Ανάλυση παραγόντων επιρροής της πανδημίας στην κινητικότητα στην Ευρώπη με χρήση μηχανικής εκμάθησης

Πηγαδιώτη, Δήμητρα; Pigadioti, Dimitra

dc.contributor.author	Πηγαδιώτη, Δήμητρα	el
dc.contributor.author	Pigadioti, Dimitra	en
dc.date.accessioned	2022-01-27T18:32:11Z
dc.date.available	2022-01-27T18:32:11Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/54430
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.22128
dc.rights	Default License
dc.subject	Κινητικότητα	el
dc.subject	Πανδημία	el
dc.subject	Ευρώπη	el
dc.subject	Κορονοϊός	el
dc.subject	Παλινδρόμηση	el
dc.subject	Μηχανική εκμάθηση	el
dc.subject	COVID-19	en
dc.subject	Mobility	en
dc.subject	Europe	el
dc.subject	Pandemic	el
dc.subject	Regression	el
dc.subject	Machine learning	el
dc.title	Ανάλυση παραγόντων επιρροής της πανδημίας στην κινητικότητα στην Ευρώπη με χρήση μηχανικής εκμάθησης	el
dc.title	Analysis of pandemic impact factors in European mobility using machine learning	en
heal.type	bachelorThesis
heal.classification	Συγκοινωνιολογία	el
heal.classification	Συγκοινωνιολόγων	el
heal.classification	Πολιτικών Μηχανικών	el
heal.classification	Transportation	en
heal.classification	Civil Engineering	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-07-19
heal.abstract	The aim of this Diploma Thesis is the analysis of pandemic impact factors in European mobility using machine learning. To achieve that, appropriate data has been collected regarding the tendency of people's mobility, the mobility restrictions as well as the COVID-19 cases and deaths among twenty-six European countries. Data analysis was based on the development of appropriate regression analysis models, using machine learning techniques and making predictions, based on the historical trends of the dependent variables of driving and walking. Two types of models were developed. The basic difference of the models lies in the choice of the independent variables. The first one was based on the unique characteristics of each country and the factors that have the higher impact on mobility, while the second is a common data prediction model of the mobility of all study countries. The methodology demonstrated that the population’s behavior towards the pandemic and the consequent deaths, are better reflected and predicted by the characteristics of the population movements and not by the number of COVID-19 cases. Furthermore, the population's mobility trends during the pandemic can be predicted satisfactorily for most European countries, considering the data of new COVID-19 cases per million population, the implemented vaccination policies and the movement trends to the grocery, pharmacy and parks. Moreover, it was demonstrated that the long-term implementation of the restrictive measures can lead to lower degrees of compliance.	en
heal.abstract	Στόχο της παρούσας διπλωματικής εργασίας αποτελεί η ανάλυση παραγόντων επιρροής της πανδημίας COVID-19 στην κινητικότητα στην Ευρώπη με χρήση τεχνικών μηχανικής εκμάθησης. Για το σκοπό αυτό, συλλέχθηκαν κατάλληλα στοιχεία αναφορικά με τις τάσεις κινητικότητας, τα περιοριστικά μέτρα και τις καταγραφές κρουσμάτων και θανάτων της νόσου για εικοσιέξι Ευρωπαϊκά κράτη. Η ανάλυση των δεδομένων πραγματοποιήθηκε με ανάπτυξη κατάλληλων στατιστικών μοντέλων παλινδρόμησης, τα οποία με αξιοποίηση της μεθόδου μηχανικής εκμάθησης, οδηγούν σε προβλέψεις βασιζόμενα στις ιστορικές τάσεις των εξαρτημένων μεταβλητών, τις οποίες συνιστούν η οδήγηση και το βάδισμα. Αναπτύχθηκαν δύο τύποι μοντέλων, η διαφορά των οποίων έγκειται στην επιλογή των ανεξαρτήτων μεταβλητών: ο πρώτος βασίστηκε στα μοναδικά χαρακτηριστικά κάθε χώρας και στους παράγοντες υψηλότερης επιρροής της κινητικότητάς της, ενώ ο δεύτερος αποτελεί ένα κοινό μοντέλο πρόβλεψης στοιχείων κινητικότητας των εξεταζόμενων κρατών, αφού αξιοποίησε ίδιες ανεξάρτητες μεταβλητές για όλες τις χώρες. Από την εφαρμογή της μεθοδολογίας προέκυψε ότι η συμπεριφορά του πληθυσμού απέναντι στην πανδημία και οι συνεπαγόμενοι θάνατοι, απεικονίζονται και προβλέπονται καλύτερα από τα χαρακτηριστικά των μετακινήσεων του πληθυσμού και όχι από τον αριθμό των κρουσμάτων. Επιπροσθέτως, παρατηρήθηκε ότι οι τάσεις κινητικότητας του πληθυσμού κατά την πανδημία, μπορούν να προβλεφθούν σε ικανοποιητικό βαθμό για τις περισσότερες χώρες της Ευρώπης με αξιοποίηση στοιχείων που αφορούν στον αριθμό νέων κρουσμάτων του ιού ανά εκατομμύριο πληθυσμού, στις πολιτικές εμβολιασμού και στις τάσεις μετακινήσεων από και προς παντοπωλεία, φαρμακεία και πάρκα. Τέλος, προέκυψε ότι η μακροχρόνια ισχύς των περιοριστικών μέτρων μπορεί να οδηγήσε σε χαμηλότερα επίπεδα συμμόρφωσης.	el
heal.advisorName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Μαυρομάτης, Στέργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	98 σ.	el
heal.fullTextAvailability	false