Ανάλυση κρίσιμων παραγόντων επιρροής των κυκλοφοριακών συνθηκών στην Αθήνα

Κρινή, Παρασκευή; Krini, Paraskevi

dc.contributor.author	Κρινή, Παρασκευή	el
dc.contributor.author	Krini, Paraskevi	en
dc.date.accessioned	2025-05-02T09:02:07Z
dc.date.available	2025-05-02T09:02:07Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61841
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29537
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Κυκλοφοριακός φόρτος	el
dc.subject	Ταχύτητα κυκλοφορίας	el
dc.subject	Καιρικά φαινόμενα	el
dc.subject	CatBoost	en
dc.subject	Ανάλυση σε συστάδες	el
dc.subject	Traffic volume	en
dc.subject	Average traffic speed	en
dc.subject	Weather phenomena	en
dc.subject	CatBoost	en
dc.subject	Cluster analysis	en
dc.title	Ανάλυση κρίσιμων παραγόντων επιρροής των κυκλοφοριακών συνθηκών στην Αθήνα	el
dc.title	Analysis of factors influencing traffic conditions changes in Athens	en
heal.type	bachelorThesis
heal.classification	Ανάλυση κυκλοφοριακών συνθηκών	el
heal.classification	Analysis of traffic conditions	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-29
heal.abstract	Στόχος της παρούσας Διπλωματικής Εργασίας είναι η ανάλυση κρίσιμων παραγόντων επιρροής των κυκλοφοριακών συνθηκών στην Αθήνα. Πιο συγκεκριμένα, επιδιώκεται η διερεύνηση της πολυπαραγοντικής φύσης της κυκλοφοριακής συμφόρησης και η ανάδειξη των παραμέτρων που την επηρεάζουν όπως οι καιρικές συνθήκες, η χρονική περίοδος (ώρα, ημέρα) και τα γεωμετρικά χαρακτηριστικά οδικών αξόνων. Για το σκοπό αυτό συλλέχθηκαν κυκλοφοριακά δεδομένα, όπως η ταχύτητα κυκλοφορίας μέσω της υπηρεσίας χαρτών της Google για 62 οδικούς άξονες στην Αθήνα και ο ωριαίος κυκλοφοριακός φόρτος σε 26 σημεία, μέσω του Κέντρου Διαχείρισης Κυκλοφορίας, για την περίοδο από Ιανουάριο έως Ιούλιο του 2022. Επιπρόσθετα, συλλέχθηκαν δεδομένα για τις καιρικές συνθήκες και γεωμετρικά οδικά χαρακτηριστικά. Σε πρώτο στάδιο διερευνήθηκε η σχέση ταχύτητας-φόρτου και η εξέλιξή της κυκλοφορίας υπό διαφορετικές καιρικές και χρονικές συνθήκες. Έπειτα, αναπτύχθηκε αλγόριθμος Μηχανικής Μάθησης CatBoost με σκοπό τη διερεύνηση του βαθμού επιρροής κάθε μεταβλητής στον ωριαίο κυκλοφοριακό φόρτο και στη ταχύτητα κυκλοφορίας. Στη συνέχεια, πραγματοποιήθηκαν πέντε Αναλύσεις Συστάδων (Cluster Analysis) που στόχευαν στην ταυτοποίηση συστάδων ωρών με βάση τις παρατηρούμενες κυκλοφοριακές συνθήκες υπό διάφορες συνθήκες, αξιοποιώντας τη μέθοδο K-means. Τα αποτελέσματα της Ανάλυσης Συστάδων αποκαλύπτουν ότι τις καθημερινές πρωινές ώρες επικρατούν υψηλοί κυκλοφοριακοί φόρτοι και χαμηλές ταχύτητες, ενώ οι βραδινές ώρες του σαββατοκύριακου εμφανίζουν διαφοροποιήσεις στον φόρτο. Επιπλέον, η θερμοκρασία και η βροχόπτωση επιδρούν στις κυκλοφοριακές συνθήκες, με τις υψηλές θερμοκρασίες και ελαφριά βροχόπτωση να αυξάνουν τον φόρτο και να μειώνουν την ταχύτητα, ενώ η έντονη βροχή συνδέεται με μειωμένο φόρτο και υψηλότερες ταχύτητες.	el
heal.abstract	The aim of this thesis is to analyse the critical factors influencing traffic conditions in Athens. More specifically, it aims to investigate the multifaceted nature of traffic congestion and highlight the parameters affecting it, such as weather conditions, time period (hour, day), and geometric characteristics of (road axes). For this reason, traffic data was collated from selected road segments in Athens, including traffic speed through Google Maps for 62 (road axes) and the hourly traffic volume at 26 points via the Centre for Traffic Management, covering the period from January to July 2022. Additionally, data on weather conditions were gathered, and the final database was completed with geometric road features. In the first phase, the relationship between traffic speed - traffic volume was examined, along with the evolution of traffic under different weather and time conditions. Subsequently, a CatBoost Machine Learning algorithm was developed to discover the degree of influence of each variable under investigation on traffic, specifically concerning hourly traffic volume and traffic speed. Then, five Cluster Analyses were conducted which aimed to identify clusters based on observed traffic conditions under various environmental and time factors, using the K-means method. The application of the models revealed that traffic metrics are significantly related to the time and type of day (weekday/weekend), with peak traffic volume occurring on weekdays during morning rush hours. Moreover, an increase in temperature is associated with a decrease in traffic volume in the morning and an increase in the evening, while the presence of rain increases low volume of traffic and decreases high traffic speeds.	en
heal.advisorName	Γιαννής, Γιώργος	el
heal.advisorName	Yannis, George	en
heal.committeeMemberName	Γκιοτσαλίτης, Κωνσταντίνος	el
heal.committeeMemberName	Γιαννής, Γιώργος	el
heal.committeeMemberName	Βλαχογιάννη, Ελένη	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής. Εργαστήριο Κυκλοφοριακής Τεχνικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	83 σ.	el
heal.fullTextAvailability	false