Thesis title: Analisi comportamentale degli utenti stradali sulla base di Big Data in mobilità
Analisi comportamentale degli utenti stradali sulla base di Big Data in mobilità – Abstract (Italiano)
Gli ambiti di applicazione dei Big Data nel campo dei sistemi di trasporto sono numerosi e molto diversi tra loro.
Con riferimento all’analisi del comportamento degli utenti stradali, i Floating Car Data (FCD), in particolare, rappresentano una preziosa fonte di informazioni: possono essere utilizzati per conoscere lo stato del veicolo, le prestazioni del sistema di trasporto, le posizioni degli utenti e le preferenze o le abitudini di questi ultimi.
La maggior parte degli studi presenti in letteratura, limitati a piccole flotte di veicoli o a esperimenti di laboratorio, pone alcune criticità dovute alla dimensione dei database oggetto di analisi; alcuni studi, concentrati su inviluppi di punti rilevati, sono caratterizzati da una sequenza di posizioni sparse e svincolate dal grafo stradale sottostante.
Per tale ragione - al fine di condurre un’ampia analisi del sistema degli spostamenti in area urbana basata su un set esteso di FCD - è stata definita una metodologia generale che prevede:
• la ricostruzione sul grafo stradale del percorso seguito dagli utenti in ciascun viaggio effettuato, a partire dalle singole posizioni rilevate;
• la definizione di un insieme limitato di percorsi di collegamento per una specifica coppia Origine-Destinazione (O-D) che rappresentano il set finale di alternative di scelta considerate significativamente differenti dall’utente stradale e utilizzabili in un modello comportamentale.
Il comportamento di scelta degli utenti, inoltre, viene approfondito attraverso l’analisi della dinamica giornaliera delle scelte degli utenti stradali, che viene condotta verificando la tendenza degli individui a cambiare percorso oppure anticipare l’orario di partenza in funzione dei tempi di viaggio sperimentati il giorno precedente.
La metodologia definita nell’ambito della presente ricerca è stata applicata a un primo set di FCD relativi al mese di maggio 2010 registrati nell'area metropolitana di Roma e, successivamente, a un set più esteso e recente di dati (gennaio-giugno 2015) raccolti nella stessa area.
Nella tesi di dottorato sono riportate le principali evidenze ottenute dall’applicazione dell’approccio metodologico.
Sulla base dei risultati ottenuti, infatti, è stata condotta una analisi del I principio di Wardrop: circa il 75% dei percorsi scelti dagli utenti presenta tempi di viaggio che superano il valore minimo di meno del 35%, rispetto ad uno scarto standard dei tempi di percorrenza nel periodo di osservazione dell’ordine del 24% su tutte le coppie O-D e del 19% su tutti i cluster.
È stata, poi approfondita la propensione degli utenti stradali al cambio di percorso o al cambio di orario di partenza a seguito di un incremento o una riduzione del tempo di viaggio sperimentato: sebbene incrementi o riduzioni dei tempi di viaggio sperimentati superiori ai 20 minuti non sono correlati al meccanismo di cambio del percorso, è invece emersa una correlazione tra la percentuale di utenti che cambia il percorso e incrementi o riduzioni dei tempi di viaggio compresi tra 5 e 20 minuti.
Infine, è stata esperita la possibilità di rappresentare i comportamenti di scelta del percorso mediante modelli di scelta discreta. A tal fine, sono state calibrate diverse forme funzionali di un modello logit multinomiale di scelta del percorso. I risultati della procedura di stima - condotta con il metodo della massima verosimiglianza - hanno evidenziato la significatività statistica con probabilità del 95% dei coefficienti della lunghezza, del tempo di viaggio e del numero di semafori presenti lungo il percorso.
