Ανάλυση hot-spot για οδικά δεδομένα μέσω παράλληλης επεξεργασίας

Abstract

Τα συστήματα ανάλυσης οδικής κυκλοφορίας αποτελούν έναν σημαντικό τομέα μελέτης στην σύγχρονη εποχή. Λόγω της συνεχούς αύξησης του πλήθους των οχημάτων και της αυξανόμενης πολυπλοκότητας της δομής των οδικών δικτύων σε πυκνοκατοικημένες περιοχές, είναι σύνηθες καθημερινά να εμφανίζονται, ανά χρονικά διαστήματα, περιοχές με υψηλές τιμές συμφόρησης στο οδικό δίκτυο. Η ανάλυση και ο εντοπισμός αυτών των σημείων παρέχει σημαντική πληροφορία σχετικά με τη δομή και τις αδυναμίες του οδικού δικτύου. Συνεπώς καθίσταται αναγκαία η εύρεση μεθόδων που μπορούν να εκτελούν στατιστική ανάλυση χωρικά και χρονικά για την εμφάνιση hot-spot περιοχών ενδιαφέροντος. Παράλληλα, οι μέθοδοι αυτές πρέπει να είναι σε θέση να διαχειρίζονται τον μεγάλο όγκο δεδομένων που προκύπτει από τροχιές οχημάτων και να εξάγουν χρήσιμη πληροφορία ακόμη και από τα αραιά δείγματα στον χώρο. Ο Στόχος της συγκεκριμένης εργασίας είναι η δημιουργία ενός μοντέλου που αναδεικνύει hot-spot οδικών τμημάτων με στατιστικά σημαντικές τιμές κυκλοφοριακής συμφόρησης σε διαφορετικά χρονικά παράθυρα ανάλυσης. Το προτεινόμενο μοντέλο εφαρμόζεται σε δεδομένα τροχιών οχημάτων με αραιή δειγματοληψία και υλοποιείται σε περιβάλλον κατανεμημένων συστημάτων. Για την ανάλυση των hotspots χρησιμοποιείται ο δείκτης Getis-Ord G∗ i , ο οποίος εκτελεί υπολογισμούς στα χωροχρονικά δεδομένα. Επιπρόσθετα για την σχέση της γειτνίασης των δεδομένων χρησιμοποιείται ως συνάρτηση βάρους απόστασης ένα Γκαουσιανός πυρήνας. Η προτεινόμενη μεθοδολογία αποτελεί επέκταση προηγούμενων ερευνών. Ο προτεινόμενος αλγόριθμος στοχεύει στην αντιμετώπιση προβλημάτων που εμφανίζονται σε προηγούμενα μοντέλα. Επιδιώκει τον στόχο αυτόν βελτιώνοντας την παραλληλοποίηση των υπολογισμών μέσω της ομαδοποίησης χωροχρονικά κοντινών δεδομένων, ώστε μα μειωθεί η ανάγκη αναζήτησης των γειτονικών ακμών σε διαφορετικά συστήματα εκτέλεσης. Οι αναλύσεις και ο προτεινόμενος αλγόριθμος υλοποιήθηκαν στο περιβάλλον Apache Spark. Τα αποτελέσματα που εξάγονται, εκτελούνται σε κατανεμημένο σύστημα του Okeanos.