Predicción de tráfico interurbano con datos de vehículo conectado.

Abstract

Hoy en día, la predicción de tráfico juega un papel importante en la optimización de la movilidad interurbana. Gracias al aumento del porcentaje de vehículos conectados, los servicios PVD (Probe Vehicle Data), que trabajan con datos de vehículo conectado, han ganado protagonismo en este campo. C-Roads es un proyecto europeo que tiene como objetivo implementar Sistemas Inteligentes de Transporte (ITS) para los usuarios de las vías de circulación europeas. El laboratorio de investigación inLab FIB colabora en el piloto del Corredor Mediterráneo, en cuyo marco se ha desarrollado este TFG. El problema con el que trabajamos es la predicción de tiempo de viaje en vías interurbanas con datos de vehículo conectado. Después de analizar la literatura existente, se decidió utilizar modelos de ARIMA, SARIMA y Redes Neuronales debido a su capacidad para trabajar con series temporales. Con el objetivo de analizar el comportamiento de estos modelos, se han desarrollado un conjunto de experimentos que permiten analizar su precisión utilizando datos de escenarios reales. Estos experimentos se han desarrollado teniendo en cuenta factores como: el tipo de sensor utilizado, la superficie de acción, el horizonte de predicción y la cantidad de vehículos conectados. A fin de representar escenarios reales de forma veraz, los datos para alimentar los modelos se han generado mediante simulación a partir de un modelo de red vial de la AP-7 y demandas de tráfico reales, utilizando el software AIMSUN Next. Los resultados han demostrado que la precisión de los modelos depende en gran medida de los experimentos, sobre todo en los modelos de SARIMA, que solo obtiene buenos resultados en experimentos que presentan un número suficiente de sensores.

Nowadays, traffic forecasting plays a key role in interurban mobility optimization. Thanks to the raising percentage of connected vehicles, Prove Vehicle Data services, (that work with connected vehicle data) have gained importance in this field. C-Roads is a European project which aims to implement Intelligent Transport Systems (ITS) for the users of European circulation aisles. The inLab FIB, a research laboratory, collaborates in the Mediterranean Corridor pilot, and this final degree project has been developed within its framework. The problem we are facing is interurban travel time prediction with Probe Vehicle Data. After analyzing previous publications, we decided to work with ARIMA, SARIMA and Neural Networks models as they are able to work with time series. In order to analyze the performance of these models, we have developed a set of experiments to analyze their accuracy using a real-world setting. The development of the experiments has considered these elements: the type of sensor used, the total surface of activity, the forecast prediction and the number of connected vehicles. In order to represent real-world settings in a truthful way, the data used to feed the models has been generated by simulation based on an AP-7 road network model and real traffic demands, using AIMSUM Next software. We have seen that the precision of the models depends to a great extent on the experiment. This happens especially with SARIMA models, as they only get good results in experiments that present enough number of sensors.