87 research outputs found
Large-scale test data set for location problems
No full textDesigners of location algorithms share test data sets (benchmarks) to be able to compare performance of newly developed algorithms. In previous decades, the availability of locational data was limited. Big data has revolutionised the amount and detail of information available about human activities and the environment. It is expected that integration of big data into location analysis will increase the resolution and precision of input data. Consequently, the size of solved problems will significantly increase the demand on the development of algorithms that will be able to solve such problems. Accessibility of realistic large scale test data sets, with the number of demands points above 100,000, is very limited. The presented data set covers entire area of Slovakia and consists of the graph of the road network and almost 700,000 connected demand points. The population of 5.5 million inhabitants is allocated to the locations of demand points considering the residential population grid to estimate the size of the demand. The resolution of demand point locations is 100 m. With this article the test data is made publicly available to enable other researches to investigate their algorithms. The second area of its utilisation is the design of methods to eliminate aggregation errors that are usually present when considering location problems of such size. The data set is related to two research articles: “A Versatile Adaptive Aggregation Framework for Spatially Large Discrete Location-Allocation Problem” (Cebecauer and Buzna, 2017) [1] and “Effects of demand estimates on the evaluation and optimality of service centre locations” (Cebecauer et al., 2016) [2]
Short-Term Traffic Prediction in Large-Scale Urban Networks
No full textCity-wide travel time prediction in real-time is an important enabler for efficient use of the road network. It can be used in traveler information to enable more efficient routing of individual vehicles as well as decision support for traffic management applications such as directed information campaigns or incident management. 3D speed maps have been shown to be a promising methodology for revealing day-to-day regularities of city-level travel times and possibly also for short-term prediction. In this paper, we aim to further evaluate and benchmark the use of 3D speed maps for short-term travel time prediction and to enable scenario-based evaluation of traffic management actions we also evaluate the framework for traffic flow prediction. The 3D speed map methodology is adapted to short-term prediction and benchmarked against historical mean as well as against Probabilistic Principal Component Analysis (PPCA). The benchmarking and analysis are made using one year of travel time and traffic flow data for the city of Stockholm, Sweden. The result of the case study shows very promising results of the 3D speed map methodology for short-term prediction of both travel times and traffic flows. The modified version of the 3D speed map prediction outperforms the historical mean prediction as well as the PPCA method. Further work includes an extended evaluation of the method for different conditions in terms of underlying sensor infrastructure, preprocessing and spatio-temporal aggregation as well as benchmarking against other prediction methods.QC 20190531</p
Enhancing Short-Term Traffic Prediction for Large-Scale Transport Networks by Spatio-Temporal Clustering
No full textCongestion in large cities is responsible for extra travel time, noise, air pollution, CO2 emissions, and more. Transport is one of the main recognized contributors to global warming and climate change, which is getting increasing attention from authorities and societies around the world. Better utilization of existing resources by Intelligent Transport Systems (ITS) and digital technologies are recognized by the European Commission as technologies with enormous potential to lower the negative impacts associated with high traffic volumes in urban areas. The main focus of this work is on short-term traffic prediction, which is an essential tool in ITS. In combination with providing information, it enables proactive decisions to decrease severity of congestion that occurs regularly or is caused by incidents. The main contribution of this work is to develop a methodological framework and prove its enhancing effects on short-term prediction in the context of large-scale transport networks. It is expected to contribute to more robust and accurate predictions of ITS in traffic management centers. Traffic patterns in large-scale networks, including urban streets, can be heterogeneous during the day and from day-to-day. This work investigates spatio-temporal clustering of heterogeneous data sets to smaller, more homogeneous data sub-sets. This