Representing multimodal routes in an intelligent traffic system

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Perustieteiden korkeakoulu | Master's thesis
Date
2018-05-14
Department
Major/Subject
Ohjelmistotekniikka
Mcode
SCI3042
Degree programme
Master’s Programme in Computer, Communication and Information Sciences
Language
en
Pages
45
Series
Abstract
Automatically detecting individuals’ door-to-door multimodal trips has important applications in an intelligent transport system. These include assisting users in multimodal navigation, optimizing the transit network, and more. Smartphones and other mobile devices today carry a multitude of radios and sensors, including those suitable for detecting location via e.g. Wi-Fi access point mapping or satellite navigation systems, and for detecting motion activity including modes of transport using the accelerometer. Combining these sources with open data from public transport operators, such as static timetables and mass transit vehicle location time series, it is possible to also detect use of mass transit by the smartphone user. In this thesis project a representation for multimodal routes was developed, suitable for analysis of mobility patterns. The modeling includes prerequisite identification of stops and trips, trip origin and destination, mode of trans- port and use of mass transit in trip legs, and recognizing the user’s regular destinations and routes. The discovered mobility patterns can further be combined with data from other sources to produce relevant notifications of exceptions in traffic conditions, such as traffic jams, accidents, or public transport disruptions.

Ihmisten monikulkutapaisten reittien automaattisella havaitsemisella ovelta ovelle on olennaisia sovelluksia älykkäässä liikennejärjestelmässä. Näihin lukeutuvat mm. dynaaminen opastus monikulkutapaisella reitillä, ja tietojen mahdollistama liikennejärjestelmän optimointi. Nykyiset älypuhelimet ja muut mobiililaitteet sisältävät moninaisia antureita ja radiolaitteistoa, joita voidaan käyttää laitteen paikannukseen kartoitettujen Wi-Fi -tukiasemien tai satelliittipaikannuksen avulla, sekä liikeaktiviteetin tunnistukseen kiihtyvyysanturin avulla. Kun näitä tietoja yhdistetään julkisen liikenteen palveluntarjoajien tuottamaan avoimeen dataan kuten joukkoliikennevälineiden ajantasaiseen paikannustietoon sekä aikatauluihin, voidaan myös tunnistaa puhelimen käyttäjän joukkoliikennematkoja. Tässä diplomityöprojektissa kehitettiin monikulkutapaisten reittien kuvaamiseen malli, jota voidaan käyttää liikkumistapojen analyysiin. Mallinnukseen sisältyy edellytyksinä pysähdysten ja matkojen havaitseminen, matkojen alku- ja loppupaikkojen kokoaminen, liikkumismuodon ja joukkoliikennematkojen tunnistaminen, sekä käyttäjän toistuvien päämäärien ja reittien jäsentäminen. Liikkumistapamallin tietoja muihin tietolähteisiin yhdistämällä voidaan myös tarjota käyttäjälle relevantteja ilmoituksia poikkeustilanteista liikenteessä kuten merkittävistä ruuhkista, onnettomuuksista, tai joukkoliikennehäiriöistä.
Description
Supervisor
Saikkonen, Heikki
Thesis advisor
Törmä, Seppo
Keywords
route representation, destination detection, transportation mode detection, mobility patterns, route recognition
Other note
Citation