Algorithms and methods for the design and development of intelligent, context aware and sustainable mobility services

Public transport plays at least two key roles in the structure and functioning of a city: it enables mobility for everyone, besides their availability of a private means of transport, optimizing the economical, social and environmental cost of movement. In this context, the interest towards the applications of ICT in public and private urban transport has grown significantly over the last few years. Ideally, users should be provided with the most precise and up-to-date information at any given time, with the most accurate forecasts about their travel, and should be assisted in making real-time decisions maximizing their satisfaction (which is, in turn, a complex function of kinematic measurable and psychological perception). In the field of transit design and planning, however, transport agencies do not exploit the inherent potential of the increasing volume of data being generated by user devices and applications and work mostly in open loop when planning services. In the field of user interfaces with transportation, on the other hand, continuous, highly context-aware, real-time interaction can still be found only in a very limited number of cases, mostly in private transportation. One of the main issues in actually developing both data-driven, closed loop planning tools and assistive, portable, continuously interacting applications is getting to know the transports system state (equations of motion of the means, position of the users on the means). In the majority of cities the most temporally accurate data currently available is yet only the estimated departure time of the next train or bus at the stops. Both these informational dimensions are being thoroughly revolutionized, in their perspectives and actual possibilities, by the flood of digitally available data concerning the transport operation and user state. There is a relevant and potentially disruptive consequence of this perspective, when taken to the extreme: if adequate relevant information is available to transport agencies in real-time, it will be possible for them to dynamically adjust service parameters, and immediately assess their effects, in order to dynamically improve service quality in a closed-loop fashion. This would open up the possibility, among the others, to exploit self-adjusting behaviors that perform small variations (experiments) on transit schedule parameters, seeking to optimize some service metrics (e.g., mean travel time) at the lowest cost possible, in real-time. One noteworthy and remarkable observation, that is central for the motivation of the present work, is that the information to be provided to the users and the one for the transit agencies are far from being disjoint. In both cases, the ability to precisely determine the users travel context, and in particular to localize them on identifiable means of transportation, is pivotal. Aim of this thesis is to propose a general framework able to provide all the information required to develop multimodal, real-time, continuous and context-aware applications. From a transit agency perspective, it could be possible to evaluate metrics valuable to duly assess service quality, such as origin-destination matrices annotated with mean travel time, number of connections taken, mean waiting times at connections, number of passengers that traveled between two points in a given time interval.

Il trasporto pubblico ricopre almeno due ruoli fondamentali nella struttura e nel funzionamento di una città: permette a chiunque di spostarsi, a prescindere dalla disponibilità di mezzi privati, ottimizzando l’aspetto economico, sociale ed ambientale. In questo contesto, l’interesse relativo alle applicazioni ICT nel trasporto urbano, sia pubblico che privato, è cresciuto significativamente negli ultimi anni. Idealmente, ai passeggeri dovrebbe essere fornita l’informazione nel modo più preciso e aggiornato possibile, con le previsioni accurate riguardo il loro viaggio. Dovrebbero inoltre essere assistiti nel prendere decisioni in tempo reale, massimizzando la loro soddisfazione sia dal punto di vista del costo/tempo del viaggio che dal punto di vista di percezione di comfort. Durante la progettazione dei percorsi, tuttavia, le agenzie di trasporto pubblico non sfruttano il potenziale derivante dal crescente volume di dati generati dai dispositivi e dalle applicazioni usate dai passeggeri e lavorano principalmente in ciclo aperto con i servizi di pianificazione. Nel campo delle interfacce utente, d’altro canto, interazioni continue, contestualizzate e in tempo reale sono state al momento sviluppate sono in maniera molto limitata e principalmente nel campo del trasporto privato. Uno dei problemi principali nello sviluppo di strumenti di pianificazione data-driven in ciclo chiuso e che forniscano assistenza ai passeggeri in tempo reale, è la mancanza di conoscenza dello stato del trasporto pubblico (le equazioni di moto dei mezzi di trasporto, la posizione degli utenti sui mezzi). Nella maggior parte delle città, i dati più accurati disponibili sono semplicemente i tempi di attesa per prossimo treno o bus alle fermate. Il livello di informazione tuttavia sta per essere profondamente rivoluzionato dal flusso di dati digitali disponibili riguardanti il trasporto pubblico e lo stato degli utenti. Questa prospettiva porta a conseguenze rilevanti e potenzialmente dirompenti, se portate all’estremo: con sufficiente informazione disponibile in tempo reale, le agenzie di trasporto pubblico potranno regolare dinamicamente i parametri di servizio e valutare immediatamente gli effetti, migliorando la qualità del servizio, in ciclo chiuso. Questo aprirebbe alla possibilità, tra le altre, di sfruttare comportamenti auto adattativi che operano piccole variazioni (esperimenti) ai parametri di trasporto (es, orari), cercando di ottimizzare alcune metriche di servizio (es, tempo di viaggio medio) al minor costo possibile, in tempo reale. Un’osservazione rilevante, che è centrale nella motivazione del presente lavoro, è che l’informazione che deve essere fornita agli utenti e quella che deve essere fornita alle agenzie di trasporto è tutt’altro che disgiunta. In entrambe le circostanze, l’abilità di determinare il contesto dei passeggeri, localizzandoli precisamente sui mezzi di trasporto, è cruciale. Obiettivo di questa tesi è proporre un framework generale, in grado di fornire tutta l’informazione necessaria per sviluppare applicazioni multimodali, in tempo reale e contestualizzate per i passeggeri. Per quanto riguarda le agenzie di trasporto, verrano rese disponibili metriche per valutare propriamente la qualità del servizio fornito, come matrici origine-destinazione annotate con tempi di viaggio, numero di mezzi presi, tempi di attesa medi e numero di passeggeri che hanno viaggiato tra due punti in un determinato intervallo di tempo.