Γεωπληροφορική ανάλυση χωρο-χρονικών δεδομένων, για την ανάπτυξη έξυπνου συστήματος πλοήγησης οχημάτων σε αστικό ιστό

Abstract

The past decade, the population of people living in urban areas has rapidly increased. The number of urban residents is continuously growing and is not expected to drop any time soon.Among other countries, Greece is a great example of this phenomenon. Considering that 78% of the population already lives in the largest cities of Greece. The exponential growth of urbanisation exacerbated traffic congestion in these cities due to their inadequate infrastructure. Some ramifications of this are the increase of vehicle emissions, which consequently caused environmental degradation, and travel time with its associated costs.A viable solution to reduce traffic congestion is the concept of "smart cities". An interesting component for research in this concept is the investigation of potential solutions that can alleviate traffic congestion with better traffic management. For instance, better traffic management could be achieved with the development of a traffic prediction system that would accurately forecast current traffic conditions. Based on the above context, this dissertation introduces a methodology that will be used for the development of a smart urban vehicle navigation system which predicts traffic conditions. These are the objectives of the proposed navigation system: (1) Development of a generic methodology beneficial for every urban road network. (2) Development of an automated smart system that will not require human intervention. (3) Development of a GIS-based system independent from every GIS software. (4) Development of a system that can produce an autonomous road network map. (5) Development of a tool that facilitates the navigation process, investigates possible paths aiming to find the optimum, predicts travel time and fuel emissions. (6) Development of a Graphical User Interface (GUI) that will be user friendly.The study area is the urban road network of Thessaloniki city. The required spatio-temporal data have been provided by taxi-vehicles which use GPS receivers to navigate in the city. While these taxi-vehicles travel along the road network of Thessaloniki following the general traffic flow, they provide a large amount of GPS traces that include vehicles' unique ID and coordinate, velocity, orientation, time and date. A data mining system is uniquely developed with the use of programming language for big data management. This spatio-temporal data mining system needs to fulfill strict selection criteria and is a very crucial part of the dissertation project is as it facilitates the data selection process with information that is only relevant to the study area.The selected data that are generated from this data mining system are then inserted to a map-matching process that results to more accurate data selection. In addition, this map-matching process establishes an important tool for the development of an autonomous road network map that can be adjustable to any change of the road network. A high accuracy system is also developed for a map quality assessment using the inertial system ELLIPSE N of the SBG company. The GPS/INS system collects spatio-temporal data that are used to calculate confidence intervals. Then, the spatial models of each road segment are evaluated.Travel time is calculated afterwards with the available spatio-temporal data, which are then used in the following algorithms to predict travel time: Kalman Filter, Autoregressive Integrated Moving Average (ARIMA), Artificial Neural Networks (ANN), k-nearest neighbor. After considering various statistic indicators, ANN is selected to be the optimum algorithm for this specific case-study.Part of the proposed methodology is used for the development of an application that navigates the drivers based on shortest travel time or the "green" path, which is a path with less vehicle emissions. The proposed methodology and the custom code attempt to integrate all three disciplines: Geoinformatics, spatial-temporal data analysis and optimum prediction algorithm. This integration constitutes an effective process to predict travel time for every urban area. The GIS-based application is user friendly, open source and has open architecture. This application can be used by every user that needs to make a decision, while, the results can be exported to files compatible with the GIS software.The current dissertation concludes that the spatio-temporal data from GPS receivers of taxi-vehicles include all the required information for the development of a navigation system based on travel time. A major advantage of the data analysis is that it can be implemented without using any GIS software, provided that appropriate coding has been developed. However, the use of a data mining system is a critical requirement for the development of the methodology. The implementation of a map-matching process is required for the final stage of the data selection process while it simultaneously leads to more accurate results. This makes the current dissertation to be advantageous as the system generates an autonomous road network map by itself. Hence, there is a "closed" system that helps to reduce accuracy issues and leads to an independent and adaptive system.