is expected to produce more robust, accurate, scalable, and cost-effective prediction models. This thesis is the collection of five papers that contribute to enhancing short-term traffic prediction in this context. The clustering is recognized to boost prediction performance in Papers II, III, IV, and V. Paper II considers network partitioning and the last three papers study day clustering. The prediction models used across included papers are naive historical mean prediction models and more advanced prediction models such as probabilistic principal component analysis (PPCA) and exponential smoothing. Paper I considers and facilitates floating car data (FCD) as a cost-effective opportunistic source of speed and travel time data with extensive network coverage. Common practice in determining the number of clusters is to rely on internal evaluation indices, and these are very efficient but isolated from application. Paper IV tests this practice by also considering performance in short-term prediction application. Our results show that relying on these indices can lead to a loss of prediction accuracy of about 20% depending on the considered prediction model. Dimensionality reduction has a minimal effect on the resulting prediction performance, but clustering needs 20 times less computational time and only 0.1% of the original information. Finally, in Paper V, we look at similarities of representative day clusters recognized by speed and flows. Furthermore, the interchangeability of speed day-type centroids for flow when predicting speeds has proven to be robust, which is not a case for predicting flows by speed day-type centroids and observations.Trängsel i storstäderna leder till extra restid, buller, luftföroreningar, koldioxidutsläpp med mera. Transporter är en av de främsta erkända bidragsgivarna till global uppvärmning och klimatförändringar, som får allt större uppmärksamhet från myndigheter och samhällen runt om i världen. Bättre utnyttjande av befintliga resurser genom intelligenta transportsystem (ITS) och digital teknik identifieras av Europeiska kommissionen som teknik med en enorm potential att minska ovanstående negativa effekter kopplade till stora trafikvolymer i stadsområden. Huvudfokus i detta arbete ligger påkortsiktiga trafikprognoser, som är ett viktigt verktyg inom ITS. I kombination med informationsförsörjning möjliggör de proaktiva beslut för att minska omfattningen av trafikstockningar som uppstår regelbundet eller orsakas av incidenter. Det viktigaste bidraget i detta arbete är att utveckla ett metodologiskt ramverk och bevisa dess förbättrande effekter påkortsiktiga prognoser för storskaliga transportnät. Det förväntas bidra till mer robusta och exakta prognoser av ITS i trafikledningscentraler. Trafikmönster i storskaliga nät, inklusive stadsgator, kan vara heterogena under dagen och från dag till dag. I detta arbete undersöks rumslig och temporal klustring av heterogena datamängder till mindre, mer homogena datamängder. Detta förväntas ge mer robusta, exakta, skalbara och kostnadseffektiva prognosmodeller. Avhandlingen är en samling av fem artiklar som bidrar till att förbättra kortsiktiga trafikprognoser i detta sammanhang. Klustring påvisas öka prediktionsprestandan i artiklar II, III, IV och V. I artikel II beaktas nätverksuppdelning och i de tre sista dokumenten klusterbildning. De prediktionsmodeller som används i de inkluderade artiklarna är naiva historiska medelvärdesprediktionsmodeller och mer avancerade parametriska prediktionsmodeller, t.ex. probabilistisk principalkomponentanalys (PPCA) och exponentiell utjämning. I artikel I beaktas och utnyttjas probfordonsdata (FCD) som en kostnadseffektiv opportunistisk källa till hastighets- och restidsdata med omfattande nätverkstäckning. Den vedertagna metoden för att bestämma antalet kluster är att förlita sig påinterna utvärderingsindex, och dessa är mycket effektiva men isolerade från tillämpningen. I uppsats IV testas denna praxis genom att även beakta prestandan i en tillämpning för korttidsprognoser. Våra resultat visar att om man förlitar sig pådessa index kan det leda till en förlust av prediktionsprestanda påcirka 20% beroende påvilken prognosmodell som används. Dimensionalitetsminskning har en minimal effekt påden resulterande prediktionsprestandan, men klusterbildning kräver 20 gånger mindre beräkningstid och endast 0,1% av den ursprungliga informationen. Slutligen undersöker vi i artikel V likheterna mellan representativa dagskluster som bildas genom hastighet respektive flöden. Dessutom visar sig utbytbarheten av dagstypcentroider från hastigheter till flöden robust vid prediktion av hastigheter , vilket inte är fallet när det gäller prediktion av flöden
Re-Aggregation Heuristics for the Large Location Problems with Lexicographic Minimax Objective
