Urban Traffic Analysis with Bus Location Data

Abstract

Tässä työssä esitellään Tampereen alueen julkisen liikenteen linja-autoista kerätyn datan käyttöä ja analysointia. Aineistoa on analysoitu useilla eri algoritmeilla ja monesta eri näkökulmasta. Osa analyyseista mittaa julkisen liikenteen palvelutasoa, osa tarjoaa matkustajille hyödyllistä lisäinformaatiota ja osa keskittyy havainnoimaan liikenteen yleistä sujuvuutta.

Työn alussa esitellään aiheeseen liittyviä taustatietoja ja aiemmin samasta aiheesta tehtyjä tutkimuksia. Erilaiset liikenteeseen liittyvät sensoriverkostot käydään läpi, keskittyen erityisesti sensoriautoverkostoihin. Kauttaaltaan työssä käsitellään Tampereen linja-autodataa liikkuvasta autosensoriverkosta kerättynä datana. Sensoriautoverkostojen analyysiin liittyvää kirjallisuutta esitellään työssä siten että tutkimukset on jaoteltu lähdedatan perusteella taksidataa, linja-autodataa ja mobiililaitedataa käsitteleviin artikkeleihin. Kuhunkin näistä liittyy erilaisia tutkimusongelmia.

Taksidataa käytettäessä puuttuvat havaintopisteet ovat yleisin ongelma, kun taas henkilöautoliikenteen mallintaminen linja-autoista kerätyn datan perusteella on tyypillinen kysymys bussidataa käyttävissä tutkimuksissa. Mobiililaitteista kerättyä dataa käytettäessä pitää sen sijaan yleensä ensin selvittää onko laite ylipäätään liikkuvassa ajoneuvossa.

Tampereen linja-autodata esitellään yksityiskohtaisesti. Tämä data on verrattain hyvälaatuista, koska sen päivitysnopeus on korkea, jokaiseen havaintoon on aina liittetty yksilölliset tunnisteet ja koko julkisen liikenteen verkoston alueelta on runsaasti havaintoja saatavilla. Kuten missä tahansa oikeasta lähteestä kerätyssä datassa, tässäkin aineistossa on kuitenkin ongelmia, kuten epäjohdonmukaisuuksia, virheitä ja kohinaa. Näiden virheiden odotettavissa olevat suuruusluokat on käyty datan esittelyssä läpi. Samoin esittelellään esikäsittelyprosessi, jossa dataa sekä puhdistetaan virheistä että sen kokoa ja muotoa muutetaan helpommin käytettäväksi tilastollisessa analyysissä. Työn kokeellisessa osassa tarkastellaan aluksi datan käyttöä julkisen liikenteen toimivuuden mittaamisessa. Datasta on etsitty usein esiintyviä aika-paikka-linja –joukkoja, jotka paljastavat missä, milloin ja millä linjoilla bussit ovat säännöllisesti myöhässä. Sen lisäksi reittiajoja on jaoteltu paikan ja tapahtumien (kuten pysäkillä käynnit tai liikennevaloissa odottaminen) mukaan, jotta on löydetty syitä myöhästymisille.

Matkustajien kannalta tehdyissä kokeiluissa on toteutettu mm. dataan perustuvat pysäkkiaikataulut, jotka mukautuvat ajan mittaan todellisten saapumisaikojen mukaan. Saapumisajan lisäksi matkustajille annetaan arvio saapumisajan epävarmuudesta. Yleisen liikenteen sujuvuuden analysoimiseksi esitellään katuosuusprofiilien käsite. Profiili kertoo kullekin pysäkinvälille normaalin ajoajan rajat kunakin vuorokaudenaikana. Profiileja voidaan käyttää pysäkinvälien luokitteluun esimerkiksi aamu- ja iltapäiväruuhkan vaikutusten mukaan, ja ne ovat perusta reaaliaikaisen poikkeustilamonitoroinnin tarpeisiin. Poikkeustilamonitorointia on testattu työssä käyttäen muutaman tunnetun liikenneonnettomuustilanteen dataa.

Kaikkeen työssä tehtyyn kehitykseen ja testaukseen on käytetty oikeaa dataa, ja reaaliaikaisen datavirran käyttömahdollisuudet on pyritty huomioimaan aina tarvittaessa. Periaatteena on ollut välttää monimutkaisuutta ja suosia käytettävyyttä tuotanto-olosuhteissa siten, että ylimääräisten parametrisointien ja tilastollisten oletusten määrä on pidetty mahdollisimman pienenä. Lisäksi robustisuus on otettu huomioon joka asiassa. Kaikki prosessit on yritetty tehdä niin, että ne perustuvat mahdollisimman standardimuotoisille formaateille, ja ovat automatisoitavissa. Niinpä nämä Tampereen datalla kehitetyt menetelmät voitaisiin minimaalisella käsityön määrällä siirtää käytettäväksi mihin tahansa muuhun kaupunkiin, josta on vastaavat datat saatavilla.

This thesis presents the use and analysis of traffic data collected from the public bus fleet in Tampere area. The data have been analyzed with several algorithms and from various points of view, both for evaluating the performance of the public transportation and providing the passengers with valuable information, and for monitoring the traffic fluency in general.

The background and related work are introduced first. Different kinds of traffic related sensor networks are described, and special attention is drawn to probe vehicle networks. Throughout the thesis, the public bus location data from Tampere are treated as observations taken from a probe vehicle fleet. Next, the literature related to analysis of probe vehicle data is reviewed. The research cases are classified according to the data source, whether from taxi fleet, bus fleet or mobile phones. Particular research questions are typically related to the data from different probes, such as missing data points for taxis, and modeling personal car traffic based on bus data, or recognizing whether the mobile is in a vehicle for mobile probe data. The Tampere bus position data used in the research in this thesis are then presented in detail. The data have several benefits over the data sets generally used in the world earlier: the update rate is sufficiently good, all the data contain unique identifiers and there is an abundancy of observations from every segment of the public transportation network in the area. However, as in any real world data, there are inconsistencies, errors and noise in the data. The expected error levels are approximated as a part of the data description. Also, a data preprocessing scheme is explained, where the data are cleaned and summarized into a format that is compact, fast to search, easy to group spatially and ready for statistical analysis.

In the experimental part of the thesis, the data are first used to analyze the service level of the public transportation. Frequent itemset mining is applied to the data related to delayed buses to identify the combination of time, location and bus line that are regularly associated with delays. Also, the bus journeys are analyzed both spatially and based on different actions, to search for the cause for the delays.

From the passenger point of view, an approach of data driven bus schedules is given. In this approach, the bus schedules would be adaptive based on the observed bus arrival times at the bus stops. Moreover, the passenger would also be provided with knowledge of the uncertainty of the arrival time.

Finally, the bus data are used to monitor the traffic fluency in the city in general. For this purpose, the concept of link travel time profile is defined. This profile indicates the limits of normal traffic for each bus network segment between two successive bus stops. The profiles can be used to classify segments based on daily conditions such as rush hours, and they are the basis for real time incident detection that is developed and tested in the thesis.

All the experiments are developed and tested based on real data, and the aim has been to enable using online streaming data in real time where applicable. The overall principle in all experiments has been to avoid complexity and favor usability in production environment, meaning that the number of parameters and usage of strict assumptions on statistics have been kept as low as possible. Also, the robustness has been taken into account. The processes have been designed to be based on automation and standard data formats as much as possible, so that the same methods could be applied in any other city with the data based on the same standards as used in Tampere with minimum manual work.