Τις τελευταίες δεκαετίες παρατηρείται έντονη αστικοποίηση του πληθυσμού, οι άνθρωποι έχουν την τάση να μετακινούνται σε μεγάλα αστικά κέντρα και αυτό δεν αναμένεται να αλλάξει άμεσα. Στην Ελλάδα το 78% των κατοίκων ζει ήδη σε πόλεις. Αυτή η έντονη αστικοποίηση καθιστά τις υφιστάμενες υποδομές ανεπαρκείς επιδεινώνοντας το φαινόμενο της κυκλοφοριακής συμφόρησης. Οι συνέπειες του φαινομένου αυτού είναι επιβάρυνση του περιβάλλοντος με τους αυξανόμενους εκπεμπόμενους ρύπους των οχημάτων, σημαντικές καθυστερήσεις στις μετακινήσεις και αυξημένο κόστος μετακινήσεων. Μια λύση που μπορεί να μετριάσει τα προβλήματα που δημιουργούνται από την αστικοποίηση είναι η δημιουργία "έξυπνων" πόλεων. Στο πλαίσιο, λοιπόν, των "έξυπνων" πόλεων, ιδιαίτερο ενδιαφέρον εμφανίζει η διερεύνηση πιθανών λύσεων για την άμβλυνση του προβλήματος της κυκλοφοριακής συμφόρησης. Μια τέτοια λύση θα μπορούσε να αποτελεί ένα "έξυπνο" σύστημα πλοήγησης οχημάτων σε αστικό ιστό προβλέποντας τις τρέχουσες κυκλοφοριακές συνθήκες. Στην παρούσα διατριβή παρουσιάζεται μια μεθοδολογία για την ανάπτυξη ενός "έξυπνου" συστήματος πλοήγησης οχημάτων με δυνατότητα πρόβλεψης των σημείων με κυκλοφοριακή συμφόρηση και πλοήγησης σε εναλλακτικές διαδρομές. Το προτεινόμενο σύστημα προβλέπει τους χρόνους διαδρομής και εντοπίζει τις βέλτιστες διαδρομές βάσει χρόνων διαδρομής.Οι στόχοι της διατριβής είναι οι εξής: (1) Ανάπτυξη γενικευμένης μεθοδολογίας με δυνατότητα εφαρμογής σε οποιοδήποτε αστικό κέντρο. (2) Ανάπτυξη "έξυπνου" συστήματος πουβελτιώνεται συνεχώς χωρίς ανθρώπινη παρέμβαση. (3) Ανάπτυξη συστήματος βασισμένου στα Γεωγραφικά Συστήματα Πληροφοριών (ΓΣΠ) και ταυτόχρονα ανεξάρτητο από οποιοδήποτε λογισμικό ΓΣΠ. (4) Ανάπτυξη συστήματος με δυνατότητα παραγωγής αυτόνομου και ανεξάρτητου χαρτογραφικού υπόβαθρου. (5) Δημιουργία εργαλείου Λήψης Αποφάσεων για την Πλοήγηση, να διερευνά δηλαδή όλες τις πιθανές διαδρομές και να επιλέγει τη βέλτιστη, είτε προβλέποντας τους χρόνους διαδρομής είτε προβλέποντας του εκπεμπόμενους ρύπους. (6) Ανάπτυξη παραθυρικού περιβάλλοντος, φιλικού προς τον χρήστη.Περιοχή μελέτης αποτελούν οδοί του αστικού ιστού της Θεσσαλονίκης. Τα πρωτογενή δεδομένα που χρησιμοποιούνται στην παρούσα διατριβή προέρχονται από τα GPS των ταξί που χρησιμοποιούν για να πλοηγούνται στην πόλη, χωρίς να τεθεί κανένας περιορισμός. Πρόκειται για χωρο-χρονικά δεδομένα που περιέχουν τις ακόλουθες πληροφορίες για τα ταξί: μοναδικό κωδικό οχήματος, συντεταγμένες οχήματος, ταχύτητα, προσανατολισμό, ώρα και ημέρα.