Ανίχνευση προφίλ κινητικότητας, αλυσίδας και διάρκειας δραστηριοτήτων με χρήση δεδομένων ευρείας κλίμακας

Κωνσταντίνου, Χρίστος; Konstantinou, Christos

dc.contributor.author	Κωνσταντίνου, Χρίστος	el
dc.contributor.author	Konstantinou, Christos	en
dc.date.accessioned	2021-07-28T10:38:49Z
dc.date.available	2021-07-28T10:38:49Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53724
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21422
dc.rights	Default License
dc.subject	Μοτίβο κινητικότητας	el
dc.subject	Διάρκειες δραστηριοτήτων	el
dc.subject	Αλυσίδες δραστηριοτήτων	el
dc.subject	Μη εποπτευόμενη μάθηση	el
dc.subject	Δεδομένα ευρείας κλίμακας	el
dc.subject	Big data	en
dc.subject	Mobility patterns	en
dc.subject	Activity chains	en
dc.subject	Activity duration	en
dc.subject	Unsupervised learning	en
dc.title	Ανίχνευση προφίλ κινητικότητας, αλυσίδας και διάρκειας δραστηριοτήτων με χρήση δεδομένων ευρείας κλίμακας	el
heal.type	bachelorThesis
heal.classification	Transport engineering	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-03-12
heal.abstract	Οι βλέψεις των επιστημόνων για τα παρούσα και μελλοντικά αστικά συγκοινωνιακά δίκτυα επικεντρώνονται περισσότερο στις εξατομικευμένες λύσεις κινητικότητας για κάθε χρήστη ξεχωριστά. Αυτό έχει στόχο την βελτίωση της αποδοτικότητας των κυκλοφοριακών συνθηκών. Επίσης, αναδυόμενες υπηρεσίες κινητικότητας και τα αυτόνομα αυτοκίνητα όχι μόνο επιθυμούν, αλλά συχνά έχουν ανάγκη την ιδέα της εξατομικευμένης λύσης κινητικότητας για να επιτευχθεί η σωστή τους λειτουργία. Συνεπώς η ολοκληρωτική κατανόηση της συμπεριφοράς του κάθε χρήστη στο συγκοινωνιακό δίκτυο είναι ζωτικής σημασίας για την επιτυχία μελλοντικών λύσεων κινητικότητας των ανθρώπων. Για αυτό το λόγο στη παρούσα Διπλωματική Εργασία γίνεται προσπάθεια δημιουργίας μίας δομής μέσω της χρήσης μιας βάσης δεδομένων ευρείας κλίμακας και μη εποπτευόμενων αλγορίθμων μάθησης για να επιτευχθεί αυτό. Πιο συγκεκριμένα η δομή αυτή έχει στόχο να ανιχνεύσει προφίλ κινητικότητας, καθημερινή χαρακτηριστική αλυσίδα για κάθε χρήστη ξεχωριστά και να ποσοτικοποιήσει τις διάρκειες των διαφορετικών δραστηριοτήτων. Μέσω της βιβλιογραφικής ανασκόπησης τα συμπεράσματα τα οποία βγαίνουν είναι ποικίλα. Αρχικά τα μοτίβα κινητικότητας των ανθρώπων παρουσιάζουν σημαντική κανονικότητα και επαναληπτικότητα. Επιπλέον φαίνεται πως κάθε άνθρωπος χαρακτηρίζεται από μία τυπική καθημερινή αλυσίδα δραστηριοτήτων. Επίσης τα μοτίβα κινητικότητας και οι αλυσίδες δραστηριοτήτων του συνόλου των ανθρώπων έχουν κατηγοριοποιηθεί και έχει αποδειχτεί ότι η πρόβλεψη τους είναι εφικτή. Τα παραπάνω συμπεράσματα αποτέλεσαν την αφορμή και το σκοπό της παρούσας έρευνας τόσο προς επιβεβαίωση αλλά και εμπλούτιση αυτών. Αναλυτικότερα η αρχική βάση δεδομένων περιείχε περισσότερα από 150000 ταξίδια την περίοδο του Δεκεμβρίου 2017 έως Αύγουστο 2019 στην Ελλάδα. Μέσω της κατηγοριοποίησης των προορισμών που επετεύχθη μέσω αλγορίθμων μάθησης χωρίς επίβλεψη (DBSCAN, K-nearest-neighbors) και χωροχρονικών στοιχείων, αλλά και την ποσοτικοποίηση μεταξύ αυτών ανιχνεύονται τα μοτίβα κινητικότητας και η καθημερινή χαρακτηριστική αλυσίδα του κάθε χρήστη. Επιπλέον μέσω της στατιστικής ανάλυσης του συνόλου των καθημερινών μοτίβων κινητικότητας και των καθημερινών αλυσίδων προκύπτει πώς για τις μέρες μεταξύ Δευτέρας έως Παρασκευή παρουσιάζεται μια σταθερή κανονικότητα και ένα σχετικά σταθερό μοτίβο αντίστοιχα. Επίσης φαίνεται πως τα ταξίδια τα οποία πραγματοποιούνται από/προς τη Δουλειά δεν παρουσιάζουν σημαντική διαφορά ανάμεσα σε αυτές τις μέρες. Τέλος μέσω της προτυποποίησης των διαρκειών με τη μέθοδο της Ανάλυσης Επιβίωσης (Survival Analysis) διαφαίνονται αρκετές ομοιότητες μεταξύ όλων των ημερών πλην της Κυριακής όσον αφορά τις διάρκειες των δραστηριοτήτων. Πιο συγκεκριμένα όσον αφορά τις διάρκειες της δραστηριότητας του Σπιτιού συμπεραίνεται ότι οι μέρες από Δευτέρα έως Πέμπτη ακολουθούν παρόμοιο μοτίβο. Επιπλέον διαφαίνεται ότι οι διάρκειες της δραστηριότητας της Δουλειάς ακολουθούν παρόμοιο μοτίβο για τη πλειοψηφία των ημερών από Δευτέρα έως Παρασκευή καθώς και για τις ημέρες Σάββατο με Κυριακή. Επιπρόσθετα οι διάρκειες των Προσωπικών Δραστηριοτήτων δεν παρουσιάζουν σημαντική διαφορά για τη πλειοψηφία των ημερών από Δευτέρα 7 έως Σάββατο. Τέλος, οι διάρκειες όλων των Υπόλοιπων Δραστηριοτήτων ακολουθούν παρόμοιο μοτίβο για τις μέρες από Δευτέρα έως Πέμπτη. Από την έρευνα που πραγματοποιήθηκε στη παρούσα Διπλωματική Εργασία προέκυψαν κάποιες συστάσεις για περαιτέρω έρευνα. Πιο συγκεκριμένα αυτές είναι η δημιουργία αλγορίθμου που προβλέπει την καθημερινή αλυσίδα αλλά και τα μοτίβα κινητικότητας καθώς και η δημιουργία εφαρμογών που εκμεταλλεύονται τις παραπάνω πληροφορίες με ποικίλους τρόπους. Στόχος τέτοιων εφαρμογών αποτελεί η βέλτιστη λειτουργία των συγκοινωνιακών δικτύων αλλά και η αναπροσαρμογή των δραστηριοτήτων.	el
heal.advisorName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.committeeMemberName	Γιαννής, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	93 σ.	el
heal.fullTextAvailability	false