No full textWe propose a new heuristic algorithm that provides solutions to the discrete lexicographic minimax location problem. The algorithm is applicable to large instances of the problem. The lexicographic minimax location problem is known to be NP-hard. Therefore, the large instances of the problem are not computable in reasonable time. An aggregation is a valuable tool that allows to adjust the size of the problem and approximate the problem by another one that can be solved. An inevitable consequence of aggregation is the loss of the precision. Typically, an aggregation method is used only once, in the initial phase of the solving process. Here, we propose iterative re-aggregating approach which adapts aggregated problem to achieve more precise location of facilities. To test the efficiency of the proposed method, we compute large location problems reaching 67 000 aggregated customers. The proposed approach is versatile and can be used for large range of location problems
Impacts of COVID-19 on public transport ridership in Sweden: Analysis of ticket validations, sales and passenger counts
No full textThe paper analyses the impacts of COVID-19 on daily public transport ridership in the three most populated regions of Sweden (Stockholm, Västra Götaland and Skåne) during spring 2020. The analysis breaks down the overall ridership with respect to ticket types, youths and seniors, and transport modes based on ticket validations, sales and passenger counts data. By utilizing disaggregate ticket validation data with consistent card ids we further investigate to what extent fewer people travelled, or each person travelled less, during the pandemic. The decrease in public transport ridership (40%–60% across regions) was severe compared with other transport modes. Ridership was not restricted by service levels as supply generally remained unchanged throughout the period. The ridership reduction stems primarily from a lower number of active public transport travellers. Travellers switched from monthly period tickets to single tickets and travel funds, while the use and the sales of short period tickets, used predominantly by tourists, dropped to almost zero. One-year period tickets and school tickets increased from mid-April, which could indicate that the travellers using these tickets are particularly captive to the public transport system. Collaborative effort is required to put the results in the international context. </p
SHARP: Pre-study of Data Sharing for Demand-Responsive and Public Transport System-of-Systems : Public report
No full textCollaboration between demand-based and conventional fixed public transport can create a robust and predictable transport service system-of-systems (SoS). Sustainable business models in this area could help lower congestion, lower overall fossil fuel usage, decrease pollution, shorten travel times, and decrease costs of person-km, while increasing the revenue for transport providers. The purpose of this pre-study is to improve the efficiency, robustness and attractiveness of shared urban mobility by facilitating better real-time integration between fixed public transport services and demand-responsive taxi services. The pre-study organized a stakeholder workshop, which introduced two main use cases for public transport and taxi data sharing: (1) last-mile service and (2) disruption management. Last-mile service in low-density areas is a frequently highlighted application of integrated fixed and demand-responsive services. In such areas, taxis can serve as last-mile service connecting to a mass PT line. The second use case in disruption management. This pre-study explores the potential of a system-of-systems in which the PTA enters an agreement with one or several taxi companies to provide bridging services with taxis during PT disruptions. The purpose of the collaboration is to complement and potentially reduce the need of bridging buses, reduce the costs of reimbursements and potentially fully replace them, reduce the waiting times and the responsibilities of the individual travellers to arrange alternative modes of transport. Through real-time sharing of travel demand data the SoS framework can better utilize available taxi capacity through proactive dispatching and ride sharing. Real-world examples and simulation studies suggest that such an approach can successfully reduce traveler waiting times and environmental impacts, whereas the cost savings for the PTA need further study. The preliminary data analysis aimed to investigate the potential of integrating available public transport and taxi data sources. To demonstrate the effects of public transport disruptions, we selected a case study involving a disruption of 23 metro stations located on the red line in Stockholm. Taxi and public transport demand data from one historical day (1st April 2016) were used. The data are used to simulate the effects of