Αρχικά, διαχειρίζονται και επεξεργάζονται τα μαζικά δεδομένα μέσω ενός συστήματος εξόρυξης δεδομένων που αναπτύχθηκε σε γλώσσα προγραμματισμού αποκλειστικά για την παρούσα διατριβή. Πρόκειται για ένα σύστημα ιδιαίτερα κρίσιμο καθώς ανάμεσα στα εκατομμύρια των δεδομένων,πρέπει να επιλεχτούν αυτά που αφορούν μόνο στην περιοχή μελέτης και πληρούν αυστηρά κριτήρια. Στα δεδομένα που προκύπτουν από την εξόρυξη δεδομένων, πραγματοποιείται μια διαδικασία ταυτοποίησης θέσης (map-matching), η οποία συμβάλει στην ακόμα πιο στοχευμένη επιλογή κατάλληλων δεδομένων και, συνεπώς, στην εξαγωγή αποτελεσμάτων με ακρίβεια. Πέραν αυτού, η διαδικασία αυτή αποτελεί πολύτιμο αρωγό για την ανάπτυξη ενός ανεξάρτητου χαρτογραφικού υπόβαθρου, το οποίο παράγεται από το ίδιο το σύστημα και προσαρμόζεται σε οποιαδήποτε αλλαγή του δικτύου. Το παραγόμενο χαρτογραφικό υπόβαθρο αξιολογείται ποιοτικά αναπτύσσοντας ένα σύστημα υψηλής αξιοπιστίας με χρήση του αδρανειακού συστήματος ELLIPSEN της εταιρίας SBG. Εντοπίζονται οι ζώνες αξιοπιστίας των δεδομένων που προέκυψαν από καταγραφή με επιτόπια έρευνα και, στη συνέχεια, αξιολογούνται τα χωρικά μοντέλα των υπό μελέτη οδικών τμημάτων.Στη συνέχεια, υπολογίζονται χρόνοι διαδρομής από τα διαθέσιμα χωρο-χρονικά δεδομένα και εισέρχονται στους ακόλουθους αλγόριθμους πρόβλεψης: Kalman Filter, ARIMA, Τεχνητά Νευρωνικά Δίκτυα και Πλησιέστερος Γείτονας. Με κριτήριο διάφορους στατιστικούς δείκτες επιλέγονται τα Τεχνητά Νευρωνικά Δίκτυα ως βέλτιστος αλγόριθμος πρόβλεψης για τη συγκεκριμένη περίπτωση.Μέρος της μεθοδολογίας μετουσιώνεται σε εφαρμογή, η οποία πλοηγεί τους χρήστες βάσει της συντομότερης χρονικά διαδρομής ή της "πράσινης" διαδρομής, δηλαδή της διαδρομής που παράγονται οι λιγότεροι εκπεμπόμενοι ρίποι. Τόσο η προτεινόμενη μεθοδολογία όσο και ο πλήρως παραμετροποιήσιμος κώδικας επιχειρούν να συνδυάσουν τη γεωπληροφορική ανάλυση χωρο-χρονικών δεδομένων με τον βέλτιστο αλγόριθμο πρόβλεψης για την υλοποίηση του συστήματος πλοήγησης. Ο συνδυασμός των μεθόδων αποτελεί μια αποτελεσματική διαδικασία πρόβλεψης χρόνων διαδρομής για κάθε αστική περιοχή. Η εφαρμογή βασίζεται στα ΓΣΠ, είναι φιλική προς τον χρήστη, ελεύθερης διανομής και ανοιχτού κώδικα. Μπορεί να χρησιμοποιηθεί από οποιονδήποτε χρήστη που καλείται να λάβει αποφάσεις, ενώ τα αποτελέσματα της εφαρμογής εξάγονται σε αρχεία συμβατά με λογισμικά ΓΣΠ.Η παρούσα διατριβή καταλήγει στο συμπέρασμα πως τα χωρο-χρονικά δεδομένα που προέρχονται από τα GPS των ταξί περιέχουν όλη την απαραίτητη πληροφορία για την ανάπτυξη ενός συστήματος πλοήγησης βάσει χρόνων διαδρομής. Επίσης, η ανάλυση των δεδομένων δεν απαιτεί χρήση λογισμικού ΓΣΠ, εάν αναπτυχθεί ο κατάλληλος κώδικας, αλλά η χρήση συστήματος εξόρυξης δεδομένων αποτελεί επιτακτική ανάγκη. Η εφαρμογή της διαδικασίας ταυτοποίησης θέσης είναι απαραίτητη για την τελική επιλογή των στιγμάτων ενώ, ταυτόχρονα, συμβάλει στην εξαγωγή αποτελεσμάτων με μεγαλύτερη ακρίβεια και κάνει την παρούσα μεθοδολογία να υπερτερεί. Επίσης, η διαδικασία αυτή επιτρέπει την ανάπτυξη ενός αυτόνομου χαρτογραφικού υπόβαθρου. Συνεπώς, λειτουργεί ως ένα κλειστό σύστημα. Αυτό αφενός συμβάλει στην εξάλειψη προβλημάτων ακρίβειας και αφετέρου επιτρέπει στο σύστημα να είναι ανεξάρτητο και εύκολα προσαρμόσιμο.