Offline hotspot analysis over road network trajectories
| dc.contributor.advisor | Doulkeridis, Christos | |
| dc.contributor.author | Vossos, Alexandros Ioannis | |
| dc.date.accessioned | 2020-04-06T09:37:42Z | |
| dc.date.available | 2020-04-06T09:37:42Z | |
| dc.date.issued | 2020-03-13 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12673 | |
| dc.identifier.uri | http://dx.doi.org/10.26267/unipi_dione/96 | |
| dc.description.abstract | Βάση ενός συνόλου δεδομένων τροχιών οχημάτων σε ένα οδικό δίκτυο, οι αλγόριθμοι που παρουσιάζονται σε αυτή την εργασία στοχεύουν να ανακαλύψουν στατιστικά σημαντικά hotspots στο εν λόγω οδικό δίκτυο. Αυτή η προσέγγιση βρίσκει εφαρμογή στην βελτίωση οδικών δικτύων καθώς αυτή η ανάλυση μεγάλων συνόλων δεδομένων τροχιών οχημάτων που μπορούν να αποκαλύψουν στοιχεία για την απόδοση των εν λόγω δικτύων. Τα hotspots εντοπίζονται χρησιμοποιώντας μια προσαρμοσμένη έκδοση της μετρικής Getis-Ord Gi*, το οποίο έχει παραδοσιακά χρησιμοποιηθεί για την ανάλυση σημειακών δεδομένων σε ένα δισδιάστατο πλέγμα. Η μετρική αυτή έχει προσαρμοστεί για την ανίχνευση hotspots σε μια τρισδιάστατη χωροχρονική απεικόνιση, σε μορφή γράφου, του οδικού δικτύου που υπάρχει στο σύνολο δεδομένων εισόδου. Αναπτύχθηκαν δύο αλγόριθμοι, ένας που παρέχει μια ακριβής λύση στο πρόβλημα και ένας που παρέχει μια προσέγγιση θυσιάζοντας ακρίβεια για κέρδος σε υπολογιστικό κόστος. Η αποδοτικότητα και η επεκτασιμότητα των αλγορίθμων ελέγχονται πειραματικά σε ένα σύνολο δεδομένων τροχιών στο οδικό δίκτυο της Ελλάδας. | el |
| dc.format.extent | 51 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Offline hotspot analysis over road network trajectories | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | Given a dataset of vehicle trajectories on a road network the algorithms presented in this dissertation aim to discover statistically significant hotspots in said road network. This approach finds application in transportation engineering and the analysis of large collections of vehicle trajectories that can provide insights on the performance of road networks. Hotspots are identified using an adapted version of the Getis-Ord Gi* statistic, which has traditionally been used for the analysis of point data over a 2D grid. The statistic has been adapted to detect hotspots on a 3D spatio-temporal graph representation of the road network present in the input dataset. Two algorithms were developed; one that provides an exact solution to the problem and one that provides an approximate solution trading off accuracy for computational cost. The efficiency and scalability of the algorithms are tested experimentally on a vehicle trajectory dataset in Greece’s road network. | el |
| dc.contributor.master | Πληροφοριακά Συστήματα και Υπηρεσίες | el |
| dc.subject.keyword | Hotspot detection | el |
| dc.subject.keyword | Apache Spark | el |
| dc.subject.keyword | Statistical significance | el |
| dc.subject.keyword | Spatial networks | el |
| dc.subject.keyword | Parallel processing | el |
| dc.date.defense | 2020-02-21 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές