Διερεύνηση χωροχρονικών χαρακτηριστικών της κυκλοφορίας στην Αττική Οδό με χρήση αλγορίθμου συσταδοποίησης k-means

Μέξης, Νικόλαος; Mexis, Nikolaos

dc.contributor.author	Μέξης, Νικόλαος	el
dc.contributor.author	Mexis, Nikolaos	en
dc.date.accessioned	2025-04-09T09:10:38Z
dc.date.available	2025-04-09T09:10:38Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61658
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29354
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Συσταδοποίηση	el
dc.subject	Ανάλυση δεδομένων	el
dc.subject	Χωροχρονικά χαρακτηριστικά κυκλοφορίας	el
dc.subject	Αυτοκινητόδρομος	el
dc.subject	Διαχείριση κυκλοφορίας	el
dc.subject	Clustering	en
dc.subject	Data analysis	en
dc.subject	Spatiotemporal traffic characteristics	en
dc.subject	Motorway	en
dc.subject	Traffic management	en
dc.title	Διερεύνηση χωροχρονικών χαρακτηριστικών της κυκλοφορίας στην Αττική Οδό με χρήση αλγορίθμου συσταδοποίησης k-means	el
dc.title	Exploring the spatiotemporal characteristics of traffic on Attiki Odos using k-means clustering algorithm	en
heal.type	masterThesis
heal.classification	Κυκλοφοριακή Τεχνική	el
heal.classification	Traffic Engineering	en
heal.language	el
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-30
heal.abstract	Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η διερεύνηση των χωροχρονικών χαρακτηριστικών της κυκλοφορίας στον αυτοκινητόδρομο της Αττικής Οδού, χρησιμοποιώντας σαν εργαλείο τη συσταδοποίηση μέσω του αλγορίθμου k-means. Πιο συγκεκριμένα, εξετάστηκαν 4 διαφορετικά σενάρια συσταδοποίησης: α)Συσταδοποίηση δύο σταδίων με βάση την ταχύτητα των οχημάτων(two-stage clustering), β)Συσταδοποίηση ενός σταδίου μα βάση τηνταχύτητα, γ)Συσταδοποίηση δύο σταδίωναρχικά με βάση το όριο ταχύτητας και στη συνέχεια την απόκλιση από το όριο ταχύτητας, δ)Συσταδοποίηση ενός σταδίου βάσει της απόκλισης από το όριο ταχύτητας. Για να πραγματοποιηθεί η ανάλυση χρησιμοποιήθηκαν κυκλοφοριακά δεδομένααπό τμήμα της Αττικής Οδού για τον Οκτώβριο του 2022. Τα δεδομένα αφορούσαν καταγραφές ανά 5’ του κυκλοφοριακού φόρτου, της ταχύτητας, της κατάληψη, καθώς επίσης και περιγραφικά στοιχεία όπως η θέση της εκάστοτε διατομής μέτρησης, ο αριθμός των λωρίδων κυκλοφορίας, η ημέρα της εβδομάδας, κ.α. Τα δεδομένα είχαν εκ των προτέρων υποστεί επεξεργασία προκειμένου να πραγματοποιηθεί η στατιστική τους ανάλυση. Το πρώτο στάδιο της ανάλυσης αφορούσε τη χρήση του αλγορίθμου k-meansμε σκοπό να εξεταστεί εάν η διαδικασία της συσταδοποίησης δύο σταδίων (Σενάριο 1) προσφέρει καλύτερα αποτελέσματα σε σχέση με το Σενάριο 2 για την κατηγοριοποίηση των ταχυτήτων των οχημάτων. Το δεύτερο στάδιο της ανάλυσης βασίστηκε στη χρήση του αλγορίθμου k-means για τις μεταβλητές του ορίου ταχύτητας, καθώς και της απόκλισης της ταχύτητας από αυτό, με σκοπό να διερευνηθεί η οδηγική συμπεριφορά σε επιμέρους τμήματα και χρονικές περιόδου στο υπό-μελέτη οδικό τμήμα. Τα αποτελέσματα υπέδειξαν ότι η συσταδοποίηση ενός σταδίου για τη μεταβλητή της ταχύτητας δεν κατηγοριοποιεί με τον βέλτιστο τρόπο τις επιμέρους συστάδες καθώς συγχωνεύει δεδομένα από οχήματα που κινούνται σε διαφορετικές συνθήκες κυκλοφορίας, ενώ αντιθέτως η συσταδοποίηση σε δύο στάδια επιτρέπει την αναγνώριση διαφορετικών χαρακτηριστικών στις συστάδες, τα οποία μπορούν να αξιοποιηθούν για βελτιστοποιημένη διαχείριση των κυκλοφοριακών δεδομένων. Επιπλέον, για τα Σενάρια 