different disruption management strategies on passenger waiting times and operational costs. A strategy where the public transport authority coordinates taxi journeys leads to considerably shorter waiting times and lower costs compared to if the travelers themselves book the trips. The stakeholder discussions, literature review and data analysis suggest that a system-of- systems involving taxi and public transport is a promising approach for public transport disruption management. Further research is needed to develop the business models of SoS for disruption management in a Swedish setting. Further work should also be directed towards a pilot study.Samverkan mellan efterfrågestyrd och konventionell kollektivtrafik kan skapa ett robust och pålitligt system-av-system (SoS) för transporter. Hållbara affärsmodeller på detta område kan bidra till att minska trängseln, användningen av fossila bränslen och föroreningarna, förkorta resetiderna och minska resekostnaderna samtidigt som intäkterna för transportföretagen ökar. Syftet med denna förstudie är att förbättra effektiviteten, robustheten och attraktiviteten hos delad mobilitet i städer genom att möjliggöra bättre realtidsintegration mellan fix kollektivtrafik och efterfrågestyrda taxitjänster. Förstudien organiserade en workshop med avnämare, som presenterade två case för datadelning mellan kollektivtrafik och taxi: (1) sistamilen-tjänster och (2) störningshantering. Sistamilen-tjänster i områden med låg befolkningstäthet är en ofta utpekad tillämpning av integrerade fixa och efterfrågestyrda tjänster. I sådana områden kan taxibilar fungera som en sistamilen-tjänst som knyter an till en stomlinje i kollektivtrafiken. I detta case subventioneras taxibolagen för att tillhandahålla tjänsten och den integrerade tjänsten ingår i PT-biljetten. Denna dörr-till-dörr-tjänst uppmuntrar människor att använda kollektivtrafik + taxi i stället för privat bil eller taxi hela vägen. Inom en plattform för delning av realtidsinformation plattform skickar kollektivtrafikoperatören i realtid fordons- och passagerarinformation till taxibolagen eller en neutralt informationscentral. Med den här informationen kan taxibolagen skicka ett lämpligt antal fordon till varje station för att hämta resenärer. Godkända turer bekräftas till kollektivtrafikoperatören eller det neutrala informationsnavet för att hålla reda på antalet betjänade resenärer. Det andra caset är störningshantering. Järnvägssystem är känsliga för oväntade händelser som infrastrukturbrott, tekniska fel, svåra väderförhållanden och olyckor. Nuvarande praxis i Stockholm är att hantera störningar på högkapacitetslinjer genom att sätta in ersättningsbussar och erbjuda resegaranti. Ersättningsbussar är kostsamma, tar ofta lång tid att komma fram och kan inte hantera passagerarbelastningen på ett helt tunnelbane- eller pendeltåg. Resegarantin kostar också kollektivtrafikmyndigheten betydande belopp varje år. Den här förstudien undersöker potentialen i ett system-av-system där kollektivtrafikmyndigheten ingår avtal med ett eller flera taxibolag för att tillhandahålla ersättningstjänster med taxibilar vid kollektivtrafikstörningar. Syftet med samarbetet är att komplettera och eventuellt minska behovet av ersättningsbussar, minska kostnaderna för resegarantin och eventuellt helt ersätta den, minska väntetiderna och de enskilda resenärernas ansvar att ordna alternativa transportsätt. Genom att dela realtidsdata kan SoS-ramverket bättre utnyttja tillgänglig taxikapacitet genom proaktiv trafikledning och delning av fordon. En genomgång av litteratur relaterad till affärsmodeller och systemarkitekturer för MaaS- system och strategier för avbrottshantering av kollektivtrafik har utförts. Baserat på workshopens resultat har förstudien främst inriktats på system för avbrottshantering. Exempel från praktiska lösningar och simuleringsstudier tyder på att ett sådant tillvägagångssätt framgångsrikt kan minska resenärernas väntetider och miljöpåverkan, medan kostnadsbesparingarna för kollektivtrafikmyndigheten behöver studeras ytterligare. Dataanalysen i denna förstudie syftade till att undersöka möjligheterna att integrera tillgängliga kollektivtrafik- och taxidatakällor. För att illustrera effekterna av kollektivtrafikstörningar valde vi en fallstudie med 23 tunnelbanestationer på den röda linjen i Stockholm. Fallstudien simulerar en störning under vilken stationerna inte kan betjänas med tunnelbana. Efterfrågedata från taxi och kollektivtrafik från en verklig dag (1 april 2016) användes. Analysen visar att det är möjligt att integrera de två datakällorna. Data användes för att simulera effekterna av olika strategier för hantering av avbrott på passagerarnas väntetider och driftskostnader. En strategi där kollektivtrafikmyndigheten koordinerar taxiresor leder till avsevärt kortare väntetider och lägre kostnader jämfört med om