dc.contributor.author |
Λήντερ, Δημήτριος
|
|
dc.contributor.author |
Leader, Dimitrios
|
|
dc.date.accessioned |
2020-11-02T07:16:12Z |
|
dc.date.available |
2020-11-02T07:16:12Z |
|
dc.identifier.uri |
https://dspace.lib.ntua.gr/xmlui/handle/123456789/51704 |
|
dc.identifier.uri |
http://dx.doi.org/10.26240/heal.ntua.19402 |
|
dc.rights |
Default License |
|
dc.subject |
πλοήγηση αυτοκινήτου |
el |
dc.subject |
διαδικτυακή εφαρμογή GIS |
el |
dc.subject |
δεδομένα οδικού δικτύου |
el |
dc.subject |
API δρομολόγησης |
el |
dc.subject |
χάρτες Google |
el |
dc.subject |
χάρτες openstreemaps |
el |
dc.subject |
ιδιόκτητα γεωγραφικά δεδομένα |
el |
dc.subject |
πληθοποριστικά γεωγραφικά δεδομένα |
el |
dc.subject |
σύγκριση διαδρομών |
el |
dc.subject |
car navigation |
en |
dc.subject |
web GIS app |
en |
dc.subject |
road network data |
en |
dc.subject |
routing web API |
en |
dc.subject |
Google maps |
en |
dc.subject |
openstreetmaps |
en |
dc.subject |
OSM Maps |
en |
dc.subject |
proprietary geographical data |
en |
dc.subject |
crowd-sourced geographical data |
en |
dc.subject |
route comparison |
en |
dc.title |
Εφαρμογή web GIS για σύγκριση υπηρεσιών web δρομολόγησης, με χρήση ανοικτών και κλειστών δεδομένων οδικού δικτύου |
el |
dc.title |
A web GIS app for comparing routing web APIs over proprietary and crowd-sourced road network data |
en |
heal.type |
masterThesis |
|
heal.classification |
Γεωπληροφορική |
el |
heal.classification |
Geoinformatics |
en |
heal.language |
en |
|
heal.access |
free |
|
heal.recordProvider |
ntua |
el |
heal.publicationDate |
2020-02 |
|
heal.abstract |
Η μετακίνηση αποτελεί αναπόσπαστο κομμάτι της ανθρώπινης ύπαρξης. Ο σύγχρονος τρόπος ζωής όχι μόνο επιτρέπει την μετακίνηση του ανθρώπου αρκετά έξω από τη κλίμακα της οντότητάς του, αλλά ένα άτομο καλείται σχεδόν καθημερινά να καλύπτει αρκετά μεγάλες αποστάσεις και συχνά να περιηγηθεί σε άγνωστες για αυτόν περιοχές. Το ερώτημα της βέλτιστης διαδρομής δεν αποτελεί πλέον ζητούμενο αλλά ανάγκη που όμως τα τεχνολογικά επιτεύγματα του τρέχοντος αιώνα έχουν καλύψει με πληθώρα λύσεων. Σήμερα δεν διατίθενται απλώς υπηρεσίες πλοήγησης με λεπτομερείς περιγραφές μετάβασης από το ένα σημείο στο άλλο αλλά ολοκληρωμένες λύσεις παροχής υπηρεσιών δρομολόγησης από τις οποίες μπορούμε να διαλέξουμε και να παρέχουμε τις δρομολογήσεις ως υπηρεσίες οι ίδιοι. Οι πάροχοι αυτών των υπηρεσιών φυσικά στηρίζουν τα αποτελέσματα σε γεωγραφικά δεδομένα τα οποία είτε συλλέγουν, είτε συντηρούν. Δύο βασικοί πάροχοι που στηρίζονται σε εκ διαμέτρου αντίθετα επιχειρηματικά μοντέλα είναι η Google που κρατά τα δεδομένα ιδιωτικά και έχει μία τεράστια γκάμα υπηρεσιών που