3 & 4, τα αποτελέσματα υπέδειξαν μία καλύτερη ανάγνωση των μοτίβων κυκλοφορίας, καθώς σε ορισμένα οδικά τμήματα τα οποία στα Σενάρια 1&2 εμφανίζονταν σε συστάδες με χαμηλές ταχύτητες, διαπιστώθηκε ότι πρόκειται για τμήματα του αυτοκινητοδρόμου όπου τα οχήματα υιοθετούσαν υψηλές ταχύτητες σε σχέση με τη γεωμετρία της οδού. Κατά συνέπεια, τα Σενάρια 1&2 δεν ήταν αντιπροσωπευτικά της πραγματικότητας. Τέλος, μέσω του Σεναρίου 3 διακρίθηκαν μοτίβα οδηγικών συμπεριφορών στις επιμέρους συστάδες, όπως για παράδειγμα αποτελεσματική/μη αποτελεσματική οδήγηση, υπερβάσεις ορίων ταχύτητας, κ.α.	el
heal.abstract	The objective of this thesis is to investigate the spatiotemporal characteristics of traffic on the Attiki Odos motorway, using k-means clustering. More specifically, four different clustering scenarios were examined: a)Two-stage clustering based on vehicle speed, b)Single-stage clustering based on vehicle speed, c)Two-stage clustering, initially based on speed limit and subsequently on the deviation from the speed limit, and d)Single-stage clustering based on the deviation from the speed limit. For the analysis, traffic data from a specific road segment of Attiki Odos for October 2022 was utilized. Data included 5-minute interval records of traffic flow, speed, occupancy, as well as descriptive information such as sensors’ location, number of lanes, day of the week, etc. The data was pre-processed to enable for further analysis. The first stage of the analysis involved using the k-means algorithm to examine whether the two-stage clustering process (Scenario 1) yields better results compared to Scenario 2 for vehicle speed classification. The second stage of the analysis employed the k-means algorithm on the variables of speed limit and speed deviation, aiming to explore driver behavior in specific segments and time periods on the Attiki Odos motorway. The results indicated that one-stage clustering for the speed variable does not optimally categorize the individual clusters, as it merges data from vehicles operating under different traffic conditions. In contrast, two-stage clustering allows for the identification of distinct characteristics within the clusters, which can be utilized for optimized traffic data management. Additionally, for Scenarios 3 and 4, the results indicated a better representation of the prevailing traffic patterns. It was observed that certain road segments, which were allocated to the low speed clusters in Scenarios 1 and 2, were actually sections of the motorway where vehicles would exceed the speed limit, i.e. the adopted speeds were actually high in relation to the road geometry. Thus, Scenarios 1&2 were not representative of the actual traffic conditions, as they created the illusion of lower speeds due to increased traffic. Finally, Scenario 3 identified patterns of driving behavior within individual clusters, such as efficient/inefficient driving, speed limit violations, etc.	en
heal.advisorName	Σπυροπούλου, Ιωάννα	el
heal.advisorName	Spyropoulou, Ioanna	en
heal.committeeMemberName	Κεπαπτσόγλου, Κωνσταντίνος	el
heal.committeeMemberName	Χατζηχρήστος, Θωμάς	el
heal.committeeMemberName	Kepaptsoglou, Konstantinos	en
heal.committeeMemberName	Chatzichristos, Thomas	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών.	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false