeniami v ťažobnom, výrobnom, veľkoobchodnom, pomocnom a vybranom odvetví maloobchodu a obchodu so službami, ktoré sa nachádzajú v 50 štátoch a okrese Columbia. Poskytujú sa údaje o type, pôvode a mieste určenia, hodnote, hmotnosti, spôsoboch dopravy, dodanej vzdialenosti a tonových míľach dodaných komodít. CFS sa vykonáva každých 5 rokov v rámci ekonomického sčítania. Poskytuje modálny obraz vnútroštátnych tokov nákladnej dopravy a predstavuje jediný verejne dostupný zdroj údajov o tokoch komodít pre diaľničný režim. CFS sa uskutočnil v rokoch 1993, 1997, 2002, 2007 a naposledy v roku 2012.

CFS hodnotí dopyt po dopravných zariadeniach a službách, využívanie energie, bezpečnostné riziko a environmentálne problémy. Údaje CFS používajú tvorcovia politík a plánovači dopravy v rôznych federálnych, štátnych a miestnych agentúrach. Majitelia podnikov, súkromní vedci a analytici navyše používajú údaje CFS na analýzu trendov v pohybe tovaru, mapovanie priestorových vzorcov tokov komodít a vozidiel, predpovedanie požiadaviek na pohyb tovaru a určovanie potrieb súvisiacej infraštruktúry a vybavenia.

ROZSAH

Pokrytie priemyslu

CFS 2012 zahŕňa obchodné zariadenia s platenými zamestnancami, ktoré sa nachádzajú v USA a sú zaradené podľa systému North American Industry Classification System (NAICS) z roku 2007 do ťažobného, ​​výrobného, ​​veľkoobchodného a vybraného maloobchodu a odvetvia obchodu so službami, konkrétne do elektronického nakupovania a zásielkové domy, predajcovia pohonných hmôt a vydavatelia. Prieskum sa okrem toho týka pomocných prevádzok (t. J. Skladov a riadiacich kancelárií) mnohostranných spoločností.

Pri CFS 2012 sa v roku 2011 uskutočnil cielený predbežný prieskum (precanvass) s cieľom zlepšiť kvalitu údajov o rámci pre určité odvetvia alebo typy prevádzok. Skupiny zahrnuté v tomto predbežnom prieskume boli:

Skupina predbežného prieskumu Počet prevádzok
Pomocné zariadenia (NAICS 484, 4931, 551114). 34,985
Malé zariadenia na elektronické nakupovanie a zásielkový predaj (NAICS 4541). 13,431
Malí vydavatelia (NAICS 5111). 11,804
Veľké podniky. 39,608
Celkom. 99,828

V prípade prvých troch skupín bolo účelom identifikovať tie zariadenia, ktoré skutočne vykonávajú námornú činnosť. V týchto skupinách boli prieskumné zariadenia, ktoré uviedli, že nevykonávali žiadnu lodnú činnosť, vylúčené z prípadného vesmíru vzoriek CFS. V prípade veľkých podnikov bolo cieľom získať presné meradlo ich prepravnej činnosti.

CFS Industries

Odvetvia pôsobnosti pre CFS 2012 boli vybrané na základe NAICS 2007. Odvetvia zahrnuté v CFS 2007 a 2002 boli vybrané na základe verzií NAICS z roku 2002 a 1997. Odvetvia v CFS 1997 a CFS 1993 boli vybrané na základe systému štandardnej priemyselnej klasifikácie 1987 (SIC) a napriek tomu, že boli urobené pokusy zachovať podobné pokrytie medzi prieskumami založenými na SIC (1993 a 1997) a prieskummi založenými na NAICS (2002 , 2007 a 2012), došlo k určitým zmenám v pokrytí priemyslu v dôsledku prevodu zo SIC na NAICS. Najdôležitejšie je, že pokrytie ťažobného priemyslu sa zmenilo z výrobného odvetvia (SIC 2411) na sektor mimo pôsobnosti poľnohospodárstva, lesného hospodárstva, rybárstva a poľovníctva podľa NAICS 1133. Tiež boli vydavatelia preklasifikovaní z priemyselného odvetvia (SIC 2711 , 2721, 2731, 2741 a časť 2771) k informáciám (NAICS 5111 a 51223) a boli vylúčené z CFS 2002. CFS 2007 a 2012 však zahŕňajú vydavateľov a maloobchodných predajcov pohonných hmôt.

