As urbanization and population growth continue to escalate, the challenges of planning, monitoring, and managing urban mobility are becoming increasingly complex. The real-time data captured by IoT (Internet of Things) devices and traffic management systems provides insights into urban mobility patterns. Urban Digital Twins can analyse this data to identify traffic congestion hotspots, optimize route planning, and simulate future scenarios. This thesis describes two different Urban Mobility Digital Twins and their implementation. The Trafair European project is a pioneering initiative aimed at monitoring urban mobility and air quality in six European cities. At the heart of this project lies the development of a sophisticated Traffic and Air Quality (TAQ) Digital Twin (DT), a powerful tool that provides comprehensive insights into traffic patterns, emission levels, and the impact of traffic-related factors on air quality. To capture the city's traffic dynamics, the TAQ DT integrates Internet of Things (IoT) sensors strategically positioned across the urban landscape. These sensors continuously monitor traffic flows, vehicle emissions, and other relevant parameters, providing real-time data that feeds the simulation models. New methodologies for the data cleaning process for traffic sensors and the calibration of the low-cost air quality sensors employed are deeply discussed. The TAQ DT simulates the traffic environment through a daily simulation that incorporates data collected by the sensors over the previous 24 hours and the pollutant concentrations for the next 48 hours are estimated through a dispersion model. User-friendly visualizations available in dedicated dashboards are derived from the data generated by the TAQ DT. This intuitive interface enables decision-makers to identify the most congested areas and observe the impact of the vehicle fleet composition on the air quality condition of the city. The Trafair project and its TAQ DT demonstrate the transformative potential of Digital Twins in addressing the challenges of urban mobility and air quality monitoring. By providing real-time insights, enabling simulation-based analysis, and facilitating informed decision-making, the TAQ DT empowers cities to analyse traffic flow and estimate emissions for a healthier and more sustainable urban environment. The intricate nature of urban mobility networks poses a significant challenge to efficient analysis and decision-making. To address this challenge, we propose a Graph-Based Multi-Modal Mobility (GBMMM) model of the urban mobility network that breaks down the complex network into a series of simpler layers, each representing a specific transportation mode. These layers are interconnected, allowing us to analyse the interactions and influence of different modes on overall mobility patterns. This granular representation significantly improves the manageability and analysis of mobility data. Graph databases offer a compelling solution for modelling and analysing urban mobility networks. Their inherent structure, optimized to represent interconnected entities, aligns perfectly with the topology of mobility networks. By seamlessly integrating graph databases with graph analytics tools and spatial libraries, we can gain a deeper understanding of traffic patterns, congestion hotspots, and the relationship between network topology and mobility behaviour. This information can be used to inform strategic decision making, optimize traffic flow, improve accessibility, and promote sustainable urban mobility. The GBMMM model of the city of Modena (Italy) is presented as a use case for the simulation of road closure scenarios and for the experimentation of new routing methodologies based on cyclist and pedestrian needs (e.g., safety).

Con l’intensificarsi dell’urbanizzazione le sfide legate alla pianificazione, al monitoraggio e alla gestione della mobilità urbana diventano sempre più complesse. I dati in tempo reale catturati dai dispositivi IoT (Internet of Things) e dai sistemi di gestione del traffico forniscono informazioni sulla mobilità urbana. I gemelli digitali o Digital Twin (DT) urbani consentono di analizzare questi dati per individuare zone trafficate, ottimizzare la scelta dei percorsi e simulare scenari futuri. Questa tesi descrive due diversi DT di mobilità urbana e la loro implementazione. Il progetto europeo Trafair è un'iniziativa pionieristica finalizzata al monitoraggio della mobilità urbana e della qualità dell'aria in sei città europee. Il progetto ha come scopo lo sviluppo di un sofisticato DT del Traffico e della Qualità dell'Aria (TAQ) che fornisce informazioni sulle condizioni di traffico, i livelli di emissione e l'impatto del traffico sulla qualità dell'aria. Il TAQ DT integra sensori IoT posizionati strategicamente in tutta l'area urbana che monitorano continuamente flussi di traffico e la concentrazione di inquinanti. Nuove metodologie per il processo di pulizia dei dati provenienti dai sensori di traffico e la calibrazione dei sensori low-cost per la qualità dell'aria sono discusse e confrontate. Attraverso i dati raccolti dai sensori di traffico nelle 24 ore precedenti viene generata una simulazione giornaliera del traffico nell’area urbana e un modello di dispersione predice la concentrazione di Nox derivante dal traffico nelle 48 ore successive. I dati raccolti e generati vengono presentati tramite visualizzazioni user-friendly attraverso dashboard dedicate per consentire alla pubblica amministrazione di identificare le aree più congestionate e osservare l'impatto della composizione della flotta di veicoli sulle condizioni di qualità dell'aria della città. Fornendo informazioni in tempo reale, consentendo analisi basate su simulazioni e facilitando decisioni informate, il TAQ DT permette alle città di monitorare il flusso del traffico e stimare le emissioni per creare una città più sostenibile. La complessa natura delle reti di trasporto rappresenta una sfida significativa per la loro analisi e modellazione. Questa tesi propone un approccio innovativo per modellare la rete di trasporto che sfrutta la potenza dei database a grafo: un DT della Mobilità Multimodale Basato su Grafi (GBMMM). Questa soluzione suddivide la complessa rete di trasporto in una serie di livelli più semplici, ognuno rappresentante una modalità di trasporto specifica. Questi livelli sono interconnessi, per consentire l’analisi delle interazioni tra le diverse modalità. Questa rappresentazione granulare migliora significativamente la gestione e l'analisi dei dati di mobilità. La struttura intrinseca, ottimizzata per rappresentare entità interconnesse del database a grafo offre una soluzione convincente per la modellazione e l'analisi delle reti di mobilità urbana perché si allinea perfettamente con la topologia delle reti di mobilità. Integrando i database a grafo con strumenti di analisi e librerie per dati geospaziali, possiamo ottenere una comprensione più approfondita dei percorsi ottimali, individuare le aree congestionate e indagare la relazione tra la topologia della rete e il traffico. Queste informazioni possono supportare le decisioni delle pubbliche amministrazioni, ottimizzare il flusso del traffico, migliorare l'accessibilità e promuovere una mobilità urbana sostenibile. Il modello GBMMM della città di Modena (Italia) è presentato come un caso d'uso per la simulazione di scenari di chiusura delle strade e per sperimentare nuove metodologie di routing basate sulle esigenze dei ciclisti e dei pedoni (es. la sicurezza).