καλύπτουν όλο το φάσμα τιμολογιακής πολιτικής και η Κοινότητα Ανοιχτού Λογισμικού/Δεδομένων που έχει βρει την έκφρασή της στη πλατφόρμα του OpenStreetMap όπου όλα είναι ανοιχτά και συντηρούνται σε εθελοντική βάση. Η επιθυμία για την σύγκριση των δύο είναι αναπόφευκτη και μπορεί να εξυπηρετήσει πλήθος σκοπών μεταξύ των οποίων και το εντοπισμό διαφορών στα υποκείμενα δεδομένα. Η παρούσα Διπλωματική Εργασία επιχειρεί μια τέτοια σύγκριση μέσω της δημιουργίας εργαλείων που θα μπορέσουν να αναδείξουν τις διαφορές των υπηρεσιών web δρομολόγησης ανάμεσα στην υπηρεσία της Google που διατηρεί κλειστά δεδομένα και της πλατφόρμας του OSM που διατηρεί ανοιχτά δεδομένα. Πιο συγκεκριμένα, στοχεύει στη δημιουργία μιαw Web GIS εφαρμογής που θα προβάλει ζεύγη σημείων, ένα σημείο αφετηρίας και ένα προορισμό, και τις διαδρομές που προτείνουν οι δύο πάροχοι των δρομολογήσεων. Οι διαδρομές προβάλλονται σε ένα κοινό χάρτη ως υπόβαθρο και συνοδεύονται από τα στοιχεία που αφορούν την κάθε διαδρομή που προτείνει ο κάθε ένας καθώς και συγκριτικά μεγέθη. Στόχος της εργασίας δεν είναι η ανάδειξη του καλύτερου παρόχου αλλά η δημιουργία ενός εργαλείου που βοηθάει το χρήστη να εξάγει τα δικά του συμπεράσματα. Για να επιτευχθεί το ζητούμενο απαιτείται η υλοποίηση τριών διαφορετικών σταδίων ανάπτυξης που το καθένα στοχεύει σε διαφορετικό διακριτό τομέα ή δομικό στοιχείο.
Το πρώτο στοιχείο είναι η δημιουργία των σημείων που θα αποτελέσουν τα σημεία εκκίνησης και τερματισμού της κάθε διαδρομής. Τα σημεία πρέπει να προκύψουν με τυχαίο τρόπο ενώ ταυτόχρονα δεν πρέπει να παραβλέπεται η δημοφιλία μιας περιοχής έναντι άλλων. Επίσης πρέπει να εμφανίζουν μια ικανοποιητική χωρική διασπορά.
Το δεύτερο στοιχείο είναι η αυτόματη διαδικασία παραγωγής, διαχείρισης και επεξεργασίας των διαδρομών. Το πλήθος των διαδρομών αυξάνεται με εκθετικό ρυθμό σε σχέση με το πλήθος των σημείων, γεγονός που οδηγεί στην απαίτηση αυτοματοποιημένων διαδικασιών. Αυτές οφείλουν να αναλάβουν τη δημιουργία και εκτέλεση των ερωτημάτων δρομολόγησης προς τις υπηρεσίες, την αποθήκευση των πρωτογενών απαντήσεων καθώς και την περαιτέρω επεξεργασία τους με στόχο την μεταποίηση πληροφοριών για την προβολή τους στην εφαρμογή.
Το τρίτο και τελευταίο στοιχείο είναι η δημιουργία της εφαρμογής που θα προβάλει τα αποτελέσματα σε ένα εύκολο και εύχρηστο διαδικτυακό περιβάλλον. Στόχος είναι η ταυτόχρονη προβολή των δύο διαδρομών σε κοινό υπόβαθρο μαζί με πίνακες που προβάλουν τα ποσοτικά χαρακτηριστικά του μήκους, της διάρκειας, των διαφορών τους σε αυτά, την απόσταση του δοσμένου σημείου από το σημείο πραγματικής δρομολόγησης στο χάρτη καθώς και μιας μετρικής που καταδεικνύει τον βαθμό απόκλισης των δύο διαδρομών.