resenärerna själva bokar resorna. Diskussionerna med avnämare, litteraturstudierna och dataanalysen tyder på att ett system-av-system som innefattar taxi och kollektivtrafik är ett lovande tillvägagångssätt för hantering av störningar i kollektivtrafiken. Vidare forskning behövs för att utveckla affärsmodeller för störningshantering enligt SoS i en svensk kontext. Ytterligare arbete bör också riktas mot en pilotstudie. Förstudien bidrar till FFIs övergripande mål att minska vägtrafikens miljöpåverkan. Genom att tillhandahålla lösningar för effektivare och robust hantering av kollektivtrafikstörningar bidrar förstudien till att locka fler resenärer till kollektivtrafiken, vilket kommer att bidra till att minska miljöfarliga utsläpp som CO2 och NOx. Förstudien bidrar till målen för SoSSUM genom att undersöka möjligheterna till en smart mobilitetslösning för städer, nämligen hantering av störningar i kollektivtrafiken med realtidsdata om efterfrågan, baserat på SoS-tänkandet. Den utvecklade lösningen är avsedd att öka transportsystemets effektivitet under störningar, vilket ökar systemets tillförlitlighet och robusthet.QC 20230726</p
SHARP: Pre-study of Data Sharing for Demand-Responsive and Public Transport System-of-Systems : Public report
No full textCollaboration between demand-based and conventional fixed public transport can create a robust and predictable transport service system-of-systems (SoS). Sustainable business models in this area could help lower congestion, lower overall fossil fuel usage, decrease pollution, shorten travel times, and decrease costs of person-km, while increasing the revenue for transport providers. The purpose of this pre-study is to improve the efficiency, robustness and attractiveness of shared urban mobility by facilitating better real-time integration between fixed public transport services and demand-responsive taxi services. The pre-study organized a stakeholder workshop, which introduced two main use cases for public transport and taxi data sharing: (1) last-mile service and (2) disruption management. Last-mile service in low-density areas is a frequently highlighted application of integrated fixed and demand-responsive services. In such areas, taxis can serve as last-mile service connecting to a mass PT line. The second use case in disruption management. This pre-study explores the potential of a system-of-systems in which the PTA enters an agreement with one or several taxi companies to provide bridging services with taxis during PT disruptions. The purpose of the collaboration is to complement and potentially reduce the need of bridging buses, reduce the costs of reimbursements and potentially fully replace them, reduce the waiting times and the responsibilities of the individual travellers to arrange alternative modes of transport. Through real-time sharing of travel demand data the SoS framework can better utilize available taxi capacity through proactive dispatching and ride sharing. Real-world examples and simulation studies suggest that such an approach can successfully reduce traveler waiting times and environmental impacts, whereas the cost savings for the PTA need further study. The preliminary data analysis aimed to investigate the potential of integrating available public transport and taxi data sources. To demonstrate the effects of public transport disruptions, we selected a case study involving a disruption of 23 metro stations located on the red line in Stockholm. Taxi and public transport demand data from one historical day (1st April 2016) were used. The data are used to simulate the effects of different disruption management strategies on passenger waiting times and operational costs. A strategy where the public transport authority coordinates taxi journeys leads to considerably shorter waiting times and lower costs compared to if the travelers themselves book the trips. The stakeholder discussions, literature review and data analysis suggest that a system-of- systems involving taxi and public transport is a promising approach for public transport disruption management. Further research is needed to develop the business models of SoS for disruption management in a Swedish setting. Further work should also be directed towards a pilot study.Samverkan mellan efterfrågestyrd och konventionell kollektivtrafik kan skapa ett robust och pålitligt system-av-system (SoS) för transporter. Hållbara affärsmodeller på detta område kan bidra till att minska trängseln, användningen av fossila bränslen och föroreningarna, förkorta resetiderna och minska resekostnaderna samtidigt som intäkterna för transportföretagen ökar. Syftet med denna förstudie är att förbättra effektiviteten, robustheten och attraktiviteten hos delad mobilitet i städer genom att möjliggöra bättre realtidsintegration mellan fix kollektivtrafik och efterfrågestyrda taxitjänster. Förstudien