Μεθοδολογικό πλαίσιο αναγνώρισης και ταυτοποίησης της δυναμικής της οδικής αστικής κυκλοφορίας

Abstract

The ultimate objective of the current thesis is the identification and understanding of the underlying spatiotemporal dynamics within an urban road traffic system through deepening in the potentials unlocked by correlation and causality analysis. Case study for the undertaken analysis is the city of Thessaloniki, a modern Greek urban area of medium size, while floating taxi (GPS data) and Bluetooth detections based travel time timeseries constitute the basic data input. Complementary travel time data coming from a field measurement campaign with 3 floating experimental vehicles were used (covering the assumption of general traffic). All data used originated from efforts of CERTH/HIT (Centre for Research and Technology Hellas / Hellenic Institute of Transport) to develop and maintain the ‘Thessaloniki Smart Mobility Living Lab’ serving research and innovation objectives. The basic research questions posed refer to i) the reliability of traffic data collected via the various sources regarding the general traffic and the potential complementarity among them, ii) the spatiotemporal relations among road paths and iii) the exploitation of knowledge derived from the timeseries based prediction models. In line with the above research questions, an integrated methodological framework was developed making use of the following tools respectively: i) classical statistical descriptive analysis, linear, logarithmic and generalized linear models, ii) univariate (descriptive features, sequence plots, linear and non linear measures calculation as autocorrelation and mutual information) & multivariate timeseries analysis (clustering, correlation, cross-correlation, Granger causality) and iii) timeseries based models development (SARIMAX, multiple linear regression, temporal causal modelling). The analysis validates a good reliability level of the provided information from both floating taxi data and Bluetooth detections in the examined road paths while it concludes on a proposal for their complementarity. The analysis provides also useful insight for the complex causal relations among the different road paths of the network validating the existing traffic intuition. Furthermore, the visualizations deriving from the advanced time series analysis presented (Temporal Causal Models) facilitate the understanding of the relations. The flexibility of the proposed methods in including additional time series / new ‘predictors’ (e.g. delay related time series) and the potential combination of time series analysis with machine learning techniques can probably help unlocking potentials for identifying tailored equations describing traffic characteristics at urban areas (i.e. tailored volume - delay functions).

Απώτερος στόχος της παρούσας διατριβής είναι η αναγνώριση και ταυτοποίηση της δυναμικής του συστήματος της οδικής αστικής κυκλοφορίας μέσω της μελέτης των συσχετίσεων και της αιτιότητας στη συσχέτιση των χρόνων διαδρομής των διαφόρων οδικών τμημάτων που συνθέτουν ένα οδικό αστικό δίκτυο. Η περιοχή αναφοράς πάνω στην οποία δομήθηκε η παρούσα ανάλυση είναι η ευρύτερη περιοχή της Θεσσαλονίκης, ενός σύγχρονου αστικού περιβάλλοντος. Τα κύρια δεδομένα εισόδου που χρησιμοποιήθηκαν για την ανάλυση αφορούν σε χρονοσειρές χρόνων διαδρομής από κινούμενα ταξί (GPS δεδομένα) και στις αντίστοιχες χρονοσειρές χρόνων διαδρομής που προκύπτουν από την ανάλυση καταγραφών σε διαδοχικούς σημειακούς ανιχνευτές Bluetooth. Συμπληρωματικά, χρόνοι διαδρομής πειραματικών οχημάτων (Ι.Χ.) συγκεντρώθηκαν από έρευνες πεδίου οι οποίοι αντιπροσωπεύουν τη γενική κυκλοφορία στην πόλη (υπόθεση). Τα βασικά ερευνητικά ερωτήματα που τέθηκαν αφορούν i) στη συμπληρωματικότητα των σύγχρονων πηγών συλλογής κυκλοφοριακών δεδομένων και στην αξιοπιστία αυτών σε σχέση με τη γενική κυκλοφορία (Ι.Χ.), ii) στη χωροχρονική ανάλυση του συστήματος (αστικό οδικό δίκτυο) και iii) στην αξιοποίηση της πληροφορίας που προκύπτει από την ανάπτυξη μοντέλων πρόβλεψης κυκλοφοριακών δεδομένων βάση χρονοσειρών. Στα βασικά εργαλεία που χρησιμοποιήθηκαν για την εύρεση απαντήσεων στα παραπάνω ερωτήματα συγκαταλέγονται κατ’ αντιστοιχία i) στατιστική ανάλυση δεδομένων και ανάπτυξη γραμμικών, λογαριθμικών και γενικευμένων γραμμικών μοντέλων, ii) μονομεταβλητή (περιγραφή, βασικά περιγραφικά μέτρα, υπολογισμός γραμμικών και μη γραμμικών μέτρων αυτοσυσχέτισης και αμοιβαίας πληροφορίας) και πολυμεταβλητή ανάλυση χρονοσειρών (ομαδοποίηση, συσχετίσεις, διασυσχετίσεις και αιτιότητα κατά Granger) και iii) ανάπτυξη μοντέλων πρόβλεψης με βάση την πληροφορία από τις χρονοσειρές (μοντέλα SARIMAX, πολλαπλή γραμμική παλινδρόμηση, χρονική αιτιώδης μοντελοποίηση). Τα συμπεράσματα από την υλοποίηση του προτεινόμενου μεθοδολογικού πλαισίου επικυρώνουν την αξιοπιστία της πληροφορίας από τις εξεταζόμενες πηγές καταγραφής κυκλοφοριακών δεδομένων στην περιοχή αναφοράς, οδηγούν σε προτάσεις για τη συμπληρωματικότητα των πηγών και παρέχουν σημαντική γνώση για την κατανόηση της δυναμικής του συστήματος της οδικής αστικής κυκλοφορίας (μηχανισμοί που παράγουν αλληλεπιδράσεις, χαρακτηριστικά δικτύου). Η εύρεση αιτιωδών συσχετίσεων φαίνεται αναγκαία και υπό συνθήκες ικανή συνθήκη και βάση για τη διαμόρφωση στρατηγικών διαχείρισης της κυκλοφορίας ιδιαίτερα με κριτήρια συνάφειας ανά περίπτωση (παρόμοιες καταστάσεις που καταγράφονται ιστορικά). Ιδιαιτέρως σημαντική κρίνεται επίσης η συνεισφορά της μετατροπής χαρακτηριστικών των χρονοσειρών σε δίκτυα τα οποία γεννώνται από τη διαδικασία εύρεσης αιτιωδών συσχετίσεων καθώς θεωρείται ότι παρουσιάζουν μεγάλη αξία ως προς την εύκολη κατανόηση των σχέσεων και της δυναμικής ανάμεσα στα διάφορα τμήματα του δικτύου.