TrafficCongestion.md

Dataset congestión

El Dataset de congestión contiene información sobre el estado congestionado o no congestionado de una vía. Qué se considera congestión puede variar en función del proyecto:

• En algunos proyectos, el integrador / proveedor de los datos ya etiqueta la medida como congestionada o no congestionada. Es lo que ocurre en el escenario práctico en el que se basa este proyecto.
• En otros casos, puede ser necesario derivar el valor de otros indicadores primarios, como la velocidad de paso de los vehículos, o la relación entre la intensidad de tráfico instantánea y la intensidad de tráfico media en el tramo.

La información que debe contener el dataset es:

• entityid: ID de vía.
• TimeInstant: Fecha y hora de la medida. Se esperan medidas frecuentes y regulares (por ejemplo, cada 10 minutos).
• congestion: Valor binario, 0 / 1, que indica si el tramo ha sufrido congestión en el intervalo, o no. Se pueden omitir las medidas en las que congestion == 0; se entiende que si en un intervalo no hay medida, se puede considerar que no hay congestión.

Adicionalmente es necesario un dataset adicional, estático, con información invariante sobre la vía en cuestión:

• entityid: ID de vía.
• name: Nombre descriptivo.
• location: Ubicación de la vía (punto geográfico).
• zone: Zona a la que se asocia la ubicación anterior.
• line: Trazado de la vía (geometría tipo LineString)

Se considera que cada vía se puede asociar principalmente a una de las zonas en las que se divida la ciudad. No tendría sentido tener una sola medida de congestión para un tramo tan largo que concurra por varias zonas (en caso de existir semejantes tramos, la congestión debería medirse en diferentes puntos a lo largo del mismo, asignando a cada uno un entityid distinto).

Regularización

La regularización de este dataset consiste en aplicar los siguientes cambios:

• TimeInstant: se trunca la hora de medida al intervalo de 10 minutos inmediatamente anterior.
• congestion: se asigna como valor de congestión el valor máximo de todos los valores de congestión de las filas cuyos valores de TimeInstant y entityId coincidan. Esto es así porque se considera que hay congestión en un intervalo si la hay en cualquier momento dentro de ese intervalo.

Identidad

La métrica identidad (caracterización estadística) derivada de este dataset se almacena en las entidades TrafficCongestion, generándola a partir del dataset anterior con la siguiente lógica:

• Derivamos dimensiones:

  • daytype: ... (L-J, Viernes, Sábado, Domingo)
  • trend: ... (estacionalidad)
  • hour (extraído de TimeInstant)
  • minute (extraído de TimeInstant)

• Agregamos los datos por ID de entidad y conjunto de dimensiones:

  • congestion:
    • media matemática del valor de congestion. Nos da la probabilidad (en tanto por uno) de que la vía denotada por entityid sufra congestión en el intervalo de 10 minutos indicado por TimeInstant (hour y minute)

• Actualizamos los atributos de la entidad RouteIntensity dada por el entityId:

  • daytype
  • trend
  • TimeInstant