Activity-based models estimation using smart app data

Mobility is a fundamental element in the life of people, who travel every day to carry out activities in specific places and at specific times: people's choices regarding how, when, where and why they move are closely interconnected with the activities they carry out. Understanding these choices therefore means understanding people's mobility, and it is a fundamental step in order to effectively plan mobility infrastructures and services and to develop policies with an eye towards ever more sustainable and accessible solutions. Activity-Based Models are advanced models that, unlike traditional models, take into account the complexity and interdependence between activities and movements over extended periods of time. These models aim to simulate and predict activity and travel patterns as faithfully as possible to reality, and their level of accuracy is directly proportional to the level of complexity, detail and precision of the available input data. These complex and complete data structures of activities and trips are known as Travel Diaries, and are traditionally collected through surveys and interviews, proving to be very difficult to obtain and certainly expensive in terms of cost and time. In recent years, with the spread of smartphones, it has become increasingly easier to obtain accurate data with a low economic and time impact. In this thesis work, a structured Activity-Based model is proposed, articulated and calibrated using data from a smart mobile app and a traditional online survey, elaborated and improved in order to obtain detailed information on the travel diaries of the monitored users as well as socio-demographic information, useful for profiling the users. The experiment involved 250 students from the Politecnico di Milano, who provided their personal and monitoring data for periods of time ranging from two weeks to an entire semester. The data was then processed and used to calibrate three activity-based sub-models, which focus respectively on the structure of daily activity chains, the activity structure of individual tours and the modal choice for tours. The results highlight the relationships between mobility choices and activity planning and the socio-demographic characteristics of the users, also identifying critical points for the possible future development of similar models and above all for improving the methods of data collection.

La mobilità è un aspetto fondamentale nella vita delle persone, che ogni giorno si spostano per svolgere attività in determinati luoghi e orari: le scelte delle persone rispetto a come, quando, dove e perché muoversi sono strettamente interconnesse con le attività che svolgono. Comprendere queste scelte significa quindi comprendere la mobilità delle persone, ed è un passaggio fondamentale per poter efficacemente pianificare infrastrutture, servizi e policy di mobilità in ottica sempre più sostenibile. I modelli di domanda basati sull'interazione tra attività e spostamenti, chiamati Activity-Based Models, sono modelli avanzati che a differenza dei modelli tradizionali tengono conto della complessità e interdipendenza tra attività e spostamenti per periodi di tempo prolungati. Questi modelli mirano a simulare e predire pattern di attività e spostamenti in maniera quanta più fedele possibile alla realtà, e il loro livello di accuratezza è direttamente proporzionale al livello di complessità, dettaglio e precisione dei dati di input a disposizione. Queste strutture di dati complessi e completi di attività e viaggi sono note come Travel Diaries, e vengono tradizionalmente raccolti tramite sondaggi e interviste, rivelandosi molto difficili da procurare e certamente dispendiosi in termini di costo e tempi. Negli ultimi anni, grazie anche alla diffusione degli smartphone, avere dei dati precisi e a basso impatto economico e temporale è diventato sempre più facile. In questo lavoro di tesi si propone una struttura di modelli Activity-Based articolata e calibrata tramite dati provenienti da una smart app su cellulare e un questionario online, elaborati e migliorati in modo da ottenere informazioni dettagliate sui travel diaries degli utenti monitorati così come informazioni di carattere sociodemografico, utili alla profilazione. La sperimentazione ha coinvolto 250 studenti del Politecnico di Milano, che hanno fornito i propri dati personali e di monitoraggio per periodi di tempo compresi da due settimane a un intero semestre. I dati sono stati quindi elaborati ed utilizzati per calibrare tre sotto-modelli, che vertono rispettivamente sulla struttura delle catene di attività giornaliere, la struttura di attività dei singoli tour e la scelta modale per i tour. I risultati mostrano relazioni tra i pattern di attività e spostamenti degli utenti e le loro caratteristiche sociodemografiche, identificando punti critici per eventuali sviluppi futuri di modelli simili e soprattutto per migliorare le modalità di raccolta dei dati.