Gestione e Analisi dei Dati di Mobilità: Gemelli Digitali per la Mobilità Urbana / Chiara Bachechi , 2024 Apr 11. 36. ciclo, Anno Accademico 2022/2023.

Gestione e Analisi dei Dati di Mobilità: Gemelli Digitali per la Mobilità Urbana

BACHECHI, CHIARA
2024

Abstract

As urbanization and population growth continue to escalate, the challenges of planning, monitoring, and managing urban mobility are becoming increasingly complex. The real-time data captured by IoT (Internet of Things) devices and traffic management systems provides insights into urban mobility patterns. Urban Digital Twins can analyse this data to identify traffic congestion hotspots, optimize route planning, and simulate future scenarios. This thesis describes two different Urban Mobility Digital Twins and their implementation. The Trafair European project is a pioneering initiative aimed at monitoring urban mobility and air quality in six European cities. At the heart of this project lies the development of a sophisticated Traffic and Air Quality (TAQ) Digital Twin (DT), a powerful tool that provides comprehensive insights into traffic patterns, emission levels, and the impact of traffic-related factors on air quality. To capture the city's traffic dynamics, the TAQ DT integrates Internet of Things (IoT) sensors strategically positioned across the urban landscape. These sensors continuously monitor traffic flows, vehicle emissions, and other relevant parameters, providing real-time data that feeds the simulation models. New methodologies for the data cleaning process for traffic sensors and the calibration of the low-cost air quality sensors employed are deeply discussed. The TAQ DT simulates the traffic environment through a daily simulation that incorporates data collected by the sensors over the previous 24 hours and the pollutant concentrations for the next 48 hours are estimated through a dispersion model. User-friendly visualizations available in dedicated dashboards are derived from the data generated by the TAQ DT. This intuitive interface enables decision-makers to identify the most congested areas and observe the impact of the vehicle fleet composition on the air quality condition of the city. The Trafair project and its TAQ DT demonstrate the transformative potential of Digital Twins in addressing the challenges of urban mobility and air quality monitoring. By providing real-time insights, enabling simulation-based analysis, and facilitating informed decision-making, the TAQ DT empowers cities to analyse traffic flow and estimate emissions for a healthier and more sustainable urban environment. The intricate nature of urban mobility networks poses a significant challenge to efficient analysis and decision-making. To address this challenge, we propose a Graph-Based Multi-Modal Mobility (GBMMM) model of the urban mobility network that breaks down the complex network into a series of simpler layers, each representing a specific transportation mode. These layers are interconnected, allowing us to analyse the interactions and influence of different modes on overall mobility patterns. This granular representation significantly improves the manageability and analysis of mobility data. Graph databases offer a compelling solution for modelling and analysing urban mobility networks. Their inherent structure, optimized to represent interconnected entities, aligns perfectly with the topology of mobility networks. By seamlessly integrating graph databases with graph analytics tools and spatial libraries, we can gain a deeper understanding of traffic patterns, congestion hotspots, and the relationship between network topology and mobility behaviour. This information can be used to inform strategic decision making, optimize traffic flow, improve accessibility, and promote sustainable urban mobility. The GBMMM model of the city of Modena (Italy) is presented as a use case for the simulation of road closure scenarios and for the experimentation of new routing methodologies based on cyclist and pedestrian needs (e.g., safety).
Mobility Data Management and Analytics: Digital Twins for Urban Mobility
11-apr-2024
PO, Laura
File in questo prodotto:
File Dimensione Formato  
TesiDefinitvaChiaraBachechi.pdf

embargo fino al 11/04/2027

Descrizione: Tesi definitiva Bachechi Chiara
Tipologia: Tesi di dottorato
Dimensione 42.88 MB
Formato Adobe PDF
42.88 MB Adobe PDF   Visualizza/Apri   Richiedi una copia
Pubblicazioni consigliate

Licenza Creative Commons
I metadati presenti in IRIS UNIMORE sono rilasciati con licenza Creative Commons CC0 1.0 Universal, mentre i file delle pubblicazioni sono rilasciati con licenza Attribuzione 4.0 Internazionale (CC BY 4.0), salvo diversa indicazione.
In caso di violazione di copyright, contattare Supporto Iris

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11380/1340172
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact