Validation of mobile network data in producing origin-destination matrices
Loading...
URL
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu |
Master's thesis
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Authors
Date
2019-12-16
Department
Major/Subject
Mcode
Degree programme
Master's Programme in Spatial Planning and Transportation Engineering (SPT)
Language
en
Pages
93
Series
Abstract
The rapid development in telecommunication networks during last years has made it possible to study human travel behaviour effectively from mobile network data. The combination of passive and active signalling events gathered by mobile network operators allow analysing movements of people with full longitudinal and spatial coverage. Therefore, recent years have seen an increasing interest in utilizing mobile network data in transportation studies, as an alternative or a complementary data source for conventional transport data. This study validates the capability of mobile network data to produce long-distance origin-destination matrices in Finland. Features that are being validated include trip counts, seasonal trip count changes and modal split. As reference data sources of the study, the National Travel Survey 2016, HELMET-transport demand model (Transport model by HSL) and LAM-data (automated traffic census) are used. Validation is done by analysing correlations between mobile network data and the reference data sources. By being able to demonstrate the validity and reliability of mobile network data usage in producing origin-destination matrices, cost-effectiveness and more accurate methods to gather information from long-distance transportation can be provided for the field in general. The overall results of the study are in line with the few similar related studies that have been conducted. The thesis work suggests that mobile network data is capable of producing more reliable trip counts from sparsely populated areas than the National Travel Survey. In addition, it seems to be more capable of capturing the high summer peak in longdistance travelling in Finland. The results regarding modal split are promising, but more studies regarding the modal detection will be needed.Matkapuhelinverkkojen viime vuosien nopea kehitys on mahdollistanut yhä tarkemman matkapuhelinten solupaikannuksen. Teleoperaattoreiden keräämä passiivisten ja aktiivisten matkapuhelinverkon signaalihavaintojen yhdistelmä mahdollistaa ihmisten liikkumiskäyttäytymisen tutkimisen kattavasti sekä ajallisesti että alueellisesti. Viime aikoina matkapuhelinverkkodatan hyödyntäminen liikennetutkimuksissa on tästä syystä herättänyt kasvavaa kiinnostusta perinteisten tiedonkeruumenetelmien korvaajana ja täydentäjänä. Tämä tutkimus validoi mobiiliverkkodatan käyttöä lähtö-määränpää -matriisien luomisessa Suomen pitkän matkan liikenteessä. Validoitavia ominaisuuksia ovat matkamäärät, matkamäärien vuodenajoittainen vaihtelu ja matkojen kulkumuotojakauma. Referenssiaineistona työssä käytetään Suomen Henkilöliikennetutkimusta, HELMET-liikennemallia ja LAM-dataa. Validointi suoritetaan analysoimalla mobiiliverkkodatan ja referenssiaineistojen välisiä korrelaatioita. Osoittamalla mobiiliverkkodatan käytettävyys lähtö-määränpää matriisien luomisessa, liikennesuunnittelun kustannustehokkuutta ja keinoja tarkemman tiedon keräämiseen pitkämatkaisesta liikkumisesta voidaan edistää. Työn tulokset ovat linjassa aiemman tutkimuksen kanssa. Tulokset näyttävät mobiiliverkkodatan olevan kykenevä tuottamaan lähtö-määränpää -tietoa hajaasutusalueilta luotettavammin kuin Henkilöliikennetutkimus. Lisäksi, mobiiliverkkodata näyttää pystyvän observoimaan kesän lomakauden matkapiikin tarkemmin kuin Henkilöliikennetutkimus. Tulokset mobiiliverkkodatan kulkumuototunnistukseen ovat lupaavia, mutta lisää tutkimusta tarvitaan näiden havaintojen vahvistamiseen.Description
Supervisor
Roncoli, ClaudioThesis advisor
Levä, TapioKeywords
mobile network data, validation, ODM, origin-destination, the national travel survey, big data