Оценка применимости Wi-Fi-аналитики в исследованиях пассажиропотоков городского общественного транспорта на примере Москвы

Описаны преимущества и недостатки существующих инструментов подсчёта пассажиропотоков на примере Москвы.
Целью исследования являлась оценка возможности использования Wi-Fi-данных в качестве инструмента для анализа пассажиропотоков. Авторы использовали два вида Wi-Fiсканеров для сбора данных и задействовали разработанный ими инструмент для их анализа. Приведены первичные результаты исследования, демонстрирующие возможность реального использования Wi-Fi-данных в области анализа пассажиропотоков.
Описанные эмпирические исследования, в частности данные, полученные от переносного Wi-Fi-сканера, показали, что более 20 % мобильных устройств в городском общественном транспорте и метрополитене используются с включенным Wi-Fi, что недостаточно для получения необходимых для всестороннего и детального анализа пассажиропотоков результатов. Вместе с тем за счёт накопления данных сохраняется возможность прогнозирования общего пассажиропотока.
Переносной Wi-Fi-сканер не даёт возможности обширно захватить большую область исследуемой территории в режиме реального времени (остановки городского общественного транспорта, места входа пассажиров в метрополитен и т.д.). Стационарные Wi-Fi-сканеры могли бы увеличить объём данных и, соответственно, существенно скорректировать полученные результаты. Этому также может служить расширение применения данного инструмента изучения пассажиропотока на городские железнодорожные линии, в случае Москвы, на МЦК и МЦД, на станциях и в вагонах которых также присутствуют Wi-Fi-сети.
Данные от Wi-Fi-сканеров могут быть дополнительным инструментом к другим источникам данных, таким как валидация, АСМПП и данные сотовых операторов. Дальнейшие исследования в области Wi-Fi-аналитики в совокупности с развитием технологий в области уже существующих источников данных по подсчёту пассажиропотока могут привести к более качественным результатам для расчёта пассажиропотоков.

1. Abedi, N., Bhaskar, A., Chung, E., Miska, M. Assessment of Antenna Characteristic Effects on Pedestrian and Cyclists Travel-Time Estimation based on Bluetooth and Wi-Fi-MAC Addresses. Transportation Research Part C: Emerging Technologies, 2015, Iss. 60, pp. 124–141. DOI: https://doi.org/10.1016/j.trc.2015.08.010.

2. Kurkcu, A., Ozbay, K. Estimating Pedestrian Densities, Wait Times, and Flows with Wi-Fi-and Bluetooth Sensors. Transportation Research Record Journal of the Transportation Research Board, 2017, Vol. 2644. DOI: 10.3141/2644-09.

3. Li, Z., Lam, W. H. K., Wepulanon, P., Qin, Z. Estimating Pedestrian Walking Time on Campus Based on Wi-Fi-Detection Data. Proceedings of the 22nd International Conference of Hong Kong Society for Transportation Studies, Hong Kong, 9–11 December 2017, pp. 233−240. ISBN (Electronic) 9789881581464.

4. Wepulanon, P., Lam, W. H. K., Sumalee, A. Pedestrian Facility Usage Monitoring Using Multiple Sources of Data. Proceedings of the 22nd International Conference of Hong Kong Society for Transportation Studies, Hong Kong, 9–11 December 2017, pp. 117–124. ISBN (Electronic) 9789881581464.

5. Fukuzaki, Y., Mochizuki, M., Nishio, N., Murao, K. A Pedestrian Flow Analysis System using Wi-Fi-Packet Sensors to a Real Environment. Conference: The Second workshop for Human Activity Sensing Corpus and its Application, Seattle, USA, 13–17 September 2014, pp. 721−730. DOI: 10.1145/2638728.2641312.

6. Petre, A. C., Chilipirea, C., Baratchi, M., Dobre, C., Steen, van M. Wi-Fi-tracking of pedestrian behavior. Smart Sensors Networks Communication Technologies and Intelligent Applications Intelligent Data-Centric Systems 2017, pp.309−337. DOI:10.1016/B978-0-12-809859-2.00018-8.