Odvetvia NAICS (2007), na ktoré sa vzťahuje CFS 2012, sú uvedené v nasledujúcej tabuľke:

Kód NAICS Popis
212 Ťažba (okrem ropy a plynu)
311 Výroba potravín
312 Výroba nápojov a tabakových výrobkov
313 Textilné mlyny
314 Mlyny na textilné výrobky
315 Výroba odevov
316 Výroba kože a príbuzných výrobkov
321 Výroba drevených výrobkov
322 Výroba papiera
323 1 Tlač a súvisiace podporné činnosti (okrem 323122)
324 Výroba ropy a uhlia
325 Chemická výroba
326 Výroba výrobkov z plastov a gumy
327 Výroba nekovových minerálnych výrobkov
331 Primárna kovovýroba
332 Výroba kovových výrobkov
333 Strojárska výroba
334 Výroba počítačových a elektronických výrobkov
335 Výroba elektrických zariadení, spotrebičov a komponentov
336 Výroba dopravných prostriedkov
337 Výroba nábytku a príbuzných výrobkov
339 Rôzna výroba
4231 2 Veľkoobchodní predajcovia motorových vozidiel a náhradných dielov
4232 2 Veľkoobchodní predajcovia nábytku a bytového textilu
4233 2 Veľkoobchodníci s drevom a iným stavebným materiálom
4234 2 Komerčné vybavenie. veľkoobchodníci s obchodníkmi
4235 2 Veľkoobchodníci s kovmi a minerálmi (okrem ropy)
4236 2 Veľkoobchodníci s elektronickým a elektronickým tovarom
4237 2 Veľkoobchodníci s hardvérom a inštalatérskymi potrebami
4238 2 Veľkoobchodníci so strojmi, vybavením a spotrebným materiálom
4239 2 Veľkoobchodníci s rôznym tovarom dlhodobej spotreby
4241 2 Veľkoobchodníci s papierom a papierovými výrobkami
4242 2 Veľkoobchodníci s drogami a drogistickými potrebami
4243 2 Veľkoobchodníci s odevmi, kusovým tovarom a pojmami
4244 2 Veľkoobchodníci s potravinami a príbuznými produktmi
4245 2 Veľkoobchodníci so surovinami pre poľnohospodárske výrobky
4246 2 Veľkoobchodníci s chemickými a príbuznými výrobkami
4247 2 Veľkoobchodníci s ropou a ropnými výrobkami
4248 2 Veľkoobchodníci s pivom, vínom a destilovanými alkoholickými nápojmi
4249 2 Veľkoobchody s rôznym tovarom k nespracovateľnému tovaru
4541 Elektronické nákupy a zásielkové domy
45431 Predajcovia paliva
4841 3 Všeobecná nákladná kamiónová doprava
4842 3 Špecializovaná nákladná kamiónová doprava
4931 3 Skladovanie a skladovanie
5111 4 Vydavatelia novín, periodík, kníh a adresárov
551114 5 Podnikové, dcérske a regionálne riadiace kancelárie

1 Nezahŕňa predtiskové služby (NAICS 323122). 2 Veľkoobchodné prevádzky nezahŕňajú predajné kancelárie výrobcov a dovozcov vlastnej značky. 3 Zahŕňa iba sklady v zajatí, ktoré poskytujú skladovaciu a prepravnú podporu jednej spoločnosti. Sklady, ktoré ponúkajú svoje služby širokej verejnosti a iným podnikom, sú vylúčené. NAICS 4841 a 4842 sú nové odvetvia CFS 2012. Na účely tabuliek a publikácií je NAICS 484 zoskupený s NAICS 4931. 4 V roku 2007 bol NAICS 51223 Music Publishers zaradený do tabuliek a publikovaný v NAICS 5111. V cykle 2012 však NAICS 51223 nebol vzorkovaný. 5 Zahŕňa iba tie zariadenia v NAICS 551114 s prepravnou činnosťou. Poznámky: Vylúčené priemyselné odvetvia: Zahrnuté sú zahraničné prevádzkarne, prevádzkarne zaradené v doprave, stavebníctve a väčšina maloobchodu a služieb. Medzi ďalšie priemyselné oblasti, ktoré nie sú zahrnuté, ale môžu mať významnú námornú činnosť, patrí poľnohospodárstvo a vláda. Konkrétne pre poľnohospodárstvo to znamená, že CFS nepokrýva zásielky poľnohospodárskych výrobkov z farmy do spracovateľských stredísk alebo terminálových výťahov (s najväčšou pravdepodobnosťou miestne pohyby na krátke vzdialenosti), ale pokrýva zásielky týchto výrobkov z počiatočného spracovania. centrá alebo koncové výťahy ďalej. Všeobecné vylúčenia: Údaje za vládne prevádzkované zariadenia sú z CFS vylúčené. Patria sem verejné služby, verejne prevádzkované systémy autobusov a metra, verejné knižnice a štátne nemocnice. CFS taktiež vylučuje podniky alebo firmy bez platených zamestnancov.

