Suite

Trouver un chemin entre une origine et une destination en fonction de points dispersés

Trouver un chemin entre une origine et une destination en fonction de points dispersés


Nous avons une base de données postgis contenant beaucoup de points nautiques ordonnés (par date/heure) (lat/long). Chacun de ces points est affecté à une étape entre une origine et une destination (l'origine et la destination sont toutes deux sur une côte).

Sur cette base, nous essayons de trouver tous les chemins possibles (espérons-le un seul dans la plupart des cas) pour chaque combinaison origine/destination (plusieurs jambes pour une combinaison donnée), est-ce que quelqu'un sait s'il existe déjà une sorte d'algorithme/fonction qui fait cela ?

EDIT: "affecté à une étape" signifie que nous pouvons mapper chaque point que nous avons à une combinaison origine-destination (ainsi, par exemple, nous savons que Px (-122°, 85°) a été dépassé par un navire effectuant le voyage entre l'origine A et destination B). Ce que nous essayons de faire, c'est de trouver le chemin géographique possible entre A et B en fonction des positions que nous savons avoir été visitées par les navires effectuant ce voyage.


Il semble que vous souhaitiez qu'un algorithme de chemin le plus court fonctionne sur votre table d'OD PostGIS. C'est quelque chose que pgrouting peut faire.


Représentation du monde réel d'un réseau routier pour la planification d'itinéraire dans le SIG

Cet article traite d'une méthodologie pour représenter correctement un réseau routier dans le système d'information géographique (SIG) pour l'analyse du réseau. Au fil des années, le monde réel est devenu trop complexe pour être modélisé correctement au sein d'un système d'information donné, tel que le SIG. Idéalement, lorsque le monde réel est représenté aussi précisément que possible, un SIG peut répondre à une question dans son monde virtuel qui coïncide avec la réponse exacte dans le monde réel. Cependant, les méthodes existantes liées à la modélisation d'impédance pour chaque segment d'un réseau routier dans une analyse de planification d'itinéraire qui comprend uniquement une variable de distance ou de temps ne donnent pas de résultats corrects. Par conséquent, cette étude examine comment un réseau routier peut représenter le monde réel dans un SIG et offrir des outils de planification d'itinéraire. Pour résoudre ce problème, des variables réalistes supplémentaires sont d'abord prises en compte. Il s'agit notamment de la météo, des informations touristiques, du type de route, etc. Deuxièmement, pour combiner ces variables, un modèle d'impédance (IM) utilisant la méthode du processus hiérarchique analytique (AHP) est proposé. Enfin, tous les modèles sont implémentés et vérifiés avec une analyse de sensibilité. Les modèles ont été implémentés avec succès dans ce travail. Tous les chemins de l'analyse de planification d'itinéraire ont été mis en correspondance avec les chemins des conducteurs qui seraient normalement choisis dans la réalité. Il est prévu que l'utilisation d'autres techniques telles que le processus de réseau analytique (ANP) en plus de l'AHP serait utile pour surmonter le problème susmentionné.

Points forts

► Nous déterminons les critères appropriés qui peuvent présenter un réseau routier dans le système d'information géographique (SIG) pour effectuer efficacement toute analyse de réseau. ► Nous modélisons et intégrons les critères pondérés en utilisant les techniques AHP pour obtenir des modèles d'impédance. ► Nous évaluons les modèles dérivés à l'aide d'une technique d'analyse de sensibilité de modèle. ► Nous utilisons un logiciel de choix d'experts pour les analyses de sensibilité du modèle.


Le problème classique du transport concerne la minimisation du coût de transport d'un seul produit des sources aux destinations. C'est un problème de flux de réseau qui se pose en logistique industrielle et qui est considéré comme un cas particulier de programmation linéaire. Le nombre total d'unités produites à chaque source, le nombre total d'unités nécessaires à chaque destination et le coût de transport d'une unité de chaque source à chaque destination sont les intrants de base. L'objectif est de minimiser le coût total de transport des unités produites aux sources pour répondre aux demandes aux destinations. La solution du problème comprend trois étapes de base : 1) trouver une solution de base réalisable initiale, 2) vérifier si la solution actuelle est optimale (avec les coûts les plus bas) et 3) améliorer la solution actuelle par itération. La modélisation et la résolution du problème de transport classique reposent fortement sur des modèles de réseau, des algorithmes de chemin de moindre coût et une analyse de localisation-allocation dans le domaine de la science de l'information géographique (GIScience). Ainsi, il représente un élément clé dans le domaine de l'analyse et de la modélisation de réseau de GIS&T.

