Automatic transport mode detection based on global positioning system data. Analysis of informal mobility in the city of Maputo

Safari Njema is a project by Politecnico di Milano, dedicated to improve efficiency of transportation infrastructure in Africa and, in particular, in Maputo, the capital of Mozambique. Mobility systems in such cities are simply not developed yet. As a consequence, people suffer from poor organization of transport connection : traffic jams, long waiting time for public transport, overcrowded buses and informal mobility. The latter could be completely uncomfortable, having emergency conditions or even being dangerous. Motivated by these issues, this thesis, as a part of Safari Njema project, is a contribution to partially solve and improve the current situation. Having Global Positioning System (GPS) points provided by Cuebiq as input, the main aim is to develop an appropriate model which will allow us to understand transport mode people using in a given period of time. As a preliminary step, it is necessary, firstly, to divide data points into trajectories. Secondly, with the help of interpolation techniques, find speed and acceleration in every point. Thirdly, according to special rules about speed and acceleration, divide trajectories into segments associated with specific transport mode. Finally, calculation of features for each segment allows us to make inferences about the concrete mode using k-means clusterization algorithm. As a result, applied to attractive case study of Maputo, our methods help to detect transport mode in an unsupervised manner. This research, besides being part of Safari Njema project, could be seen as a possible way to proceed while studying mobility issues or making inference about when, how, and why people move in regions, cities or even countries.

Safari Najema è un progetto del Politecnico di Milano dedicato al miglioramento dell'efficienza dell'infrastruttura di trasporto in Africa e in particolare a Maputo, la capitale del Mozambico. I sistemi di mobilità in queste città semplicemente non sono ancora implementati. Di conseguenza, le persone subiscono disagi per la scarsa organizzazione della connessione dei trasporti: traffico, lunghi tempi d'attesa per i mezzi pubblici, autobus pieni e mezzi di trasporto privato non all'altezza. Questi ultimi, oltre ad essere sconfortevoli, possono rivelarsi pericolosi per il cattivo stato di manutenzione in cui si trovano. Motivata da questi problemi, questa tesi, come parte del Safari Njema project, è un contributo al fine di risolvere, almeno in parte, e migliorare la situazione attuale. Avendo a disposizione i punti GPS forniti da Cuebiq come input, l'obiettivo principale è quello di sviluppare dei modelli appropriati che ci permettano di capire in quale modo le persone si spostano in un dato periodo di tempo. Nella fase preliminare è necessario come prima cosa dividere i punti dati in traiettorie. Come seconda fase, utilizzando tecniche d'interpolazione, trovare la velocità e l'accelerazione in ogni singolo punto. In seguito, attenendosi a regole specifiche che riguardano velocità ed accelerazione, dividere le traiettorie in segmenti associati a specifici mezzi di trasporto. Infine l'estrazione di date variabili caratteristiche per ogni segmento consentono di fare inferenza sul mezzo di trasporto reale usato, utilizzando l'algoritmo di clustering k-means. Come risultato, applicato all'interessante caso di Maputo, il nostro metodo aiuta a riconoscere il metodo di trasporto in maniera non supervisionata. Questa ricerca, oltre ad essere parte del Safari Najema project, può quindi essere vista come un procedimento di analisi per problemi di mobilità e di conseguenza fare inferenza su quando, come e perché le persone si muovono in città, nelle regioni ed anche in stati interi.