7. Abedi, N., Bhaskar, A., Chung, E. Tracking spatiotemporal movement of human in terms of space utilization using Media-Access-Control address data. Applied Geography, 2014, Vol. 51, pp. 72−81. DOI: 10.1016/j.apgeog.2014.04.001.

8. Lesani, A., Miranda-Moreno, L. F. Development and Testing of a Real-Time Wi-Fi-Bluetooth System for Pedestrian Network Monitoring and Data Extrapolation. Proceedings of the 95nd Annual Meeting of the Transportation Research Board, Washington, 21 January 2016. IEEE Transactions on Intelligent Transportation Systems, 2018, pp. 1−13. DOI: 10.1109/TITS.2018.2854895.

9. Nishide, R., Takada, H. Detecting Pedestrian Flows on a Mobile Ad Hoc Network and Issues with Trends and Feasible Applications. International Journal on Advances in Networks and Services, 2013, Vol. 6, Iss. 1-2, pp. 108−117.

10. Dunlap, M., Li, Z., Henrickson, K., Wang, Y. Estimation of Origin and Destination Information from Bluetooth and Wi-Fi-Sensing for Transit. Transportation Research Record: Journal of the Transportation Research Board, 2016, Vol. 2595, pp. 11–17. DOI: 10.3141/2595-02.

11. Mishalani, R. G., McCord, M. R., Reinhold, T. Use of Mobile Device Wireless Signals to Determine Transit Route-Level Passenger Origin-Destination Flows: Methodology and Empirical Evaluation. Transportation Research Record: Journal of the Transportation Research Board, 2016, Vol. 2544, pp. 123–130. DOI: 10.3141/2544-14.

12. Hidayat, A., Terabe, S., Yaginuma, H. WiFi Scanner Technologies for Obtaining Travel Data about Circulator Bus Passengers: Case Study in Obuse, Nagano Prefecture, Japan. Transportation Research Record: Journal of the Transportation Research Board, 2018, Vol. 2672, pp. 036119811877615. DOI: 10.1177/0361198118776153.

13. Ji, Yuxiong; Zhao, Jizhou; Zhang, Zhiming; Du, Yuchuan. Estimating Bus Loads and OD Flows Using Location-Stamped Farebox and Wi-Fi Signal Data. Journal of Advanced Transportation, 2017, pp. 1–10. DOI: 10.1155/2017/6374858.

14. Oransirikul, T., Nishide, R., Piumarta, I., Takada, H. Measuring Bus Passenger Load by Monitoring Wi-Fi-Transmissions From Mobile Devices. Procedia Technology, 2014, Vol. 18, pp. 120–125. DOI: 10.1016/j.protcy.2014.11.023.

15. Alekseev, N., Lam, W. H. K. Estimation of Pedestrian Flow Based on Wi-Fi Data and Video Cameras. Journal of the Eastern Asia Society for Transportation Studies, 2019, Vol. 13, pp. 93−101. DOI: https://doi.org/10.11175/easts.13.93.

16. Global mobile phone internet user penetration 2019. Statistic. [Электронный ресурс]: https://www.statista.com/statistics/284202/mobile-phone-internet-user-penetrationworldwide/. Доступ 22.03.2021.

17. Solanki, M. J., Umrigar, F. S., Zala, L. B., Amin, A. Application of Moving Car Observer Method for Measuring Travel Time, Delay & Vehicle Flow under Heterogeneous Traffic Condition of C.B.D. Area: Case Study of Surat-Rajmarg (Chowk to Delhi Gate). International Journal of Current Engineering and Technology, 2016, pp. 799−803. [Электронный ресурс]: http://www.metro.tokyo.jp/ENGLISH/ABOUT/HISTORY. Доступ 22.03.2021.