Chanson, Y. (2017). Le problème de transport classique. Le corpus de connaissances des sciences de l'information géographique et de la technologie (Édition du 4e trimestre 2017), John P. Wilson (éd.). DOI : 10.22224/gistbok/2017.4.7

Cette version a été publiée le 15 novembre 2017.

Cette rubrique est également disponible dans les éditions suivantes : DiBiase, D., DeMers, M., Johnson, A., Kemp, K., Luck, A. T., Plewe, B. et Wentz, E. (2006). Le problème de transport classique. Le corpus de connaissances des sciences de l'information géographique et de la technologie. Washington, DC : Association des géographes américains. (2e trimestre 2016, premier numérique).

réseaux: un réseau peut être défini comme un graphe orienté G=(V, A) où V est l'ensemble des sommets ou des nœuds, et A est l'ensemble des arcs ou des liens correspondant aux routes possibles entre les nœuds. Chaque arc/lien est souvent affecté d'un poids reflétant le coût du mouvement et certaines contraintes supplémentaires (par exemple, les capacités de débit).

programmation linéaire: un problème de programmation linéaire peut être défini comme un problème de maximisation/minimisation d'une fonction linéaire soumise à des contraintes linéaires. Les contraintes peuvent être soit des égalités, soit des inégalités. La fonction linéaire à minimiser/maximiser est la fonction objectif.

logistique industrielle: en général, la logistique industrielle est la gestion des ressources entre les sources et les destinations pour répondre aux demandes des clients ou des entreprises. Les ressources comprennent à la fois des éléments physiques tels que la nourriture et l'équipement, et des éléments abstraits tels que le temps et les ressources.

heuristique: une heuristique échange l'optimalité, l'exhaustivité, l'exactitude et/ou la précision contre la vitesse lors de la résolution d'un problème. Sur la base des informations disponibles, une heuristique classe les alternatives à chaque étape pour décider de la direction à suivre. Par exemple, une heuristique gloutonne sélectionne une valeur optimale locale à chaque étape, en essayant de trouver un optimum global.

Le problème classique du transport est depuis longtemps un problème de recherche incontournable en logistique industrielle et des transports. Le problème est motivé par la nécessité de transporter un seul produit des sources (usines et usines) aux destinations (entrepôts et marchés de consommation). Le nombre total d'unités produites à chaque source, le nombre total d'unités requises par chaque destination, le coût de transport d'une unité de chaque source à chaque destination sont supposés connus. Et l'objectif est de minimiser le coût total des unités d'expédition depuis les sources pour répondre aux demandes aux destinations. Le problème est également motivé par la nécessité de déplacer les personnes entre les lieux d'activité tels que la maison et le bureau. Dans les modèles traditionnels en quatre étapes, le problème peut être appliqué pour répartir les déplacements entre les zones d'origine et les zones de destination (alias distribution des déplacements).

Le problème de transport classique est un problème de réseau typique. Les sources et les destinations sont représentées par nœuds, et l'itinéraire de transport de chaque source à chaque destination est représenté par un relier. La figure 1 représente un modèle de réseau avec m sources et m destination.

Figure 1. Transporter une marchandise des sources aux destinations, unje et Bje désignent les unités fournies et les unités demandées.

Le nombre de ses fournis par source je est uneje, pour je = 1, 2, . m. Le nombre d'unités requis par destination j est bj, pour j = 1, 2, . m. Le coût de transport d'une unité le long du lien depuis la source je à destination j est cje, et le nombre d'unités transportées le long de la liaison est Xje. Le coût total du transport des unités depuis la source je vers toutes les destinations <j> est :

De même, le coût total du transport des unités vers les destinations j de toutes les sources <je> est :

Ainsi, le problème de transport classique peut être formulé comme une équation linéaire :

L'équation (3) représente le coût total du transport et est la fonction objectif du problème de transport classique. L'équation (4) indique que le nombre total d'unités expédiées de la source je ne doit pas dépasser les unités disponibles uneje À la source je. L'équation (5) indique que le nombre total d'unités expédiées à destination j devrait répondre à sa demande bj.