Pokrytie zásielky

CFS zachytáva údaje o zásielkach pochádzajúcich z vybraných typov obchodných spoločností nachádzajúcich sa v 50 štátoch a okrese Columbia. CFS sa nevzťahuje na zásielky pochádzajúce z obchodných zariadení nachádzajúcich sa v Portoriku a iných majetkoch a územiach USA. Rovnako nie sú zahrnuté zásielky, ktoré prechádzajú Spojenými štátmi z cudzieho miesta na iné zahraničné miesto (napr. Z Kanady do Mexika), ani zásielky zo zahraničného miesta do počiatočného umiestnenia v USA. Dovážané výrobky sú však zahrnuté v CFS z toho dôvodu, že nechávajú dovozcu z pôvodného umiestnenia v USA na prepravu na iné miesto.

Zásielky, ktoré sú odosielané cez zahraničné územie s pôvodom aj cieľom v USA, sú zahrnuté v údajoch CFS. Kilometrový výkon vypočítaný pre tieto zásielky nezahŕňa segmenty zahraničia (napr. Zásielky z New Yorku do Michiganu cez Kanadu neobsahujú žiadne najazdené kilometre pre Kanadu). Zahrnuté sú vývozné zásielky, pričom domáca destinácia je definovaná ako americký prístav, letisko alebo hraničný priechod pri výstupe z USA. Ďalšie podrobnosti o tom, ako boli vypracované odhady najazdených kilometrov, nájdete v časti Výpočet kilometrov.

Zber dát

Každému podniku vybranému do vzorky CFS bol zaslaný dotazník za každý zo štyroch vykazovaných týždňov, to znamená, že podniku bol zaslaný dotazník raz za štvrťrok 2012. V prípade daného zariadenia bol respondent požiadaný, aby poskytol nasledujúce informácie o každom hlásených zásielok zariadenia:

  • ID zásielky
  • Dátum odoslania (mesiac, deň)
  • Hodnota zásielky
  • Hmotnosť zásielky v librách
  • Komoditný kód zo zoznamu štandardnej klasifikácie prepravovaného tovaru (SCTG)
  • Popis komodity
  • Údaj o tom, či bola zásielka regulovaná teplotou
  • Číslo OSN alebo severoamerické (UN/NA) číslo pre zásielky nebezpečného materiálu
  • Cieľ USA (mesto, štát, PSČ) - alebo brána na export zásielky
  • Druhy dopravy
  • Údaj, či zásielka bola vývozom
  • Mesto a krajina určenia na vývoz
  • Režim exportu

Podľa definície CFS je zásielka jediným pohybom tovaru, komodít alebo výrobkov z prevádzkarne k jednému zákazníkovi alebo do iného zariadenia, ktoré vlastní alebo prevádzkuje rovnaká spoločnosť ako pôvodné zariadenie (napr. Sklad, distribučné centrum, alebo maloobchodná alebo veľkoobchodná predajňa). Celé alebo čiastočné zaťaženie nákladného auta sa počíta ako jedna zásielka iba vtedy, ak sú všetky komodity na nákladnom vozidle určené na rovnaké miesto. Pri viacerých dodávkach na trase bol tovar dodaný na každej zastávke započítaný ako jedna zásielka. Interoffice poznámky, mzdové šeky alebo obchodná korešpondencia neboli zahrnuté v CFS. Podobne CFS nezahŕňa zásielky odpadu, šrotu, odpadu alebo recyklovateľných materiálov, pokiaľ podnik neprebiehal v oblasti predaja alebo poskytovania týchto materiálov.

V prípade zásielky, ktorá obsahovala viac ako jednu komoditu, bol respondent požiadaný, aby oznámil komoditu, ktorá tvorí najväčšie percento hmotnosti zásielky.

Okrem toho boli podniky požiadané, aby poskytli informácie o využívaní a rozsahu služieb rýchleho doručovania.

Metóda zberu údajov

Prieskum CFS bol vykonaný prostredníctvom núdzového odoslania/spätného odoslania pošty s možnosťou elektronického podávania správ. 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.

    Poznámka: 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.

    Prvky

    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 odpovede 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 vyber si 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