Spatio-temporal clustering for non-recurrent traffic congestion detection on urban road networks
Konum-zamansal kümeleme ile özgün trafik sıkışıklıklarının şehiriçi trafik ağlarında tespit edilmesi
- Tez No: 711838
- Danışmanlar: PROF. DR. TAO CHENG
- Tez Türü: Doktora
- Konular: Ulaşım, Transportation
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: University of London - University College London
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Coğrafi Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 217
Özet
Özgün Trafik Sıkışıklıkları (ÖTS), yolculuları, şirketleri ve trafik operatörlerini yıldırmaktadır; çünkü beklenmedik gecikmelere yol açarlar. Gerçekleştirilmiş bir çok çalışma ÖTS olaylarının otoyollardaki trafik kazaları sonucunda olduğunu kabul etmektedir. Otoyollar ile şehiriçi trafik ağları arasındaki farklılıklar ve trafik kazalarının ÖTS olaylarının tek kaynağı olmaması mevcut otomatik kaza bulma yöntemlerinin şehiriçi trafik ağlarında ÖTS olaylarının tespitinde kullanımını zorlaştırmaktadır. Bu tezin literatüre katkısı ÖTS olaylarının şehiriçi trafik ağlarında doğru bir şekilde tespit edilmesini sağlayacak bir yöntem önerilmesidir. Bunun için komşu yollarda gerçekleşen ve oldukça yüksek yolculuk süreleri kümelenmektedir. Oldukça yüksek yolculuk süreleri iki farklı şekilde tanımlanabilir: i) belirli bir eşik değerinden yüksek olanlar ve ii) istatistiksel olarak anlamlı bir konum-zaman bölgesine dahil olanlar. Bu iki farklı tanım neticesinde iki farklı ÖTS tespit etme yöntemi geliştirilmiştir. Bu yöntemlerin değerlendirilmesi için iki özgün kriter önerilmiştir. İlk kriter, yüksek-güvenirlikli bölümler ile belirli bir minimum süren yüksek değerli yolculuk sürelerinin ne ölçüde bulunduğu değerlendirilmektedir. İkinci kriter, Konumlama Indeksi, ile belirlenen ÖTS olaylarının trafik kazaları ile ne kadar ilişkilendirilebilecekleri değerlendirilmektedir. Önerilen ÖTS tespit etme yöntemi 424 link içeren Londra'nın şehiriçi trafik ağında test edilmiştir. Farklı trafik talepleri de analiz edilerek geliştirilen yöntem daha kapsamlı bir şekilde irdelenmiştir. Hassaslık analizi ile iki farklı yöntemin de en uygun değerleri belirlenmiştir. İlk ÖTS tespit etme yöntemi için, yolculuk sürelerinden %40 fazla olan ölçümlerin iki değerlendirme kriterini dengelediği ve bir ÖTS olayına dahil olduğu tespit edilmiştir. İkinci yöntemde ise, konumsal komşuluk yerine zamansal komşuluk ilişkisinin konum-zaman bölgelerinin oluşturulmasında daha etkin olduğu tespit edilmiştir. Bu bulgular gerçek veri setleri üzerinde uygulanarak iki farklı yöntemin avantajları ve kısıtları anlaşılmıştır. Geliştirilen yöntemi trafik yönetim merkezleri uygulayabilirler. Böylece, trafik operatörleri bir trafik kazasının etkisini ölçebilir ve etkili ÖTS azaltma stratejileri geliştirebilir.
Özet (Çeviri)
Non-Recurrent Congestion events (NRCs) frustrate commuters, companies and traffic operators because they cause unexpected delays. Most existing studies consider NRCs to be an outcome of incidents on motorways. The differences between motorways and urban road networks, and the fact that incidents are not the only cause of NRCs, limit the usefulness of existing automatic incident detection methods for identifying NRCs on an urban road network. This thesis contributes to the literature by developing an NRC detection methodology to support the accurate detection of NRCs on large urban road networks. To achieve this, substantially high Link Journey Time estimates (LJTs) on adjacent links that occur at the same time are clustered. Substantially high LJTs are defined in two different ways: (i) those LJTs that are greater than a threshold, (ii) those LJTs that belong to a statistically significant Space-Time Region (STR). These two different ways of defining the term 'substantially high LJT' lead to different NRC detection methods. To evaluate these methods, two novel criteria are proposed. The first criterion, high-confidence episodes, assesses to what extent substantially high LJTs that last for a minimum duration are detected. The second criterion, the Localisation Index, assesses to what extent detected NRCs could be related to incidents. The proposed NRC detection methodology is tested for London's urban road network, which consists of 424 links. Different levels of travel demand are analysed in order to establish a complete understanding of the developed methodology. Optimum parameter settings of the two proposed NRC detection methods are determined by sensitivity analysis. Related to the first method, LJTs that are at least 40% higher than their expected values are found to maintain the best balance between the proposed evaluation criteria for detecting NRCs. Related to the second method, it is found that constructing STRs by considering temporal adjacencies rather than spatial adjacencies improves the performance of the method. These findings are applied in real life situations to demonstrate the advantages and limitations of the proposed NRC detection methods. Traffic operation centres could readily start using the proposed NRC detection methodology. In this way, traffic operators could be able to quantify the impact of incidents and develop effective NRC reduction strategies.
Benzer Tezler
- Karayolu güvenliğinde esnek hesaplama tekniklerinin kullanılması
The use of soft computing methods in roadway safety
EMRE TERCAN
Doktora
Türkçe
2017
Jeodezi ve FotogrametriErciyes ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN BEŞDOK
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
BiyomühendislikSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- Construction clusters in Turkiye's metropolitan provinces: A research on urban spatial growth
Türkiye'nin büyükşehirlerinde inşaat kümeleri kentsel mekânsal büyüme üzerine bir araştırma
ECE ÖZDEN PAK
Doktora
İngilizce
2023
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
PROF. DR. ALİYE AHU AKGÜN
- Artımlı mekân-zamansal kümeleme algoritmasının geliştirilmesi
Developing incremental spatio-temporal clustering algorithm
ISMAEL SHAKİR SHUKUR
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. METE ÇELIK
- A novel clustering approach for vehicular ad hoc networks
Araçsal (taşıtsal) ağlar için özgün bir kümeleme yaklaşımı
MUHAMMED NUR AVCİL
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MÜJDAT SOYTÜRK