Le modèle de réseau ci-dessus peut être équilibré ou déséquilibré. Lorsque l'offre totale à toutes les ressources, est égale à la demande totale à toutes les destinations, , le modèle est équilibré. Sinon, le modèle est déséquilibré, avec excès de demande ou excès d'offre. Pour le cas d'une demande excédentaire, , une source fictive est créée pour refléter le coût de la pénalité, P, pour chaque unité de demande non satisfaite. En cas d'approvisionnement excédentaire, un entrepôt fictif est créé pour refléter le coût de stockage S pour chaque unité de production excédentaire.

Outre l'utilisation d'équations, le problème de transport classique peut également être formulé sous forme de matrices. La figure 2 montre un modèle de réseau équilibré avec m source et m destinations.

Figure 2. Un modèle de réseau équilibré formulé sous forme de matrice.

Le problème de transport classique peut être formulé à l'aide des équations (3) à (6), qui sont toutes des équations linéaires. Par conséquent, le problème peut être structuré comme un programme linéaire et résolu en utilisant le méthode du simplexe. Les trois étapes sont : 1) trouver une solution de base réalisable initiale, 2) vérifier si la solution est optimale, et 3) continuer à améliorer la solution.

3.1 Trouver une première solution de base réalisable

Pour le problème de transport équilibré, les contraintes définies dans les équations (4) et (5) sont reformulées sous forme de questions linéaires :

L'offre totale étant égale à la demande totale, on a :

Par conséquent, l'une des équations de l'ensemble de contraintes est redondante et le nombre total d'équations indépendantes devient (m + m - 1). C'est parce que si uneje, je = 1, 2, . m et bj, j = 1, 2, . (m-1) sont spécifiés, bm peut être calculé comme . Dans un programme linéaire, les variables de base font référence aux variables qui ne sont pas des zéros, et le nombre de variables de base dans une solution réalisable de base est le même que le nombre d'équations de contraintes indépendantes (Luenberger et Ye, 2015). Par conséquent, les solutions du problème de transport équilibré devraient avoir exactement (m + m - 1) variables de base les autres (mn - m - m + 1) les variables sont des variables non fondamentales et égales à zéro.

Les méthodes courantes pour générer une solution réalisable de base initiale comprennent : 1) la méthode du coin nord-ouest, 2) la méthode de la matrice minimale (ou méthode du moindre coût), 3) la méthode du minimum de ligne ou de colonne et 4) la méthode d'approximation de Vogel. Étant donné le problème formulé sous forme de matrice (voir Figure 2), la méthode du coin nord-ouest commence simplement par le coin nord-ouest de la matrice et attribue X11 et les trois autres méthodes tentent de générer une solution initiale « plus proche » de la solution optimale en attribuant plus d'unités aux cellules de la matrice avec des coûts inférieurs cje .

La figure 3 est un exemple de méthode du coin nord-ouest. La méthode commence par la cellule dans le coin nord-ouest de la source 1 à la destination 1, X11 . Puisque la demande de la destination 1 est de 5 unités et l'offre de la source 1 est de 8 unités, la cellule X11 prend la plus petite valeur 5 unités. Comme il reste 3 unités à la première ligne, la méthode se déplace d'un pas vers l'est et traite la cellule X12 . La deuxième colonne a 9 unités à gauche et la première ligne a 3 unités donc, la cellule X12 prend la valeur 3 unités. Maintenant, la deuxième colonne a 6 unités restantes, donc la méthode se déplace d'un pas vers le sud et traite la cellule X22. Dans chacune des étapes suivantes, la méthode se déplace d'un pas vers l'est ou le sud et la cellule prend la plus petite valeur laissée dans sa colonne et sa ligne. La méthode s'arrête lorsqu'elle atteint le coin est-sud de la matrice.

Figure 3. Recherche d'une solution réalisable de base initiale à l'aide de la méthode du coin nord-ouest.

3.2 Vérifier l'optimalité

Étant donné la solution réalisable de base initiale initiale, l'étape suivante consiste à vérifier si la solution actuelle est optimale. Les critères d'optimisation peuvent être formulés en définissant deux ensembles de coûts fantômes pour la solution actuelle <Xje> : 1) un coût d'expédition vousje pour transporter une unité de la source je vers n'importe quelle destination, et 2) un coût d'accueil vjpour transporter une unité à destination j de n'importe quelle source. Ces coûts fantômes devraient satisfaire :

Par conséquent, la solution actuelle est optimale si les variables non fondamentales ne peuvent pas offrir des coûts inférieurs :

Ces critères d'optimisation peuvent être mis en œuvre en déterminant des valeurs de <vousje> et <vje> sur la base de l'équation (10), calculant les différences de coût pour toutes les variables non fondamentales et vérifiant si toutes sont non négatives. Puisque le nombre de variables de base dans la solution réalisable de base est (m + m - 1) et le nombre total de prix fictifs <vousje, vj> est (m + m), nous pouvons toujours trouver une solution de base pour <vousje, vj>. Il est courant de définir vous1 = 0. La figure 4 montre un exemple basé sur la solution réalisable de base initiale de la figure 3, les différences de prix sont placées dans les coins inférieurs gauches. Compte tenu du résultat du calcul, la solution réalisable de base initiale n'est pas optimale car les différences de coûts sont négatives.

