Η παρούσα διπλωματική εργασία πραγματεύεται την ανάλυση ιστορικών δεδομένων κυκλοφορίας οχημάτων, τον υπολογισμό στατιστικών στοιχείων και την εύρεση προτύπων – στρατηγικών, με μεθόδους βασιζόμενες στην ομαδοποίηση, με τη χρήση των οποίων μια εταιρεία μπορεί να επιτύχει τη βελτιστοποίηση της χρήσης του στόλου των οχημάτων της.
Αναλύονται 1,32 δισεκατομμύρια διαδρομές των ταξί στην αστική περιοχή της Νέας Υόρκης για τα έτη 2009 έως 2016. Ομαδοποιούμε τα σημεία έναρξης και τερματισμού των διαδρομών, διαιρώντας την πόλη της Νέας Υόρκης σε περιοχές ενδιαφέροντος. Υπολογίζονται στοιχεία όπως ζήτηση ανά περιοχή, ζήτηση σε συγκεκριμένα χρονικά διαστήματα, «πρότυπες» διαδρομές κτλ., και εντοπίζονται πρότυπα. Τέλος, χρησιμοποιώντας ένα γράφο για την αναπαράσταση των περιοχών στις οποίες έχουμε διαιρέσει την Νέα Υόρκη ως κόμβων, και των συνδέσεων μεταξύ αυτών ως ακμών, καθώς και τα αποτελέσματα της ανωτέρω ανάλυσης, υπολογίζεται η προτεινόμενη περιοχή για μετάβαση μετά το drop-off ενός πελάτη.
This thesis deals with the statistical analysis and discovery of patterns, using clustering-based methods, from historical vehicle travel data, in order to identify strategies that can be used from a company to optimize the company’s fleet utilization.
The dataset used, consists of 1.32 billion taxi trips in the urban area of New York, USA for the years from 2009 until 2016. We cluster pickup and drop-off points, by dividing New York City into regions of interest. Among others, we compute demand per region, demand per weekday, demand per hour of the day etc., common routes and patterns are discovered. Finally using a region graph, to represent the regions of interest as nodes and the connections between them as edges, and the results of the above analysis, we make a suggestion on which region to move after the drop-off of a client.
Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.