I valori - piuttosto contenuti - di rho-quadro ottenuti possono essere spiegati assumendo che gli utenti percepiscano i percorsi alternativi come indifferenti (ulteriore conferma del principio di Wardrop: gli utenti in viaggio su una stessa coppia O-D effettuano la selezione del percorso rispetto ad una serie di alternative di costo minimo e, se non uguale, almeno simile). Infatti, per tutte le O-D, i percorsi di massima probabilità di scelta differiscono dai percorsi effettivamente scelti in media del 14%, con una deviazione standard rispetto alla media del 19%.
Ulteriori analisi potrebbero essere utili per indagare i casi in cui l’utente sembra selezionare il percorso in funzione della necessità di effettuare deviazioni (nel caso di “viaggi a catena”, ad esempio) piuttosto che sulla base dei costi associati alle alternative, o ancora per approfondire la percezione delle grandezze (lunghezza, velocità, etc.) e la previsione del tempo di percorrenza da parte dell’utente, subito prima dello spostamento.
Road users’ behavioral analysis basing on Big Data in mobility – Abstract (English)
Big data applications in transport systems are wide and diverse.
With respect to road users’ behaviour, Floating Car Data (FCD) provides many information regarding the vehicle state, the transport system performances and users’ positions and habits.
Most of the studies in literature, related to small fleets of vehicles or to laboratory experiments, pose some critical issues due to the size of the databases; some of the studies, focused on envelopes of collected points, are characterized by a sequence of sparse positions released from the underlying road network.
For this reason - in order to carry out a broad analysis of the mobility system in an urban area, based on a large set of FCD - a general methodology has been defined, which includes:
• the reconstruction of the routes followed by the users in each trip on the road graph, starting from the single positions collected;
• the definition of a restricted set of paths connecting a specific Origin-Destination (O-D) that represents the final set of alternatives perceived as actually different by the road user and that can be used in a behavioural model.
Individuals’ choice behaviour is further investigated through the analysis of day-to-day variability of road users’ choices, which is done by verifying if individuals tend to change routes or anticipate the departure time basing on the travel time experienced during the last trip.
The methodology defined in the present research, has been applied to a first set of FCD collected during May 2010 in the metropolitan city of Rome and then to a larger and most recent (January-June 2015) set collected in the same geographical area.
In the PhD thesis, the main evidences provided by the application of the methodology are described.
Basing on the obtained results, in fact, an analysis of the first Wardrop’s principle has been carried out: about 75% of the drivers choose routes whose travel times do not exceed the minimum value by more than 35%, compared to a standard deviation of travel times in the observation period of 24% on all O-D pairs and of 19% on all clusters.
Then, the day-to-day process of route and departure time choice has been analyzed to verify the possible existence of a correlation between path changing and delays experienced by the users in the days before the change. A correlation has been identified between the fraction of users who change their route and the increase or the reduction in travel time, for increases or reductions between 5 and 20 minutes; however, for increases or reductions in travel time greater than 20 minutes, users seem to select the path independently from the increase or the reduction experienced.
Eventually, the possibility of modelling path choice behaviours through discrete choice models has been investigated. To this end, various functional forms of a multinomial logit path choice model have been calibrated.
The results of the maximum likelihood calibration procedure highlighted the statistical significance - with a probability of 95% - of attributes such as length, travel time, and the number of the path’s traffic lights.
Since all the routes included in the choice sets have been actually chosen by the users, the low values of the rho-square coefficient can be explained by assuming that the users perceive such alternative routes as indifferent (further confirmation of the First Wardrop’s principle: users traveling on the same O-D pair select the path among a series of alternatives of minimum cost and, if not the equal, at least similar).
In fact, for all the O-D pairs, the maximum probability paths and the chosen ones differ on average by the 14%, with a standard deviation of the 19% with respect to the mean.
Further analyses could be useful in order to better investigate when users seem to select the routes basing on detours need ("trip-chain") rather than on alternatives’ costs, or to explore the user perception of trip length, speed, etc. together with the travel time expected by the user immediately before leaving.