Urban shared mobility demand forecasting
Πρόβλεψη ζήτησης για αστική κινητικότητα

Master Thesis
Συγγραφέας
Tziorvas, Antonios
Τζιόρβας, Αντώνιος
Ημερομηνία
2025-06Επιβλέπων
Theodoridis, IoannisΘεοδωρίδης, Ιωάννης
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
XGBoost ; Urban data analytics ; Shared mobility ; Time series forecastingΠερίληψη
Η πρόβλεψη της αστικής ζήτησης διαδραματίζει κρίσιμο ρόλο στη βελτιστοποίηση της δρομολόγησης, της αποστολής και της διαχείρισης της κυκλοφοριακής συμφόρησης στα Έξυπνα Συστήματα Μεταφορών. Αξιοποιώντας τεχνικές συγχώνευσης και ανάλυσης δεδομένων, η εκτίμηση της κυκλοφοριακής πυκνότητας χρησιμεύει ως βασικό ενδιάμεσο μέτρο για τον εντοπισμό και την πρόβλεψη αναδυόμενων προτύπων ζήτησης. Σε αυτή τη διατριβή, προτείνουμε δύο παραλλαγές του μοντέλου gradient boosting, μία για ταξινόμηση και μία για παλινδρόμηση, και οι δύο ικανές να παράγουν προβλέψεις ζήτησης σε διάφορους χρονικούς ορίζοντες, από 5 λεπτά έως μία ώρα. Η προσέγγισή μας ενσωματώνει αποτελεσματικά χωρικά και χρονικά χαρακτηριστικά, επιτρέποντας ακριβείς προβλέψεις που είναι απαραίτητες για τη βελτίωση της αποτελεσματικότητας των υπηρεσιών της διαμοιραζόμενης (μικρο-)κινητικότητας. Για να αξιολογήσουμε την αποτελεσματικότητα της προσέγγισής μας, χρησιμοποιούμε ανοιχτά δεδομένα κοινής κινητικότητας που προέρχονται από δίκτυα ηλεκτρικών σκούτερ και ηλεκτρικών ποδηλάτων σε δύο μητροπολιτικές περιοχές της Ολλανδίας. Αυτά τα πραγματικά δεδομένα μας επιτρέπουν να επικυρώσουμε την προσέγγισή μας και να αποδείξουμε την αποτελεσματικότητά της στην καταγραφή των πολυπλοκοτήτων της σύγχρονης αστικής κινητικότητας. Εν τέλει, η μεθοδολογία μας προσφέρει νέες πληροφορίες σχετικά με τη διαχείριση της αστικής μικρο-κινητικότητας, βοηθώντας στην αντιμετώπιση των προκλήσεων που προκύπτουν από την ταχεία αστικοποίηση και συμβάλλοντας έτσι σε πιο βιώσιμες, αποδοτικές και κατοικήσιμες πόλεις.