Figure 4. Vérification des éventuelles réductions de prix.

3.3 Améliorer la solution par itération

Si la solution actuelle n'est pas optimale, il existe au moins une variable non fondamentale Xje = 0 avec une différence de coût qui peut réduire le coût global de transport du système. Une méthode directe et possible pour améliorer la solution consiste à définir la variable non fondamentale avec le plus négatif et à augmenter les unités d'expédition correspondantes Xuv autant que possible. Par exemple, la différence la plus négative est dans la figure 4 Et si X32 augmente de , il brisera la séquence utilisée pour générer la solution réalisable de base initiale, à partir de x22. Par conséquent, nous avons des variables de base ajustées comme . Puisque nous avons besoin que les variables ajustées soient non négatives, = 1 est donné par . Après ajustement des variables de base, la solution est améliorée et devient actuelle. À moins que la solution actuelle ne soit optimale, nous répétons la procédure d'amélioration ci-dessus.

Les principales extensions des formulations et des solutions du problème de transport classique ci-dessus sont : 1) l'introduction d'arrêts de transfert intermédiaires (alias hubs de réseau) (O'Kelly et Miller, 1994), 2) la prise en compte des changements dans les quantités d'offre et de demande, et le transport unitaire dynamique (aka problème de transport dynamique) (Powell, et al. 1995), 3) l'ajout de contraintes pour refléter le réseau et/ou les capacités de chargement (Nahmias & Cheng, 1993), et 4) la définition d'objectifs multiples en plus de minimiser les coûts d'expédition (Ulungu & Teghem , 1994). Ces extensions correspondent à des scénarios de planification et d'exploitation du monde réel et améliorent les mérites pratiques du modèle de base, mais elles posent également de grands défis, en particulier lorsqu'il s'agit de grands réseaux.

De nombreux progiciels d'optimisation existants contiennent des solveurs de programmation linéaire. Certains packages nécessitent que les utilisateurs achètent des licences telles que LGO (Lipschitz-continuous Global Optimizer) et MINOPT (A Modeling Language and Algorithmic Framework for Linear, Mixed-Integer, Nonlinear, Dynamic, and Mixed-Integer Nonlinear Optimization). Certains packages fournissent des versions gratuites avec des fonctions limitées et des versions complètes à l'achat telles que GAMS (General Algebraic Modeling System) et LINDO (Linear, Interactive, and Discrete Optimizer). Certains sont disponibles sous forme de packages open source tels que AMPL (A Modeling Language for Mathematical Programming). Pour les problèmes complexes et les grands réseaux, ces solveurs appliquent généralement des heuristiques pour réduire la complexité de calcul. De plus, divers algorithmes ont été utilisés pour améliorer le processus de formulation, de solution et d'évaluation. Certaines méthodes courantes sont les méthodes floues et neuro-floues, les algorithmes génétiques, la recherche taboue et les approches branch-and-bound (Srivastava, 2007).

Les systèmes d'information géographique pour les transports (SIG-T) traitent des informations sur et liées aux systèmes de transport, et ont été reconnus comme une application majeure de la science de l'information géographique (SIG) (Miller et Shaw, 2001). En ce qui concerne le problème de transport classique, GIS-T fournit des modèles et des algorithmes pour la collecte, la gestion, l'analyse et la distribution d'informations spatiales. Ceux-ci incluent, sans s'y limiter, la collecte ou l'estimation des approvisionnements et des demandes, la modélisation et le stockage des réseaux de transport, le calcul des chemins de moindre coût à utiliser pour déterminer les coûts de transport unitaires et la prise en charge d'analyses plus complexes (par exemple, coûts dynamiques et objectifs multiples) .

