Tento projekt je průzkumnou studií, která zkoumá schopnost různých zdrojů pasivně sbíraných dopravních dat nahradit tradiční údaje z průzkumů cestování v domácnostech jako hlavní vstupní údaje pro vývoj strategických dopravních modelů. Využije data ze silničních Bluetooth senzorů, adaptivních systémů řízení dopravy, čipových karet veřejné dopravy a systémů sledování vozidel, australského sčítání lidu, databází GIS a případně dalších zdrojů dat v metropolitní oblasti Greater Adelaide.
V rámci projektu budou vyvinuty a otestovány algoritmy pro odvození toků mezi zdrojovými a cílovými místy (O-D) v rámci regionu, potenciálně segmentovaných podle důležitých informací o cestovním chování, jako je účel cesty a demografické charakteristiky.
Rychlé rozšíření chytrých telefonů, sítí Wi-Fi a Bluetooth a digitalizace systémů plánování, rezervací a plateb v dopravě spolu s širším rozvojem internetu věcí (IoT) ve všech odvětvích hospodářství znamená, že máme k dispozici více údajů než kdykoli předtím o tom, jak lidé využívají dopravní infrastrukturu a jak se tyto vzorce pravděpodobně změní v budoucnosti. Tyto nové technologie IKT nabízejí nákladově efektivnější alternativu pro sběr dat o dopravě, avšak v mnohem větším objemu.
Tyto nové zdroje informací vyžadují přehodnocení nejen způsobu sběru dopravních dat, ale také jejich využití v procesu strategického plánování. Například MASTEM, strategický TDM DIT pro metropolitní oblast Greater Adelaide, využívá tradiční ekonometrický přístup, který má kořeny v behaviorální teorii. To znamená, že poptávka po cestování je teoreticky odvozena od poptávky po různých činnostech oddělených od sebe v prostoru a čase a modelována jako funkce různých demografických charakteristik a charakteristik na úrovni cesty, jako je struktura domácností a účel cesty, které jsou považovány za zástupné znaky této základní poptávky. Informace o těchto proměnných byly v minulosti získávány z průzkumů o cestování domácností.
Abychom mohli tyto informace využít pro strategické plánování, musíme revidovat strukturu MASTEM. Zejména se musíme odklonit od teoretického přístupu založeného na tradiční ekonometrii, který je závislý na informacích, jež lze získat pouze prostřednictvím průzkumů o cestování domácností. Místo toho je třeba přejít k přístupu založenému na datech, který vychází z paradigmatu strojového učení, kde není třeba přijímat žádné předběžné teoretické předpoklady a nejlepší model se vyvíjí s využitím všech dostupných údajů.
Tento projekt se zaměří zejména na následující cíle:
- odvodit toky automobilů O-D (původ-cíl) v metropolitním regionu Greater Adelaide v čase pomocí dat ze sítě AddInsight společnosti DIT, která obsahuje snímače Bluetooth, detektory smyček na signalizovaných křižovatkách (data SCATS) a systém měření intenzity dopravy (TVS).
- odvodit toky veřejné dopravy O-D v rámci metropolitní oblasti Greater Adelaide v průběhu času s využitím údajů ze systému čipových karet veřejné dopravy (data Metrocard) a systémů pro lokalizaci vozidel veřejné dopravy (data Bus Pulse).
- obohatit odvozovací algoritmy o doplňující informace ze souborů dat australského sčítání lidu a GIS, jakož i z dalších potenciálních zdrojů, jako jsou poskytovatelé služeb sdílené mobility, platformy sociálních médií, provozovatelé kreditních karet a sítě mobilních telefonů.