organiserade en workshop med avnämare, som presenterade två case för datadelning mellan kollektivtrafik och taxi: (1) sistamilen-tjänster och (2) störningshantering. Sistamilen-tjänster i områden med låg befolkningstäthet är en ofta utpekad tillämpning av integrerade fixa och efterfrågestyrda tjänster. I sådana områden kan taxibilar fungera som en sistamilen-tjänst som knyter an till en stomlinje i kollektivtrafiken. I detta case subventioneras taxibolagen för att tillhandahålla tjänsten och den integrerade tjänsten ingår i PT-biljetten. Denna dörr-till-dörr-tjänst uppmuntrar människor att använda kollektivtrafik + taxi i stället för privat bil eller taxi hela vägen. Inom en plattform för delning av realtidsinformation plattform skickar kollektivtrafikoperatören i realtid fordons- och passagerarinformation till taxibolagen eller en neutralt informationscentral. Med den här informationen kan taxibolagen skicka ett lämpligt antal fordon till varje station för att hämta resenärer. Godkända turer bekräftas till kollektivtrafikoperatören eller det neutrala informationsnavet för att hålla reda på antalet betjänade resenärer. Det andra caset är störningshantering. Järnvägssystem är känsliga för oväntade händelser som infrastrukturbrott, tekniska fel, svåra väderförhållanden och olyckor. Nuvarande praxis i Stockholm är att hantera störningar på högkapacitetslinjer genom att sätta in ersättningsbussar och erbjuda resegaranti. Ersättningsbussar är kostsamma, tar ofta lång tid att komma fram och kan inte hantera passagerarbelastningen på ett helt tunnelbane- eller pendeltåg. Resegarantin kostar också kollektivtrafikmyndigheten betydande belopp varje år. Den här förstudien undersöker potentialen i ett system-av-system där kollektivtrafikmyndigheten ingår avtal med ett eller flera taxibolag för att tillhandahålla ersättningstjänster med taxibilar vid kollektivtrafikstörningar. Syftet med samarbetet är att komplettera och eventuellt minska behovet av ersättningsbussar, minska kostnaderna för resegarantin och eventuellt helt ersätta den, minska väntetiderna och de enskilda resenärernas ansvar att ordna alternativa transportsätt. Genom att dela realtidsdata kan SoS-ramverket bättre utnyttja tillgänglig taxikapacitet genom proaktiv trafikledning och delning av fordon. En genomgång av litteratur relaterad till affärsmodeller och systemarkitekturer för MaaS- system och strategier för avbrottshantering av kollektivtrafik har utförts. Baserat på workshopens resultat har förstudien främst inriktats på system för avbrottshantering. Exempel från praktiska lösningar och simuleringsstudier tyder på att ett sådant tillvägagångssätt framgångsrikt kan minska resenärernas väntetider och miljöpåverkan, medan kostnadsbesparingarna för kollektivtrafikmyndigheten behöver studeras ytterligare. Dataanalysen i denna förstudie syftade till att undersöka möjligheterna att integrera tillgängliga kollektivtrafik- och taxidatakällor. För att illustrera effekterna av kollektivtrafikstörningar valde vi en fallstudie med 23 tunnelbanestationer på den röda linjen i Stockholm. Fallstudien simulerar en störning under vilken stationerna inte kan betjänas med tunnelbana. Efterfrågedata från taxi och kollektivtrafik från en verklig dag (1 april 2016) användes. Analysen visar att det är möjligt att integrera de två datakällorna. Data användes för att simulera effekterna av olika strategier för hantering av avbrott på passagerarnas väntetider och driftskostnader. En strategi där kollektivtrafikmyndigheten koordinerar taxiresor leder till avsevärt kortare väntetider och lägre kostnader jämfört med om resenärerna själva bokar resorna. Diskussionerna med avnämare, litteraturstudierna och dataanalysen tyder på att ett system-av-system som innefattar taxi och kollektivtrafik är ett lovande tillvägagångssätt för hantering av störningar i kollektivtrafiken. Vidare forskning behövs för att utveckla affärsmodeller för störningshantering enligt SoS i en svensk kontext. Ytterligare arbete bör också riktas mot en pilotstudie. Förstudien bidrar till FFIs övergripande mål att minska vägtrafikens miljöpåverkan. Genom att tillhandahålla lösningar för effektivare och robust hantering av kollektivtrafikstörningar bidrar förstudien till att locka fler resenärer till kollektivtrafiken, vilket kommer att bidra till att minska miljöfarliga utsläpp som CO2 och NOx. Förstudien bidrar till målen för SoSSUM genom att undersöka möjligheterna till en smart mobilitetslösning för städer, nämligen hantering av störningar i kollektivtrafiken med realtidsdata om efterfrågan, baserat på SoS-tänkandet. Den utvecklade lösningen är avsedd att öka transportsystemets effektivitet under störningar, vilket ökar systemets tillförlitlighet och robusthet.QC 20230726</p
A versatile adaptive aggregation framework for spatially large discrete location-allocation problems
No full text
- …
