haku: @supervisor Karhunen, Juha / yhteensä: 28
viite: 18 / 28
| Tekijä: | Ojapalo, Joona |
| Työn nimi: | Matka-aikaennustemenetelmä kysyntäohjatussa joukkoliikennepalvelussa |
| Travel time prediction system for demand responsive transport service | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2013 |
| Sivut: | 43 + [27] Kieli: fin |
| Koulu/Laitos/Osasto: | Tietotekniikan laitos |
| Oppiaine: | Informaatiotekniikka (T-61) |
| Valvoja: | Karhunen, Juha |
| Ohjaaja: | Sulonen, Reijo |
| Digitoitu julkaisu: | https://aaltodoc.aalto.fi/handle/123456789/100881 |
| OEVS: | Digitoitu arkistokappale on julkaistu Aaltodocissa
|
| Sijainti: | P1 Ark Aalto | Arkisto |
| Avainsanat: | travel time prediction demand responsive traffic floating car data stochastic gradient descent lyhyen aikavälin matka-aikaennuste kysyntäohjattu joukkoliikenne Vitebi |
| Tiivistelmä (fin): | Lyhyen aikavälin matka-aikaennustejärjestelmä on keskeinen osa laajan mittakaavan kysyntäohjatun liikenteen ohjausjärjestelmää. Matka-aikaennustemenetelmiä ja liikennedatalähteitä on tutkittu paljon viimeisen vuosikymmenen aikana. Menetelmätutkimus on pääosin hyödyntänyt moottoriteille ja sisääntuloväylille asennetuista kiinteistä induktiosilmukoista ja rekisterikilpikameroista saatavaa liikennedataa. GPS-pohjaisen ns. kelluvan auton datan hyödyntäminen on kasvanut merkittävästi. Kysyntäohjautuvan liikenteen reititysjärjestelmä tarvitsee matka-aikatietoa koko palvelualueelta tärkeimpien kaupungin liikennetilannetta kuvaavan väylän sijasta. Tämä diplomityö vertailee harvaan näytteistetystä GPS pohjaisesta kelluvan auton datasta purettua matka-aikatietoa olemassa olevaan rekisterikilpikameratietoon. Työssä kehitetään menetelmä GPS-tiedon muuntamiseksi tieverkkograafin kaarikohtaiseksi matka-aikatiedoksi. Menetelmää sovelletaan käyttämällä kellonaikaa ennustavana muuttujana. Työn keskeinen havainto on, että laajasta mutta laadultaan vaihtelevasta GPS-tiedosta on mahdollista päätellä liikennejärjestelmän ruuhkatilaa kuvaava matka-aikataulukko koko kaupungin laajuudelle. |
| Tiivistelmä (eng): | Short term travel time prediction system is an essential component of a modern large scale demand responsive transport system. Travel time prediction methods as well as different traffic data sources have been under an active research during the last decade. The study of travel time prediction methods has mainly focused on predicting a link travel time on expressways or inner city arterials based on fixed location loop detector data or automatic vehicle identification data. Also, usefulness of CPS based floating car data has been investigated. The routing system of demand responsive transport service requires travel time information that covers most of the roads in a city road network instead of the most important roads. This thesis compares travel time estimates that are extracted from sparsely sampled CPS based floating car data to the ground truth travel time data from licence plate cameras. A method that extracts link travel times from floating car data is developed. Method is applied by selecting the link travel time table by the time of the day. An essential finding is that it is possible to extract valuable city-wide travel time tables from a large CPS data set with a variable level of quality. |
| ED: | 2013-09-27 |
INSSI tietueen numero: 47268
+ lisää koriin
INSSI