Travel Time Estimations Using Bluetooth Data
Restider är alltid intressanta, för de som använder vägen och de som är ansvariga för vägen. Det finns olika tekniker för att samla in information om restider, till exempel traditionella videobaserade system och nyare system som använder Bluetooth. Bluetooth är en kostnadseffektiv metod som använder...
Main Author: | |
---|---|
Format: | Others |
Language: | English |
Published: |
Linköpings universitet, Kommunikations- och transportsystem
2014
|
Subjects: | |
Online Access: | http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-112097 |
id |
ndltd-UPSALLA1-oai-DiVA.org-liu-112097 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-UPSALLA1-oai-DiVA.org-liu-1120972014-11-14T04:55:26ZTravel Time Estimations Using Bluetooth DataengRestidsuppskattningar med hjälp av BluetoothdataJohansson, MartinLinköpings universitet, Kommunikations- och transportsystemLinköpings universitet, Tekniska högskolan2014BluetoothrestidsuppskattningfiltreringsalgoritmerdatainsamlingcyklisterRestider är alltid intressanta, för de som använder vägen och de som är ansvariga för vägen. Det finns olika tekniker för att samla in information om restider, till exempel traditionella videobaserade system och nyare system som använder Bluetooth. Bluetooth är en kostnadseffektiv metod som använder väganvändarnas olika elektroniska enheter, till exempel smartphones eller trådlösa headsets, för att samla in information om restider. Den infrastruktur som behövs för att mäta restid är två stycken Bluetooth-mottagare varav en placeras i början och en i slutet av vägsträckan samt en server som tar emot och analyserar insamlad data. Bluetooth fungerar bra för att samla in information om restider, men är tekniken möjlig att använda för att identifiera restider för specifika transportslag? I det här projektet undersöks möjligheterna att identifiera restider som hör till cyklister i Bluetooth-data från stadstrafik. För att de restider som samlas in ska vara intressanta måste de rensas på så kallade outliers, det vill säga observationer som inte representerar den faktiska restiden på vägsträckan. Projektet undersöker därför ett antal olika filtreringsalgoritmer för att kunna rensa insamlad data från outliers. Filtreringsalgoritmerna jämförs först med varandra för att se vilken eller vilka som fungerar bäst i olika trafikmiljöer. Därefter jämförs filtreringsalgoritmerna med de interna filtreringsalgoritmerna som leverantören av Bluetooth-mottagarna, BLIP Systems, använder i sitt analysverktyg för att erbjuda en helhetslösning. Projektets slutsatser är att Bluetooth fungerar bra som insamlingsteknik för restidsinformation och att de restider som ges inte är signifikant skilda från restider som samlas in med andra, mer traditionella, insamlingstekniker. Det går dock inte att dra några konkreta slutsatser vad gäller möjligheterna att identifiera cyklister i blandad stadstrafik på den vägsträcka som testas i projektet. Detta på grund av att bilar och cyklister har för lika restid på vägsträckan. Metoden som används bör dock testas på ytterligare vägsträckor innan det är möjligt att fastslå om den fungerar eller inte. Av de olika filtreringsalgoritmerna som testas är det en Box och Whisker-algoritm, som använder IQR-teknik för filtreringen, som presterar bäst på indata från stadstrafik och indata från motorväg. Indata från mellanstora vägar tas inte med i resultatet. När Box och Whisker-algoritmen jämförs med Bluetooth-mottagarnas interna filtreringsalgoritmer är resultatet att Bluetooth-mottagarnas filtreringsalgoritmer ger ett något bättre resultat än Box och Whisker-algoritmen, men att den ändå ger ett fullgott resultat. Student thesisinfo:eu-repo/semantics/bachelorThesistexthttp://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-112097application/pdfinfo:eu-repo/semantics/openAccess |
collection |
NDLTD |
language |
English |
format |
Others
|
sources |
NDLTD |
topic |
Bluetooth restidsuppskattning filtreringsalgoritmer datainsamling cyklister |
spellingShingle |
Bluetooth restidsuppskattning filtreringsalgoritmer datainsamling cyklister Johansson, Martin Travel Time Estimations Using Bluetooth Data |
description |
Restider är alltid intressanta, för de som använder vägen och de som är ansvariga för vägen. Det finns olika tekniker för att samla in information om restider, till exempel traditionella videobaserade system och nyare system som använder Bluetooth. Bluetooth är en kostnadseffektiv metod som använder väganvändarnas olika elektroniska enheter, till exempel smartphones eller trådlösa headsets, för att samla in information om restider. Den infrastruktur som behövs för att mäta restid är två stycken Bluetooth-mottagare varav en placeras i början och en i slutet av vägsträckan samt en server som tar emot och analyserar insamlad data. Bluetooth fungerar bra för att samla in information om restider, men är tekniken möjlig att använda för att identifiera restider för specifika transportslag? I det här projektet undersöks möjligheterna att identifiera restider som hör till cyklister i Bluetooth-data från stadstrafik. För att de restider som samlas in ska vara intressanta måste de rensas på så kallade outliers, det vill säga observationer som inte representerar den faktiska restiden på vägsträckan. Projektet undersöker därför ett antal olika filtreringsalgoritmer för att kunna rensa insamlad data från outliers. Filtreringsalgoritmerna jämförs först med varandra för att se vilken eller vilka som fungerar bäst i olika trafikmiljöer. Därefter jämförs filtreringsalgoritmerna med de interna filtreringsalgoritmerna som leverantören av Bluetooth-mottagarna, BLIP Systems, använder i sitt analysverktyg för att erbjuda en helhetslösning. Projektets slutsatser är att Bluetooth fungerar bra som insamlingsteknik för restidsinformation och att de restider som ges inte är signifikant skilda från restider som samlas in med andra, mer traditionella, insamlingstekniker. Det går dock inte att dra några konkreta slutsatser vad gäller möjligheterna att identifiera cyklister i blandad stadstrafik på den vägsträcka som testas i projektet. Detta på grund av att bilar och cyklister har för lika restid på vägsträckan. Metoden som används bör dock testas på ytterligare vägsträckor innan det är möjligt att fastslå om den fungerar eller inte. Av de olika filtreringsalgoritmerna som testas är det en Box och Whisker-algoritm, som använder IQR-teknik för filtreringen, som presterar bäst på indata från stadstrafik och indata från motorväg. Indata från mellanstora vägar tas inte med i resultatet. När Box och Whisker-algoritmen jämförs med Bluetooth-mottagarnas interna filtreringsalgoritmer är resultatet att Bluetooth-mottagarnas filtreringsalgoritmer ger ett något bättre resultat än Box och Whisker-algoritmen, men att den ändå ger ett fullgott resultat. |
author |
Johansson, Martin |
author_facet |
Johansson, Martin |
author_sort |
Johansson, Martin |
title |
Travel Time Estimations Using Bluetooth Data |
title_short |
Travel Time Estimations Using Bluetooth Data |
title_full |
Travel Time Estimations Using Bluetooth Data |
title_fullStr |
Travel Time Estimations Using Bluetooth Data |
title_full_unstemmed |
Travel Time Estimations Using Bluetooth Data |
title_sort |
travel time estimations using bluetooth data |
publisher |
Linköpings universitet, Kommunikations- och transportsystem |
publishDate |
2014 |
url |
http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-112097 |
work_keys_str_mv |
AT johanssonmartin traveltimeestimationsusingbluetoothdata AT johanssonmartin restidsuppskattningarmedhjalpavbluetoothdata |
_version_ |
1716719846188646400 |