Quelques progiciels SIG intègrent des solveurs de programmation linéaire (par exemple, TransCAD de Caliper Corporation, CPLEX d'ILOG, Xpress-MP de Dash Optimization et ArcGIS d'Esri). Il existe également des packages SIG open source (tels que LP-Solver de Michel Berkelaar à l'Université de technologie d'Eindhoven). Bien que LINDO et d'autres packages d'optimisation soient plus puissants et flexibles lors de la résolution de la programmation linéaire, les packages SIG peuvent fournir des supports supplémentaires pour définir et modéliser le problème et communiquer des informations. Par exemple, un logiciel SIG peut afficher directement les distributions spatiales des emplacements source et de destination, ainsi que la quantité d'approvisionnements et de demandes à ces emplacements. Cela permettrait une exploration visuelle du problème et la détection d'éventuelles erreurs existant dans les données (par exemple, des emplacements incorrects et des unités totales irréalistes). Un autre exemple est celui des outils SIG qui peuvent calculer le(s) chemin(s) de moindre coût entre les sources et les destinations, et dériver la matrice de coût correspondante pour toutes les sources et destinations. Par rapport aux distances euclidiennes, cette matrice de distance peut fournir une estimation plus précise des coûts d'expédition.

Un exemple particulier de ce type d'outils SIG est la couche d'analyse d'emplacement-allocation dans l'extension d'analyste de réseau fournie par ArcGIS d'Esri. Premièrement, il permet aux utilisateurs d'importer ou de localiser manuellement des installations (sources) et des points de demande (destinations). Deuxièmement, l'outil permet aux utilisateurs d'affecter ou de mettre à jour les approvisionnements et les demandes à ces emplacements. Troisièmement, le réseau sous-jacent peut être mis à jour pour refléter la situation du trafic et les vitesses réalisables. Quatrièmement, l'outil propose différentes options pour les objectifs du problème, telles que la minimisation de l'impédance, la maximisation de la couverture et la maximisation de la part de marché. Dernier point mais non le moindre, les résultats sont liés à chaque installation et point de demande, tant que les liaisons sont chargées d'unités à transporter entre les sources et les destinations.

Le problème de transport classique dans les sciences SIG du 21 e siècle est confronté à de nouvelles opportunités et de nouveaux défis (Miller et Shaw 2015). Premièrement, les demandes croissantes sur le commerce international et les voyages nécessitent des systèmes de transport plus efficaces pour déplacer les personnes et les marchandises à l'échelle mondiale. Deuxièmement, les progrès des technologies de l'information et de la communication (TIC) et des technologies de localisation (LAT) nous permettent de collecter de grandes quantités de données et de dériver les demandes des utilisateurs et les temps de transport entre les emplacements. Cependant, la popularité des TIC et des LAT apporte également de nouveaux défis au problème. Par exemple, une popularité déplacée vers les achats en ligne entraîne des demandes plus dispersées et s'appuie davantage sur les entrepôts comme arrêts intermédiaires pour la distribution.

Luenberger, D. G., & Ye, Y. (2015). Programmation linéaire et non linéaire (Vol. 228). Springer.

Miller, H.J., & Shaw, S.L. (2001). Systèmes d'information géographique pour les transports : principes et applications. Presse universitaire d'Oxford sur demande.

Miller, H.J., & amp Shaw, S.L. (2015). Systèmes d'information géographique pour les transports au 21e siècle. Boussole de géographie, 9(4), 180-189. DOI : 10.1111/gec3.12204

Nahmias, S., & Cheng, Y. (1993). Analyse de la production et des opérations (Vol. 2). Homewood, Illinois : Irwin.

O'Kelly, M.E., & Miller, H.J. (1994). Le problème de conception de réseau de concentrateur : examen et synthèse. Journal de géographie des transports, 2(1), 31-40.

Powell, W.B., Jaillet, P., & Odoni, A. (1995). Réseaux et routage stochastiques et dynamiques. Manuels en recherche opérationnelle et sciences de gestion, 8, 141-295.

Srivastava, S.K. (2007). Gestion de la chaîne d'approvisionnement verte : une revue de la littérature de pointe. Revue internationale des revues de direction, 9(1), 53-80. DOI : 10.1111/j.1468-2370.2007.00202.x

Ulungu, E.L., & Teghem, J. (1994). Problèmes d'optimisation combinatoire multi-objectifs : une enquête. Journal d'analyse décisionnelle multicritères, 3(2), 83-104.


Le paramètre du capteur

L'API Google Maps exigeait auparavant que vous incluiez le paramètre du capteur pour indiquer si votre application utilisait un capteur pour déterminer l'emplacement de l'utilisateur. Ce paramètre n'est plus requis.

