Wykorzystanie Big Data w zastosowaniach transportowych na przykładzie danych pochodzących z automatów parkingowych

• Autorzy: Kubala C.

Warianty tytułu

EN

Use of Big Data in transport applications on the basis of data from parking machines

• Języki publikacji: PL

Abstrakty

PL

W artykule postanowiono podjąć próbę wykorzystania tzw. Big Data do celów analizy zachowań parkingowych użytkowników krakowskiej Strefy Płatnego Parkowania. W ramach badań pokazano, jak odpowiednia agregacja i przetworzenie informacji pochodzących z bazy danych automatów parkingowych pozwala na identyfikację zachowań kierowców. Artykuł przedstawia przykładową analizę podstawowych miar parkowania – poziomu napełnień i rotacji, które zostały uzyskane przy użyciu autorskiego algorytmu obliczeniowego zaimplementowanego w środowisku programistycznym Python. Przy użyciu metod regresji liniowej wielorakiej, stworzono modele predykcji poziomu napełnień i rotacji w rejonach komunikacyjnych centralnej części miasta. Zmiennymi objaśniającymi modelu były podstawowe dane demograficzne pozyskane z modelu transportowego aglomeracji krakowskiej.

EN

In the article it was decided to make an attempt to use the so-called Big Data for the purpose of analysis of parking behaviour of users of the Krakow Paid Parking Zone (Poland). The research showed how appropriate aggregation and processing of information from the parking machine database allows for identification of drivers' behaviour. The article presents a sample analysis of basic parking measures - the level of occupancy and rotation, which were obtained using an original calculation algorithm implemented in the Python development environment. Using multiple linear regression methods, prediction models of the level of occupancy and rotation in traffic analysis zones of the central part of the city were developed. The variables explaining the model were the basic demographic data obtained from the transport model of the Kraków agglomeration.

Słowa kluczowe

PL

big data; transport; parkowanie; rotacja pojazdów

EN

big data; transport; parking; rotation of vehicles

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2018
• Tom: nr 4
• Strony: 36--40
• Opis fizyczny: Bibliogr. 9 poz., fot., rys., tab.

Twórcy

autor

Kubala C.

• Politechnika Krakowska

Bibliografia

• [1] Caceres, N. i in. (2012) Traffic Flow Estimation Models Using Cellular Phone Data, Intelligent Transportation Systems, IEEE Transactions 13, ss. 1430-1441.
• [2] Gaca, S., Suchorzewski, W. i Tracz, M. (2011) Inżynieria ruchu drogowego: teoria i praktyka. Warszawa: Wydawnictwo Komunikacji i Łączności.
• [3] Hoessinger, R. i in. (2014) „Development of a Real-Time Model of the Occupancy of Short- -Term Parking Zones”, International Journal of Intelligent Transportation Systems Research, ss. 37–47.
• [4] Jin X. i in. (2015) Significance and Challenges of Big Data Research, Big Data Research, Vol 2 Issue 2, ss. 59 – 64.
• [5] Herrera J. C. i in. (2009) Evaluation of Traffic Data Obtained via GPS-enabled Mobile Phones: The Mobile Century field experiment, UCB-ITS-VWP-2009-8, Berkeley Center for Future Urban Transport, Uniwersytet Kalifornijski.
• [6] McAfee, A., Brynjolfsson, E. (2013) Big Data, czyli przełom w zarządzaniu firmą, Harvard Business Review Polska, 4, ss. 42 – 51.
• [7] Marciniak M., Szymczak M. (2015) Big data w zarządzaniu łańcuchem dostaw, Gospodarka Materiałowa i Logistyka, nr 7/2015.
• [8] Pracownia Badań Społecznych i in. (2014) Badania zachowań komunikacyjnych mieszkańców Krakowskiego Obszaru Metropolitarnego, Zleceniodawca: Urząd Miasta Krakowa, Wydział Gospodarki Komunalnej i Ochrony Środowiska.
• [9] Szarata, A. (2015) Rola pozyskiwania danych w kontekście funkcjonowania Stref Płatnego Parkowania, Zeszyty Naukowo – Techniczne Oddziału SITK w Krakowie, 1(105)/2015, ss. 107–117.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).