In questo libro, sviluppiamo un nuovo metodo di riconoscimento congiunto dei pattern che combina un'analisi basata sui pattern di rete con un'analisi basata sulle sequenze di attività. Utilizziamo i vantaggi di entrambi i metodi per creare cluster di modelli che presentano una distinta omogeneità al loro interno e un'eterogeneità tra i modelli. La prima parte dell'analisi applica un approccio più tradizionale per identificare modelli di rete unici, con 16 di essi che catturano l'83,05% dei dati dei giorni lavorativi NHTS del 2017. L'analisi multivariata dei dati relativi ai modelli raggruppati mostra una diversa preferenza per gli studenti, i lavoratori part-time, i pensionati, i telelavoratori, gli autisti, le donne e i giovani adulti. Nella seconda parte dell'analisi, i motivi vengono raggruppati in categorie in base al numero di luoghi che una persona visita in un giorno e viene esplorata la loro correlazione con l'uso del tempo e gli spostamenti. L'uso del tempo e gli spostamenti sono analizzati sulla base di un modello di identificazione dell'allocazione del tempo minuto per minuto.