Vizualizace a predikce pražské příměstské dopravy

Abstract

Tato práce se zabývá jak problematikou vizualizace dat veřejné příměstské dopravy v téměř reálném čase pomocí mapových podkladů, tak predikcí zpoždění příjezdu vozidel s využitím informací o dalších vozidlech se kterými sdílí trasu. V první kapitole je provedena analýza dat poskytovaných v rámci otevřených dat Golemio, snaha vytyčit skupinu potencionálních uživatelů a využití datové sady pro predikci zpoždění spojů. Dále následuje využití této analýzy pro návrh architektury řešení a celé webové aplikace, dále pak návrh metodiky pro vyhodnocení predikce a popis dat, která budou použita. Nakonec realizační část obsahuje celý popis reálného nasazení a provozu, propojení jednotlivých komponent a průchod celou aplikací, dále pak měření a vyhodnocení prediktivních metod, kde se ukázala metoda nejbližších sousedů, jako nejlepší regresor, pro tuto práci s průměrnou absolutní chybou 19.23 sekund.

This thesis is aiming to tackle the problems of vizualization of public suburban transport in near-real time using maps. Also with delay prediction of arrival using the informations about other vehicles in the system. In the first chapter the analysis is made about the data supplied by Golemio in the open data movement. Next is the attempt to pinpoint the users who would like to use this application and using the dataset for prediction. In next chapter the analysis is used to propose the architecture of the system and the web application. Followed by propose of the methodology to evaluate prediction and describe the data we use for the prediction. In the implementation part we describe the system as whole, describe the deployment and the operation, connection of separate components and walkthrough of the application. Followed by measuring predictive methods and evaluation, which showed the best method is the nearest neighbours regressor, with mean absolute error of 19.23 seconds.