Sauf indication contraire, le contenu de cette page est sous licence Creative Commons Attribution 4.0, et les exemples de code sont sous licence Apache 2.0. Pour plus de détails, consultez les règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses filiales.


Enquête 2012 sur les flux de marchandises

La Commodity Flow Survey (CFS) est un effort conjoint du Bureau of Transportation Statistics (BTS) et du U.S. Census Bureau, U.S. Department of Commerce. L'enquête est la principale source de données nationales et au niveau des États sur les expéditions de fret intérieur par les établissements des secteurs minier, manufacturier, de gros, des auxiliaires et de certains secteurs du commerce de détail et de services situés dans les 50 États et le district de Columbia. Des données sont fournies sur le type, l'origine et la destination, la valeur, le poids, les modes de transport, la distance expédiée et les tonnes-milles de marchandises expédiées. L'EFC est réalisée tous les 5 ans dans le cadre du recensement économique. Il fournit une image modale des flux nationaux de marchandises et représente la seule source publiquement disponible de données sur les flux de marchandises pour le mode routier. L'EFC a été menée en 1993, 1997, 2002, 2007 et plus récemment en 2012.

Le CFS évalue la demande d'installations et de services de transport, la consommation d'énergie, les risques pour la sécurité et les préoccupations environnementales. Les données du SCF sont utilisées par les décideurs et les planificateurs des transports dans divers organismes fédéraux, étatiques et locaux. De plus, les propriétaires d'entreprise, les chercheurs privés et les analystes utilisent les données du SCF pour analyser les tendances du mouvement des marchandises, cartographier les schémas spatiaux des flux de marchandises et de véhicules, prévoir les demandes de mouvement des marchandises et déterminer les besoins en infrastructures et équipements associés.

PORTÉE

Couverture de l'industrie

L'EFC 2012 couvre les établissements commerciaux avec des employés rémunérés qui sont situés aux États-Unis et sont classés selon le Système de classification des industries de l'Amérique du Nord (SCIAN) de 2007 dans les industries de l'exploitation minière, de la fabrication, de la vente en gros et dans certaines industries du commerce de détail et de services, à savoir, les achats électroniques et les maisons de vente par correspondance, les marchands de carburant et les éditeurs. De plus, l'enquête couvre les établissements auxiliaires (c'est-à-dire les entrepôts et les bureaux de gestion) des entreprises à établissements multiples.

Pour l'EFC 2012, une enquête préalable ciblée (précanvas) a été réalisée en 2011 afin d'améliorer la qualité des données sur la base de sondage pour certaines industries ou types d'établissements. Les groupes inclus dans cette enquête préalable étaient :

Groupe de sondage avancé Nombre d'établissements
Auxiliaires (SCIAN 484, 4931, 551114). 34,985
Petits établissements d'achats électroniques et de vente par correspondance (SCIAN 4541). 13,431
Petits éditeurs (SCIAN 5111). 11,804
Grands établissements. 39,608
Total. 99,828

Pour les trois premiers groupes, l'objectif était d'identifier les établissements qui mènent effectivement des activités de transport maritime. Dans ces groupes, les établissements interrogés qui ont déclaré qu'ils n'exerçaient aucune activité de transport maritime ont été exclus de l'éventuel univers de l'échantillon du SCF. Pour les grands établissements, l'objectif était d'obtenir une mesure précise de leur activité maritime.

CFS Industries

Les industries visées par l'EFC de 2012 ont été sélectionnées en fonction du SCIAN de 2007. Les industries incluses dans les EFC de 2007 et 2002 ont été sélectionnées en fonction des versions 2002 et 1997 du SCIAN, respectivement. Les industries de l'EFC de 1997 et de l'EFC de 1993 ont été sélectionnées en fonction du Système type de classification des industries (CTI) de 1987 et, bien que des tentatives aient été faites pour maintenir une couverture similaire entre les enquêtes fondées sur la CTI (1993 et ​​1997) et les enquêtes fondées sur le SCIAN (2002 , 2007 et 2012), il y a eu quelques changements dans la couverture de l'industrie en raison de la conversion de la CTI au SCIAN. Plus particulièrement, la couverture de l'industrie de l'exploitation forestière est passée d'un secteur de la fabrication dans le champ du champ d'application (SIC 2411) au secteur hors champ de l'agriculture, de la foresterie, de la pêche et de la chasse selon le SCIAN 1133. De plus, les éditeurs ont été reclassés du secteur de la fabrication (SIC 2711 , 2721, 2731, 2741 et une partie de 2771) à Information (SCIAN 5111 et 51223) et ont été exclus de l'EFC de 2002. Cependant, les CFS 2007 et 2012 incluent les éditeurs et les détaillants de carburant.

