Επιλογή μέσου μετακίνησης υπό την επιρροή ακραίων συμβάντων σε αστικά δίκτυα

Γεωργίου, Αλέξης; Georgiou, Alexis

dc.contributor.author	Γεωργίου, Αλέξης	el
dc.contributor.author	Georgiou, Alexis	en
dc.date.accessioned	2024-06-17T10:15:05Z
dc.date.available	2024-06-17T10:15:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/59721
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.27417
dc.rights	Default License
dc.subject	Επιλογή μεταφορικού μέσου υπό την εμφάνιση απροσδόκητων συμβάντων	el
dc.subject	Συμπεριφορά μετακινούμενου	el
dc.subject	Ταξινομητές μηχανικής μάθησης	el
dc.subject	Mode choice under unexpected events	en
dc.subject	Travel behavior	en
dc.subject	Machine learning classifiers	en
dc.title	Επιλογή μέσου μετακίνησης υπό την επιρροή ακραίων συμβάντων σε αστικά δίκτυα	el
dc.title	Transport mode choice under the influence of extreme events on urban networks	en
heal.type	bachelorThesis
heal.classification	Μεταφορές	el
heal.classification	Αστικά οδικά δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-03-21
heal.abstract	Η παρούσα έρευνα επικεντρώνεται στη διερεύνηση των παραγόντων που επηρεάζουν τις επιλογές μέσου μετακίνησης στην περίπτωση εμφάνισης απροσδόκητων συμβάντων. Τα απροσδόκητα γεγονότα που εξετάστηκαν περιλαμβάνουν δυσμενείς καιρικές συνθήκες, ακραία καιρικά φαινόμενα (π.χ. σεισμός, πλημμύρες), έντονη κυκλοφορική συμφόρηση, απρογραμμάτιστη διακοπή των μέσων μαζικής μεταφοράς (Μ.Μ.Μ) , προγραμματισμένες εκδηλώσεις (π.χ. οδικά έργα, ποδοσφαιρικός αγώνας) και επικίνδυνα γεγονότα (π.χ. COVID-19). Για τη συλλογή των απαραίτητων δεδομένων, διεξήχθη έρευνα με τη μέθοδο της δεδηλωμένης προτίμησης σε τέσσερις μεγάλες ευρωπαϊκές πόλεις: Αθήνα (Ελλάδα), Λισαβόνα (Πορτογαλία), Μάντσεστερ (Ηνωμένο Βασίλειο) και Ρεν (Γαλλία), με σκοπό να αναδειχθούν οι προτιμήσεις των πολιτών όσον αφορά στην πιθανότητα να αλλάξουν το σύνηθες μέσο μετακίνησης τους κατά την εμφάνιση ενός απροσδόκητου γεγονότος. Το τελικό δείγμα αποτελείται από 1859 έγκυρα ερωτηματολόγια. Τα δεδομένα που συλλέχθηκαν από κάθε πόλη χρησιμοποιήθηκαν για την ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης. Μέσω της αξιολόγησης και της σύγκρισης των αποτελεσμάτων των μοντέλων, παρουσιάζεται εκτενής ανάλυση των παραγόντων που επηρεάζουν την επιλογή μέσου μετακίνησης υπό απροσδόκητες συνθήκες. Τα αποτελέσματα δείχνουν ότι οι περισσότεροι μετακινούμενοι τείνουν να αλλάξουν το μέσο μετακίνησης τους στην περίπτωση ακραίων συμβάντων. Λέξεις – κλειδιά: Επιλογή μέσου μετακίνησης υπό την εμφάνιση απροσδόκητων συμβάντων, συμπεριφορά μετακινούμενου, ταξινομητές μηχανικής μάθησης	el
heal.abstract	This study focuses on exploring the factors affecting travel mode choices in the event of unexpected events. The unexpected events that were examined included adverse weather, natural hazards (e.g. earthquake, flooding), intense traffic, unplanned PT disruption, planned events (e.g. roadworks, football match) and hazardous events (e.g. COVID-19). To collect the necessary data, a stated preferences survey was conducted in four major European cities: Athens (Greece), Lisbon (Portugal), Manchester (United Kingdom) and Rennes (France), aimed at the documentation of commuters’ preferences when choosing modes of transport. The final sample consists 1859 valid questionnaires. Data collected from each city were used to develop and calibrate multiple mode choice models, including state-of-the-art machine learning models. Through evaluating and comparing the model results, we present an analysis of the factors influencing mode choice under unexpected events. The results show that most people tend to alter their usual mode of transport when faced with unexpected events. Keywords: Mode choice under unexpected events, Travel behavior, Machine learning classifiers	en
heal.advisorName	Βλαχογιάννη, Ελένη	el
heal.committeeMemberName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Γκιοτσαλίτης, Κωνσταντίνος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	92 σ.	el
heal.fullTextAvailability	false