20234

۲۰۲۳۴

تخمين زمان سفر مسير با بكارگيري اطلاعات دريافتي از سامانه موقعيت ياب جهاني

كارشناسي ارشد

برنامه ريزي حمل و نقل

1394-139۷

۱۳۹۷/۳/۳۰

دكتر افشين شريعت مهيمني

عمران

چكيده زمان سفر ورودي مهم فرايندهاي نظارت بر عملكرد يك شبكه حمل و نقلي و سيستم¬هاي مديريت ترافيك مرتبط با آن است. از برنامه¬ريزان شهري گرفته تا مسافران، اغلب متوسط زمان سفر يا تغييرپذيري زمان سفر نسبت به ساير عوامل را در تصميم¬گيري خود در نظر مي¬گيرند. با توجه به تعداد قابل توجه تلفن¬هاي همراهي كه در شبكه حمل شده و بخش¬هاي وسيعي از آن را پوشش مي¬دهند؛ زيرساخت لازم براي جمع¬آوري داده فراهم شده و از اين رو استفاده از GPS در مديريت ترافيك به سرعت در حال رشد است. امروزه اغلب مسافران به همراه خود حداقل يك ابزار داراي گيرنده GPS حمل مي¬كنند. علاوه¬ بر اين، وسايل نقليه ناوگان تجاري نيز معمولاً امروزه به GPS مجهز شده¬اند. به علت هزينه¬هاي مربوط به انتقال داده، سيستم¬هايي كه داده¬هاي خودروهاي كاوش¬گر را جمع¬آوري مي-كنند؛ اين داده¬ها را به شكل محدود و با فواصل زماني زياد ارسال مي¬كنند. بنابراين، موقعيت¬هاي گزارش شده داراي فاصله زماني و مكاني نسبت به يكديگر خواهند بود. تخمين زمان سفر با استفاده از اين داده¬ها چالش¬برانگيز است. اين پايان¬نامه الگوريتم تخمين زمان سفر كاملاً مبتني بر GIS با استفاده از داه¬هاي تاريخچه¬زماني با توالي پايين خودروهاي كاوش¬گر را معرفي مي¬كند. اين الگوريتم براي تطبيق نقاط GPS به نقشه و استنتاج مسير، عمدتاً از توابع GIS استفاده مي¬كند. همچنين روشي براي تخمين زمان سفر با عنوان روش طول – سرعت – مبنا ارائه شده است. براي اين منظور، داده¬هاي GPS تاكسي¬هاي سه مسير درون¬شهري در دوره اوج صبح به مدت 4 روز (براي هر مسير) با استفاده از تلفن¬هاي همراه جمع¬آوري شد و براي پياده¬سازي و ارزيابي روش ارائه شده مورد استفاده قرار گرفت. براي جمع¬آوري داده¬ها، گوشي¬هاي تلفن همراه در داخل وسايل نقليه قرار مي¬گرفت و داده¬هاي مورد نياز را جمع¬آوري مي¬كرد. نتايج «تطبيق به نقشه و استنتاج مسير» نشان داد كه با استفاده از روش ارائه شده 06/91 درصد از پيوندهاي پيموده شده به درستي شناسايي شده¬اند. از مقايسه زمان سفر تخمين زده شده براي پيوندها با زمان سفر واقعي مقدار «ميانگين درصد خطاي مطلق (MAPE)» برابر با 86/6 درصد بدست آمد. مقايسه زمان سفر تخمين زده شده براي تمام مسيرها (از مبدا به مقصد) با زمان سفر واقعي آن مسيرها نشان داد كه حدود 92 درصد از زمان سفر مسيرها با خطاي كمتر از 5/14 درصد تخمين زده شده¬اند. همچنين با مقايسه ميانگين زمان تخمين زده شده براي مسيرها با ميانگين زمان سفر بدست آمده از روش تطبيق پلاك، مقدار MAPE برابر با 15/7 درصد بدست آمد. واژه‌هاي كليدي: داده¬هاي GPS تاريخچه زماني، داده¬هاي كم¬پشت، تطبيق به نقشه، استنتاج مسير، تخمين زمان سفر، GIS.

1398/01/17

Route travel time estimation using data from the Global Positioning System

6/20/2019 12:00:00 AM

Abstract: Travel time is a particularly important input for assessing and monitoring the efficiency and performance of a transport network and its associated traffic management systems. Ranging from city planning to individual travelers, they all make decisions based on average travel time or variability of travel time among other factors. The use of GPS probes in traffic management is growing rapidly as the required data collection infrastructure is increasingly in place, with significant number of mobile sensors moving around covering expansive areas of the road network. Many travelers carry with them at least one device with a built-in GPS receiver. Furthermore, vehicles in commercial fleets are now routinely equipped with GPS. Currently, systems that collect probe vehicle data are designed to transmit data in a limited form and relatively infrequently due to the cost of data transmission. Thus, reported locations are far apart in time and space. Estimation of travel time with such data is challenging. This dissertation introducing first purely GIS – based travel time estimation algorithm for sparse historical probe vehicle data. The algorithm presented in this study utilizes mainly built-in functions in the GIS for map matching and path inference. Then, Distanse – Speed – based method developed in the dissertation is used for estimation of travel time. Taxi GPS data from three urban routes at morning peak period over four days (for each route) were collected using mobile phones and were used to implementation and evaluation of proposed method. The results of the "map matching and path inference" step showed that the proposed method could correctly identify 91.69% of the links travelled by vehicles. The estimated links travel times validated against real travel time data obtained from frequently GPS data (1 second resolution) and results display a "mean absolute percentage error (MAPE)"of 6.86%. Comparison of the estimated travel time for all routes (from origin to destination) with the real travel time of those routes showed that about 92% of the routes travel times were estimated with an error of less than 14.5% and MAPE = 6.63%. Also, by comparing the mean estimated route travel time with the mean travel time obtained from the license plate matching method, the MAPE value is equal to 7.15% Keywords: Historical GPS data, Sparse data, Map matching, Path inference, Travel time estimation, GIS.