Les industries du SCIAN (2007) couvertes dans l'EFC de 2012 sont énumérées dans le tableau suivant :

code SCIAN La description
212 Mines (sauf pétrole et gaz)
311 Fabrication de produits alimentaires
312 Fabrication de boissons et de produits du tabac
313 Usines textiles
314 Usines de produits textiles
315 Fabrication de vêtements
316 Fabrication de cuir et produits connexes
321 Fabrication de produits en bois
322 Fabrication de papier
323 1 Impression et activités de soutien connexes (sauf 323122)
324 Fabrication de produits du pétrole et du charbon
325 Fabrication de produits chimiques
326 Fabrication de produits en plastique et en caoutchouc
327 Fabrication de produits minéraux non métalliques
331 Première transformation des métaux
332 Fabrication de produits métalliques
333 Fabrication de machines
334 Fabrication de produits informatiques et électroniques
335 Fabrication d'équipements, d'appareils et de composants électriques
336 Fabrication de matériel de transport
337 Fabrication de meubles et produits connexes
339 Fabrication diverse
4231 2 Grossistes-marchands de véhicules automobiles et de pièces détachées
4232 2 Grossistes-marchands de meubles et d'articles d'ameublement
4233 2 Grossistes-marchands de bois d'oeuvre et autres matériaux de construction
4234 2 Équipement commercial. grossistes-marchands
4235 2 Grossistes-marchands de métaux et de minéraux (sauf le pétrole)
4236 2 Grossistes-marchands de produits électriques et électroniques
4237 2 Grossistes-marchands de quincaillerie et plomberie
4238 2 grossistes-marchands de machines, équipements et fournitures
4239 2 Grossistes-marchands de biens durables divers
4241 2 Grossistes-marchands de papier et produits en papier
4242 2 Grossistes-marchands de drogue et d'articles divers
4243 2 Grossistes-marchands de vêtements, articles à la pièce et articles de mercerie
4244 2 Grossistes-marchands d'épicerie et de produits connexes
4245 2 Grossistes-marchands de matières premières de produits agricoles
4246 2 Grossistes-marchands de produits chimiques et connexes
4247 2 Grossistes-marchands de pétrole et de produits pétroliers
4248 2 Grossistes-marchands de bière, de vin et de boissons alcoolisées distillées
4249 2 Grossistes-marchands de biens non durables divers
4541 Magasins électroniques et maisons de vente par correspondance
45431 Revendeurs de carburant
4841 3 Camionnage de marchandises générales
4842 3 Camionnage de fret spécialisé
4931 3 Entreposage et stockage
5111 4 Éditeurs de journaux, de périodiques, de livres et d'annuaires
551114 5 Directions générales, filiales et régionales

1 Exclut les services de prépresse (SCIAN 323122). 2 Les grossistes excluent les bureaux de vente des fabricants et les importateurs de marques propres. 3 Comprend uniquement les entrepôts captifs qui fournissent un support de stockage et d'expédition à une seule entreprise. Les entrepôts offrant leurs services au grand public et à d'autres entreprises sont exclus. SCIAN 4841 et 4842 sont de nouvelles industries dans le CFS 2012. Aux fins de totalisation et de publication, le SCIAN 484 est regroupé avec le SCIAN 4931. 4 En 2007, le SCIAN 51223 Éditeurs de musique a été totalisé et publié dans le SCIAN 5111. Cependant, pour le cycle 2012, le SCIAN 51223 n'a pas été échantillonné. 5 Comprend uniquement les établissements du SCIAN 551114 ayant des activités d'expédition. Notes : Industries exclues : Les établissements étrangers, les établissements classés dans le transport, la construction et la plupart des industries du commerce de détail et des services sont exclus. D'autres secteurs industriels qui ne sont pas couverts, mais peuvent avoir une activité maritime importante, comprennent l'agriculture et le gouvernement. Pour l'agriculture, en particulier, cela signifie que le CFS ne couvre pas les expéditions de produits agricoles du site de la ferme aux centres de transformation ou aux silos terminaux (très probablement des mouvements locaux à courte distance), mais couvre les expéditions de ces produits à partir de la transformation initiale. des centres ou des silos terminaux. Exclusions générales : Les données sur les établissements administrés par l'État sont exclues du SCF. Il s'agit notamment des services publics, des systèmes publics de bus et de métro, des bibliothèques publiques et des hôpitaux publics. L'EFC exclut également les établissements ou les entreprises n'ayant pas d'employés rémunérés.

