下左図は，ユタ大学博士課程3年の大学院生が，2007〜2008年の間の自分の移動経路を全て，GPSで記録したものです．自宅から大学への通学が多くを占めていますが，空港やスキー場などへの移動も見られます．
下右図は，ダウンタウン地区の拡大図です．当時は未だ，GPSの精度がそれほど高くなかったため，位置情報に随分と誤差が含まれています．
| 
| |
2年間の移動記録
|
ダウンタウン地区の拡大図
|
このようなノイズは，現在でもGPSで取得したデータには必ず含まれています．そのため，GPSデータの利用にはまず，このようなノイズを除去する必要があります．
下左図は，この地域の道路ネットワークデータです．移動は基本的に道路上で行いますので，GPSデータを道路データ上に同定することで，ノイズをかなり，除去することができます．その作業を半自動的に行うプログラムを作成し，各道路の通過頻度を色分け表示したものが下右図です．但しここでは，自宅とユタ大学を起終点とする移動のみ，集計しています．
| 
| |
道路のネットワークデータ
|
各道路の通過頻度
|
この研究の目的は，典型的な通学パターンを見つけることです．似たような経路が多いのですが，それでも日によって通学途中にダウンタウンで買い物をしたり，友人の家に寄ったりするために，全体としては非常に多様です．しかし，上右図を見ているだけでは，そのようなパターンを見つけることはできません．そこで，典型的経路を見つける方法を新たに開発しました．
その結果，下図のような5つのパターンが見つかりました．当初この大学院生は，自宅から路面電車の電停まで車で移動し，駐車場に車を置いて路面電車に乗り換え，大学に通っていました（図中の水色と紫色）．しかしその後，自宅から大学まで全て自動車で，高速道路を利用して通学するようになります（緑色）．ところがこの経路の途中で道路工事が始まり，ひどい渋滞が発生します．この渋滞を避けるために，今度は赤色と黄色の経路を使うようになりました．このうち黄色の経路は，午前中は渋滞することに気づき，最終的には行きは赤色，帰りは黄色と使い分けるようになりました．
|
主な通学経路
|
典型的な通学パターンを見つけることで，経路の変遷やその理由が明らかになりました．大学院生本人も，過去の十分な記憶がなかったのですが，この分析結果によって，改めていろいろなことを思い出していました．
出典：Sadahiro, Y., R. Lay, and T. Kobayashi (2013): Trajectories of moving objects on a network: Detection of similarities, visualization of relations, and classification of trajectories, Transactions in GIS, 17 (1), 18-40.