polito.it
Politecnico di Torino (logo)

Previsione della congestione stradale in ambito urbano e extra-urbano: un'applicazione dei big data e del machine learning = Traffic forecast in urban and suburban areas: an application of big data and machine learning

Alberto Sibille

Previsione della congestione stradale in ambito urbano e extra-urbano: un'applicazione dei big data e del machine learning = Traffic forecast in urban and suburban areas: an application of big data and machine learning.

Rel. Francesco Paolo Deflorio. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Civile, 2019

[img] PDF (Tesi_di_laurea) - Tesi
Document access: Repository staff only not before 17 April 2022 (embargo date).
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB)
Abstract:

Questo progetto di tesi ha come obiettivo lo sviluppo di uno strumento per la previsione della congestione stradale in tempo reale ad un orizzonte temporale di 30 minuti. La previsione della congestione viene affrontata attraverso un approccio data-driven. L’interesse di questo approccio risiede nella possibilità di applicare all’ingegneria del traffico gli algoritmi di machine learning: tali algoritmi permettono di sfruttare una mole sempre crescente di dati di mobilità di cui disponiamo oggi, i big data, senza la necessità di costruire modelli matematici che tentano di riprodurre il comportamento del sistema. L’obiettivo è la creazione di uno strumento applicabile sia in ambito urbano che in ambito extra-urbano. Nella prima parte dello studio vengono analizzati e confrontati i dati potenzialmente utilizzabili per alimentare il modello: misure di portata e tasso di occupazione rilevati tramite spire induttive e misure di velocità media rilevate tramite Floating Car Data (FCD). In seguito, le serie osservate vengono scomposte in una componente media basata su dati storici, che non necessita di essere predetta, ed una componente variabile che sarà l’oggetto della previsione. Vengono quindi create le variabili esplicative (temporali, spaziali e metereologiche) che saranno fornite al modello. Attraverso l’applicazione di algoritmi di apprendimento supervisionato si ottengono delle previsioni dei valori di portata e tasso di occupazione ad un orizzonte temporale di 30 minuti, per dei segmenti stradali rappresentativi; tali valori vengono confrontati con le misure realmente osservate per valutare le prestazioni del modello. Infine, a partire dai valori predetti, si cerca di determinare se tali condizioni di traffico comportino o meno l’insorgere di fenomeni di congestione stradale. In questo progetto, il modello viene testato su due reti stradali differenti: la rete urbana della città di Lione e la rete nazionale extra-urbana dell’Ile-de-France.

Relators: Francesco Paolo Deflorio
Academic year: 2018/19
Publication type: Electronic
Number of Pages: 85
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Civile
Classe di laurea: New organization > Master science > LM-23 - CIVIL ENGINEERING
Ente in cotutela: École Nationale des Ponts et Chaussées (FRANCIA)
Aziende collaboratrici: SETEC INTERNATIONAL
URI: http://webthesis.biblio.polito.it/id/eprint/11135
Modify record (reserved for operators) Modify record (reserved for operators)