Ως περιοχές ενδιαφέροντος για εξέταση επιλέχθηκαν οι 4 Καποδιστριακοί Δήμοι που περιβάλλουν το όρος Πεντέλη, Κηφισιά, Νέα Ερυθραία, Εκάλη, και Διόνυσος επειδή είναι προάστεια, με συνοχή και με εντελώς διαφορετικά ποιοτικά χαρακτηριστικά μεταξύ τους. Οι διαδικασίες που εφαρμόστηκαν για τα παραπάνω στοιχεία είναι οι εξής:
Για το πρώτο, τη δημιουργία σημείων, ακολουθείται μια επαναληπτική διαδικασία που στηρίζεται σε μια αρχική αποτύπωση του οδικού δικτύου σε μια μορφή νέφους σημείων. Το νέφος αυτό δημιουργείται από τους κόμβους που προκύπτουν από τον τοπολογικό τεμαχισμό του οδικού δικτύου και βοηθάει στον να αποτυπώσει την πυκνότητα μιας περιοχής έναντι άλλων. Στη συνέχεια εφαρμόζεται μια επαναληπτική διαδικασία ομαδοποίησης με τον αλγόριθμο k-means για ένα αρχικό τυχαίο k, την ανάδειξη ενός κεντρικού σημείου για κάθε ομάδα, την προβολή του στο οδικό δίκτυο και τη δημιουργία ενός πίνακα αποστάσεων εγγύτερων σημείων για κάθε ένα από αυτά. Από τα στατιστικά του πίνακα εξετάζεται η μέση απόσταση καθώς και η στατιστική κατανομή των αποστάσεων και κρίνεται εάν το δείγμα ικανοποιεί τα κριτήρια. Εάν δεν τα ικανοποιεί η διαδικασία επαναλαμβάνεται με διαφορετικό k ανάλογα με τις επιδιώξεις μας, μεγαλύτερο εάν θέλουμε μικρότερες μέσες αποστάσεις ή μικρότερο για το αντίθετο. Όταν επιτευχθεί τελικό σύνολο, παράγεται αρχείο τύπου csv με τις συντεταγμένες του κάθε σημείου.
Για το δεύτερο στοιχείο, γράφτηκαν αρχεία κώδικα σε Python τα οποία παίρνουν ως είσοδο το αρχείο σημείων, δημιουργούν ερωτήματα HTTP request για κάθε μία από τις υπηρεσίες και τα εκτελούν. Στη συνέχεια αρχειοθετούν τις απαντήσεις που είναι της μορφής JSON και τις επεξεργάζονται. Η επεξεργασία περιλαμβάνει τη δημιουργία των χωρικών αναπαραστάσεων σε μορφή GeoJSON, τον υπολογισμό διαφορών στα ποσοτικά χαρακτηριστικά, την συνολική στατιστική ανάλυση, τον υπολογισμό της μετρικής και την αποθήκευση όλων των παραπάνω σε αρχεία JSON για τη χρήση τους από το εργαλείο της προβολής. Ως μετρική για το βαθμό απόκλισης μεταξύ των δυο διαδρομών χρησιμοποιήθηκε η απόσταση Hausdorff.
