Ανάλυση Οδηγικού Προφίλ Χρηστών μέσω Υβριδικής Πλατφόρμας Δεδομένων Μεγάλης Κλίμακας

Abstract

Σκοπός της παρούσας διπλωματικής εργασίας είναι η ανάπτυξη ενός συστήματος ανάλυσης και εξαγωγής οδηγικών προφίλ, τα οποία προκύπτουν από οδηγικά δεδομένα που συλλέγονται και αποθηκεύονται σε πλατφόρμα δεδομένων μεγάλης κλίμακας (Big Data Platform), με εφαρμογή σύγχρονων μεθόδων μηχανικής μάθησης (Machine Learning), στα πλαίσια ανάπτυξης των ευφυών συστημάτων μεταφορών (Intelligent Transportation Systems - ITS). Η ταχεία εξέλιξη της τεχνολογίας στον τομέα των έξυπνα διασυνδεδεμένων συσκευών σε συνδυασμό με τις συνεχώς αυξανόμενες απαιτήσεις της κοινωνίας για ασφαλή,γρήγορη και εύκολη μετακίνηση έχουν αναπόφευκτα οδηγήσει στην ανάγκη ανάπτυξης αποδοτικότερων και αποτελεσματικότερων μηχανισμών μεταφοράς. Σε αυτό το πλαίσιο, το σύστημα που προτείνεται προσφέρει τη δυνατότητα λήψης και επεξεργασίας κυκλοφοριακών δεδομένων σε πραγματικό χρόνο καθώς και την ιστορική αναδρομή αυτών, με σκοπό την αξιολόγηση της οδηγικής συμπεριφοράς των χρηστών που έχουν επιλέξει να συμμετέχουν σε αυτό. Αρχικά, μελετάται η αποδοτική αποθήκευση του μεγάλου όγκου των κυκλοφοριακών δεδομένων που συλλέγονται με σκοπό να εξασφαλίζεται η εύκολη και γρήγορη αναζήτησή τους. Τις προϋποθέσεις αυτές πληρούν τα NoSQL συστήματα, όπως το MongoDB, που είναι μια από τις πιο δημοφιλείς κατανεμημένες βάσεις και εξασφαλίζει την αποτελεσματική διαχείριση δεδομένων μεγάλου όγκου. Στη συνέχεια, τα δεδομένα υποβάλλονται σε μηχανισμούς προεπεξεργασίας και ανάλυσης, μέσω κατάλληλων frameworks, όπως είναι τα Apache Kafka και Apache Spark, προκειμένου να μετασχηματιστούν σε μορφή που εξυπηρετεί την αποτελεσματική εξαγωγή συμπερασμάτων από αυτά. Η ανάπτυξη μεθόδων για την εξαγωγή συμπερασμάτων από τα οδηγικά δεδομένα είναι ιδιαίτερα σημαντική για την αξιολόγηση και την κατηγοριοποίηση της οδηγικής συμπεριφοράς. Για τον λόγο αυτό, αναζητούνται τα αποτελεσματικότερα μοντέλα ανάλυσης και εξαγωγής δεδομένων με σκοπό την δημιουργία αξιόπιστων οδηγικών προφίλ (Driver Profiling). Στη συνέχεια, αξιολογούνται και συγκρίνονται τα αποτελέσματα των μοντέλων που εξετάστηκαν με σκοπό την επιλογή της αποδοτικότερης μεθόδου ανάλυσης της εξαγωγής οδηγικών προφίλ, με βάση τα κυκλοφοριακά δεδομένα που χρησιμοποιήθηκαν. Τελος, εξασφαλίζεται η αποτελεσματική ανάκτηση και αναπαράσταση των οδηγικών προφίλ που έχουν σχηματιστεί, με χρήση κατάλληλων εργαλείων, όπως είναι τα PostgreSQL και Vue.js framework, και τεχνολογιών, όπως είναι το REST API, με σκοπό την εύκολη και αποτελεσματική αξιολόγηση της οδηγικής συμπεριφοράς των χρηστών του συστήματος.