Couverture de l'expédition

Le CFS saisit des données sur les expéditions provenant de certains types d'établissements commerciaux situés dans les 50 États et le District de Columbia. Le CFS ne couvre pas les expéditions provenant d'établissements commerciaux situés à Porto Rico et d'autres possessions et territoires des États-Unis. De même, les expéditions traversant les États-Unis d'un emplacement étranger à un autre emplacement étranger (par exemple, du Canada au Mexique) ne sont pas incluses, ni les expéditions d'un emplacement étranger vers un emplacement initial aux États-Unis. Cependant, les produits importés sont inclus dans le CFS à partir du moment où ils quittent l'emplacement initial de l'importateur aux États-Unis pour être expédiés vers un autre emplacement.

Les envois qui transitent par un territoire étranger avec à la fois l'origine et la destination aux États-Unis sont inclus dans les données du SCF. Le kilométrage calculé pour ces expéditions exclut les segments de pays étrangers (par exemple, les expéditions de New York au Michigan en passant par le Canada n'incluent aucun kilométrage pour le Canada). Les expéditions à l'exportation sont incluses, la destination intérieure étant définie comme le port, l'aéroport ou le passage frontalier américain de sortie des États-Unis. Voir la section Calcul du kilométrage pour plus de détails sur la façon dont les estimations de kilométrage ont été élaborées.

Collecte de données

Chaque établissement sélectionné dans l'échantillon du SCF a reçu par la poste un questionnaire pour chacune de ses quatre semaines de déclaration, c'est-à-dire qu'un établissement a reçu un questionnaire une fois par trimestre de 2012. Pour un établissement donné, le répondant a été invité à fournir les informations suivantes sur chaque des expéditions déclarées de l'établissement :

  • Numéro d'identification de l'envoi
  • Date d'expédition (mois, jour)
  • Valeur de l'expédition
  • Poids de l'expédition en livres
  • Code de marchandise de la liste de la Classification type des marchandises transportées (SCTG)
  • Description de la marchandise
  • Une indication si l'envoi était à température contrôlée
  • Numéro des Nations Unies ou d'Amérique du Nord (UN/NA) pour les envois de matières dangereuses
  • Destination aux États-Unis (ville, état, code postal) ou passerelle pour l'expédition à l'exportation
  • Les modes de transport
  • Une indication indiquant si l'envoi était une exportation
  • Ville et pays de destination des exportations
  • Mode d'exportation

Selon la définition du SCF, une expédition est un mouvement unique de marchandises, de marchandises ou de produits d'un établissement à un seul client ou à un autre établissement détenu ou exploité par la même entreprise que l'établissement d'origine (par exemple, un entrepôt, un centre de distribution, ou point de vente au détail ou en gros). Les chargements complets ou partiels de camions étaient comptés comme une seule expédition seulement si tous les produits du camion étaient destinés au même endroit. Pour les livraisons multiples sur un itinéraire, les marchandises livrées à chaque arrêt étaient comptées comme une seule expédition. Les notes de service, les chèques de paie ou la correspondance commerciale n'étaient pas inclus dans le CFS. De même, le CFS n'inclut pas les expéditions d'ordures, de déchets de papier, de déchets ou de matières recyclables, à moins que l'établissement n'ait pour activité la vente ou la fourniture de ces matières.

Pour un envoi qui comprenait plus d'un produit, le répondant devait déclarer le produit qui représentait le plus grand pourcentage du poids de l'envoi.

De plus, les établissements ont été invités à fournir des informations sur l'utilisation et l'étendue des services de livraison urgente.

Méthode de collecte de données

L'enquête du SCF a été menée par envoi/retour par la poste avec une option de déclaration électronique. Chaque établissement sélectionné dans l'échantillon du SCF 2012 a reçu quatre questionnaires par la poste, un au cours de chaque trimestre civil de l'année 2012. Les quatre questionnaires étaient les mêmes pour toutes les périodes de déclaration (voir l'annexe E pour une copie du questionnaire). . 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.

    Noter: 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.

    Éléments

    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 réponses 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 choisir 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