Για το τρίτο στοιχείο, την εφαρμογή, δημιουργήθηκε σελίδα που στηρίζεται στη χαρτογραφική πλατφόρμα Leaflet. Δημιουργήθηκε μια ιστοσελίδα η οποία δίνει την δυνατότητα επιλογής της περιοχής ενδιαφέροντος, η οποία προβάλει τις θέσεις των σημείων στο χάρτη και κατόπιν επιλογής των 2 σημείων απεικονίζονται με διαφορετικό χαρτογραφικό συμβολισμό οι δύο προτεινόμενες διαδρομές. Ταυτόχρονα, σε παρακείμενο πίνακα προβάλλονται τα ποσοτικά στοιχεία της κάθε διαδρομής καθώς και οι διαφορές τους. Επιπλέον, δίνεται η δυνατότητα της κατάδειξης των σημείων στα οποία προκύπτει η μέγιστη απόκλιση της απόστασης Hausdorff αλλά και πινάκων με όλες τις αποστάσεις και την στατιστική κατανομή τους για την περιοχή ώστε να μπορεί να γίνει καλύτερη ερμηνεία των ευρημάτων. Για τη δημιουργία της σελίδας χρησιμοποιήθηκαν οι απαραίτητες τεχνολογίες HTML και CSS ενώ όλη η λειτουργικότητα γράφτηκε σε κώδικα JavaScript.
Τέλος, στη παρούσα εργασία γίνεται επίδειξη του τρόπου με τον οποίο μπορούν να ερμηνευτούν τα στοιχεία μέσω ενδεικτικών περιπτώσεων σύγκρισης και παρουσιάζεται ο τρόπος εξαγωγής συμπερασμάτων. Παράλληλα, παρουσιάζονται ιδέες για περαιτέρω μελέτη και ανάπτυξη καθώς επίσης και ιδέες για εφαρμογή σε ένα μελλοντικό εργαλείο σύγκρισης. |
el |
heal.abstract |
Travelling has been at the epicentre of human activity for millennia. In the modern era, global navigation satellite systems, mobile phones, and the Internet have all revolutionised the way we seek optimum ways to travel to our destinations. We now have reached the point where we have a selection of routing services to choose from. Their providers depend on geographical data collections. Two major data collections have dominated this routing service industry. Google, who provides its map services through various business models and pricing schemes and the open-source community and more specifically the OpenStreetMap platform relying on open data and the crowdsourcing model. The desire to perform comparative tests between the two is unavoidable and serves several purposes.
This paper describes the steps of a project that aims at creating a tool that provides an attempt to such a comparison. Specifically, it aims at creating an application in the form of a web GIS App that will display pairs of points – an origin and a destination - and the routes provided by the equivalent services of Google and the Open-source Routing Machine. These are displayed on a common map background with data on the side for the comparison. For this to be achieved, three major steps have been identified as key processes leading to implementation. The first phase contains the process for the creation of the points that will be candidates for a route in a designated area of interest. The points need to be random but must also be representative of the area and spatially well distributed. The probability of an incident must be factored in. Additionally, the population of points must be adequate to cover several cases. The second phase involves the creation of an automated process that will create the collection of requests for the services. This tool after creation and execution of the request collects the replies and handles them so that mappable objects are created in the form of GeoJSON format along with files that hold additional data useful to the App. The third and final stage involves the creation of the viewing tool, the web App, that will display the two suggested routes. It also provides the relevant data such as length and duration as well as the possible differences between the points requested and the ones used by the service. In addition, it uses the Hausdorff distance metric between the two route vectors to illustrate the degree of divergence between them. To facilitate the identification of cases that appear interesting, tables with colour maps of the Hausdorff distances as well as distribution graphs are provided.
The paper ends with a demonstration of examples of conclusions that can be derived after examining a sample of pairs and their relevant routes. |
en |
heal.advisorName |
Βεσκούκης, Βασίλειος |
|
heal.advisorName |
Veskoukis, Vasileios |
|
heal.committeeMemberName |
Βεσκούκης, Βασίλειος |
|
heal.committeeMemberName |
Veskoukis, Vasileios |
|
heal.committeeMemberName |
Δουλάμης, Αναστάσιος |
|
heal.committeeMemberName |
Doulamis, Anastasios |
|
heal.committeeMemberName |
Δουλάμης, Νικόλαος |
|
heal.committeeMemberName |
Doulamis, Nikolaos |
|
heal.academicPublisher |
Σχολή Αγρονόμων και Τοπογράφων Μηχανικών |
el |
heal.academicPublisherID |
ntua |
|
heal.fullTextAvailability |
false |
|