The use of Bluetooth and smartphone GPS data to investigate factors associated to variations of travel times and delays

Similar to other market segments, transportation technologies continue to emerge, advance and blossom affording researchers and practitioners the ability to challenge established principles and discover new horizons. This thesis aims to investigate the use of Bluetooth and smartphone Global Positioning System (GPS) data to compute travel times (or delays) and analyze the influence of some factors such as weather and the built environment. This work demonstrates the practical applicability of the new sources of data against more traditional technologies and methods.First, Bluetooth data collected along a major arterial during the winter period was used to assess the impact of weather variables on travel speeds. This research is based on data from 2013-2015 collected from permanent sensors installed along one of the main urban arterials in Montreal, Canada. The effects were modeled at an hourly level using a mixed regression model considering the temporal variation of speed throughout a day. The results confirmed the major importance of snow as a hindrance to travel with a speed drop greater than 1.5 kilometers per hour (km/h) for an average snowfall. As predicated in the literature, the effect of rain had the next highest negative impact with a decrease in speed of 0.46-0.67 km/h for an average hourly rainfall. The impacts of temperature and visibility had positive benefits to speed while increasing wind speeds expectedly reduced speeds although; the magnitudes of their effects were small. Overall, the effects of the weather variables were slightly smaller than what has been reported in the literature which has typically been focused on highway environments.Second, an investigation was launched into whether Bluetooth / WiFi duration times at intersections could be used to estimate vehicle delay using GPS and manually processed video data. All data were collected over four days in May and June 2016. Average delay times from the video and sensor data were then computed for 15, 30 and 60 minute intervals. First-order regression models from the GPS data revealed fairly high fit scores of 68 – 96 % indicating that the sensor duration times do match actual driver delay. Similarly, regression models between the video and duration data resulted in fairly high fit scores of 70 % at the 15 minute level indicating that the sensors can competently monitor the temporal variation of delay. These results are promising given the low costs and ease of installation of these technologies, but need further validation to illustrate their practical potential to estimate intersection delay. Lastly, driver GPS data collected from a smartphone application activated from a large sample of drivers in Quebec City was used to compare the driving costs of travelling between different neighborhood typologies. The driving costs were defined as travel time, fuel consumption and greenhouse gas emissions. The four neighborhood typologies defined were developed using four built environment attributes: Population density, employment density, land-use mix, and transit accessibility. An analysis of the monetary travel costs revealed that trips originating from the rural / suburban region had trip costs 24-30% higher than other regions.Comme d'autres segments du marché, les technologies de transport continuent à émerger, avancer et prospérer offrant aux chercheurs et aux praticiens la possibilité de contester les principes établis et de découvrir de nouveaux horizons. Cette thèse vise à étudier l'utilisation des données Bluetooth et GPS téléphones intelligents (Smartphone) pour calculer les temps de déplacement (ou de retards) et analyser l'influence de certains facteurs tels que la météo et l'environnement bâti. Ce travail démontre l'applicabilité pratique des nouvelles sources de données contre les technologies et méthodes plus traditionnelles. Premièrement, les données Bluetooth recueillies le long d'une artère majeure au cours de la période hivernale ont été utilisées pour évaluer l'impact des variables météorologiques sur les vitesses de déplacement. Cette recherche est basée sur les données de 2013-2015 provenant de capteurs permanents installés le long de l'une des principales artères urbaines à Montréal (Canada). Les effets ont été modelés sur un niveau horaire en utilisant un modèle de régression mixte compte tenu de la variation temporelle de la vitesse tout au long d'une journée. Les résultats ont confirmé l'importance majeure de la neige comme un obstacle à rouler, avec une chute de vitesse supérieure à 1.5 km/h pour une chute de neige moyenne. Comme le confirme la littérature, l'effet de la pluie a eu la prochaine plus haute incidence négative avec une diminution de la vitesse de 0,46-0,67 km/h pour une pluviométrie moyenne horaire. Les effets de la température et de la visibilité ont eu des avantages positifs sur la vitesse routière, tandis que l'augmentation des vitesses du vent a réduit la vitesse routière, même si l'ampleur de leurs effets était petite. Dans l'ensemble, l'effet des variables météorologiques a été légèrement inférieur à ce qui a été rapporté dans la littérature qui a généralement été axée sur les autoroutes. Deuxièmement, une enquête a été lancée pour déterminer si les temps de durée Bluetooth/Wifi aux intersections pouvaient être utilisés pour estimer les retards de véhicule à l'aide des données de GPS et des données vidéo traitées manuellement. Toutes les données ont été recueillies sur une période de quatre jours, en mai et juin 2016. Le délai moyen des données de la vidéo et du capteur ont ensuite été calculés pour des intervalles de 15, 30 et 60 minutes. Des modèles de régression de premier ordre à partir des données GPS révèlent des scores d'ajustement assez élevé de 68 à 96 % indiquant que les durées de capteur correspondent à la durée réelle du circuit de retard. De même, les modèles de régression entre les données de vidéo et de durée ont donné lieu à des scores d'ajustement assez élevé de 70 % au niveau des 15 minutes indiquant que les capteurs peuvent surveiller de manière compétente la variation temporelle de retard. Ces résultats sont prometteurs, étant donné les faibles coûts et la facilité d'installation de ces technologies, mais une validation supplémentaire est nécessaire, en vue d'illustrer le potentiel pratique pour estimer le retard d'intersection.Enfin, des données GPS recueillies à partir d'une application de téléphone intelligent activée à partir d'un grand échantillon de conducteurs dans la ville de Québec ont été utilisées pour comparer les coûts de rouler entre les différentes typologies de quartier. Les coûts de conduite ont été définis selon le temps de déplacement, la consommation de carburant et les émissions de gaz à effet de serre. Les quatre typologies de quartiers définis ont été développées à l'aide de quatre attributs d'environnement bâti : la densité de la population, la densité de l'emploi, l'utilisation des terres mixtes, et l'accessibilité du transport en commun . Une analyse des coûts de voyage a révélé que les voyages en provenance des régions rurales ou des banlieues ont des coûts de voyage de 24 à 30 % plus élevés que les autres régions