Design of an algorithm for MobilitApp to automatically detect changes of activity of the citizens along the trip

Abstract

This project focuses on the improvement of MobilitApp through the proposal of an activity change detection algorithm. MobilitApp is an Android application developed by ETSETB students since 2014, in collaboration with the ATM (Autoritat del Transport Metropolità) of Barcelona, with the purpose of detecting the means of transport used by its users, currently through a deep learning model designed by members of the SISCOM research group of the UPC. In this thesis three change detection algorithms based on temporal, statistical and frequency analysis are proposed, implemented and tested. The results indicate that a combination of frequency analysis and geopositioning performs better than the other two discussed methods, in addition to requiring reasonable computational cost and energy expenditure. Future lines of work for MobilitApp involve the development of a new, more stable version that also includes an algorithm for automatic detection of the beginning and end of its users' trips. It should be noted that the ultimate purpose of the application is to be integrated as a tool in the MOU-TE software of the ATM.

Este proyecto se centra en la mejora de MobilitApp mediante la propuesta de un algoritmo de detección del cambio de actividad. MobilitApp es una aplicación Android desarrollada por estudiantes de la ETSETB desde el año 2014, en colaboración con el ATM (Autoritat del Transport Metropolità) de Barcelona, con el propósito de detectar los medios de transporte utilizados por sus usuarios, actualmente a través de un modelo de aprendizaje profundo diseñado por miembros del grupo SISCOM de la UPC. En esta tesis tres algoritmos de detección del cambio basados en el análisis temporal, estadístico y frecuencial son propuestos, implementados y probados. Los resultados indican que una combinación de análisis frecuencial y geoposicionamiento tiene un mejor rendimiento que los otros dos métodos estudiados, además de requerir un coste computacional y un gasto energético razonables. Las líneas de trabajo futuro para MobilitApp suponen el desarrollo de una nueva versión más estable que además incluya un algoritmo de detección automática del principio y final de los trayectos de sus usuarios. Cabe destacar que el propósito último de la aplicación es ser integrada como una herramienta en el programa MOU-TE de ATM.

Aquest projecte es centra en la millora de MobilitApp mitjançant la proposta d'un algorisme de detecció del canvi d'activitat. MobilitApp és una aplicació Android desenvolupada per estudiants de l'ETSETB des de l'any 2014, en col·laboració amb l'ATM (Autoritat del Transport Metropolità) de Barcelona, amb el propòsit de detectar els mitjans de transport utilitzats pels usuaris, actualment a través d'un model d'aprenentatge profund dissenyat per membres del grup de recerca SISCOM de l'UPC. En aquesta tesi tres algorismes de detecció del canvi basats en l'anàlisi temporal, estadístic i freqüencial són proposats, implementats i provats. Els resultats indiquen que una combinació d'anàlisi freqüencial i geoposicionament té un millor rendiment que els altres dos mètodes estudiats, a més de requerir un cost computacional i una despesa energètica raonables. Les línies de treball futur per a MobilitApp suposen el desenvolupament d'una nova versió més estable que a més inclogui un algorisme de detecció automàtica del principi i el final dels trajectes dels seus usuaris. Cal destacar que el propòsit últim de l'aplicació és ser integrada com una eina al programa MOU-TE de l'ATM.