The use of big data in urban transport planning is unstoppably gaining momentum and with the help of strategic business partnerships and technological advancements (e.g. transport apps, mobile device location tracking, data processing) the new mobility models are evolving towards an integrated and multimodal urban mobility: Mobility as a Service (MaaS). From the generation of data by Telecom companies to transport end users, a broad range of stakeholders are involved in the data market. This tighter with the call for sustainable alternatives in passenger traffic highlights that business relations are complex, and that businesses in this data market also have long-range transport objectives. This Master Thesis develops a stakeholder analysis of the network of actors related to mobile data and users. It explores the city of Stockholm as case study to identify who are the market players (i.e. companies) and what are their respective roles and business models. Based on sectoral expertise interviews and literature and website review, a three-cluster organization of data suppliers, data facilitators and data end users set the structure to evaluate stakeholder relationships. Data trading opens a debate on which Telecoms not only address raw data processing methods but also reach less accurate mobility outcomes (e.g. trips per person, OD matrices, travel distance, average speed), or, on the other hand, which delegate the added-value service to third parties. The analyzed actor network outstands frictions between the public and private sector and, certainly, when processed data steps on the transport industry (e.g. PT operators, infrastructure managers, private service operators (Uber), passengers). This is an institutional barrier that prevents a full MaaS implementation in the Stockholm region. The challenge resides on revising actor network gaps (i.e. new roles of MaaS Operators or Collecting Agents) and easy flow data transactions to encourage integrated modal choice in transport apps offerings. Despite exiting MaaS initiatives (e.g. UbiGo) in Stockholm and little research in data-based stakeholders, this is a first approximation of a stakeholder map to an immature and innovative research area with great potential in the future. / Införandet av Big Data i stadsplanering har oundvikligen börjat ta fart. Med hjälp av strategiska affärspartnerskap och tekniska framsteg (t.ex. transportappar, spårning av mobila enheter, databehandling) har nya mobilitetsmodeller utvecklats i strävan efter en integrerad och multimodal mobilitet i städerna: Mobilitet som tjänst (MaaS). Från ny datagenerering till att transportera slutanvändare deltar ett brett spektrum av intressenter på en marknad som styrs av tillgång till data. Uppmaningen till hållbara alternativ i passagerartrafik uppmärksammar också komplexa aktörsrelationer som relaterar datahantering till långsiktiga transportmål. Denna uppsats består av en intressentanalys av aktörsnätverket inom mobilitetsdata och undersöker Stockholms stad som en fallstudie för att identifiera vilka som är marknadsaktörer (företag) och respektive roller och affärsmodeller. Baserat på intervjuer av experter inom branschen, litteratur- och webbplatssökning skapas tre kluster av organisationer, för att utvärdera intressentrelationer. Dessa är datalämnare, datatillämpare och slutanvändare. Datahandel öppnar upp en debatt om hur telekomföretag använder nya databehandlingsmetoder men når mindre exakta mobilitetsresultat (t.ex. resor per person, OD-matriser, reseavstånd, genomsnittlig hastighet) eller, å andra sidan, som delegerar mervärdestjänsten till tredje part. Det analyserade aktörsnätverket utestänger friktion mellan den offentliga och privata sektorn, och denna barriär förhindrar en fullständig MaaS-implementering när det gäller bearbetade datasteg inom transportbranschen (t.ex. PT-operatörer, infrastrukturförvaltare, privata serviceoperatörer) i Stockholmsregionen. Utmaningen ligger i att omarbeta luckor mellan aktörsnätverk (MaaS Operator eller Collecting Agent) och förenkla dataflödestransaktioner för att uppmuntra integrerat modalval i transportapps-erbjudanden. Trots existerande MaaS-initiativ (t.ex. UbiGo) och en mindre databaserad intressentforskning är detta en första approximation till ett omoget och innovativt forskningsområde med stor potential inför framtiden. / El uso de big data en la planificación del transporte urbano está ganando un impulso imparable, y de la mano de asociaciones empresariales estratégicas y avances tecnológicos (aplicaciones de transporte, seguimiento de ubicación en dispositivos móviles, procesamiento de datos), los nuevos modelos de movilidad están evolucionando hacia una movilidad urbana integrada y multimodal: Mobility as a Service (MaaS). Desde la generación de datos (empresas de telefonía) hasta un sector transporte como usuario, muchas son las partes interesadas que participan en el mercado de datos. Esto, unido a la llamada de nuevas alternativas sostenibles en el tráfico de pasajeros, hace destacar que las relaciones empresariales son complejas y que los negocios en este mercado de datos también tienen objetivos en un transporte de largo alcance. Esta tesis desarrolla un stakeholder analysis de la red de actores relacionados con los datos móviles y utiliza Estocolmo como caso de estudio para identificar a estos agentes (empresas) y sus respectivos roles y modelos de negocios. Basado ​​en entrevistas a expertos y trabajos de investigación, el análisis organiza los actores en tres grupos proveedores de datos, facilitadores de datos y usuarios finales de datos, siendo esta la estructura base para estudiar sus relaciones. Así mismo, este intercambio de datos abre un debate alrededor de si las empresas de telefonía desarrollan métodos para procesar los datos, aunque los resultados de movilidad sean menos precisos (viajes por persona, matrices OD, distancia de viaje, velocidad promedio) o, por otro lado, si el servicio de dar valor añadido se delega a terceros. Ciertamente, el análisis de la red de actores destaca fricciones entre el sector público y el privado y, en el momento que la industria del transporte ya maneja estos datos procesados (operadores de transporte, gestores de la infraestructura, empresas tipo Uber, etc), esta barrera institucional es la que mayormente impide una implementación total de MaaS en Estocolmo. El desafío está revisar posibles “huecos” en la red de actores (Operador MaaS o un Agente Cobrador) así como un fácil flujo en las transacciones de datos para alentar una elección modal integrada en la oferta de las aplicaciones de transporte. Así, a pesar de la escasa investigación en quienes son los actores que hacen negocio con datos telefónicos, y las de pocas iniciativas (efectivas) en MaaS ( UbiGo) hacen de este proyecto una primera aproximación a un área de investigación que aún es inmadura e innovadora, pero con un gran potencial en el futuro.

Les systèmes d'information mobiles et ambiants liés à la localisation et à la navigation évoluent progressivement vers des environnements à petite échelle. La nouvelle frontière scientifique et technologique concerne les applications qui assistent les utilisateurs dans leurs déplacements et activités au sein d’espaces bâtis dits «indoor» (e.g., aéroports, musées, bâtiments). La recherche présentée par cette thèse développe une représentation de données spatiales d'un environnement «indoor» qui tient compte des dimensions contextuelles centrées sur l'utilisateur et aborde les enjeux de gestion de données mobiles. Un modèle de données «indoor» hiérarchique et sensible au contexte est proposé. Ce modèle intègre différentes dimensions du contexte en plus de la localisation des entités concernées, telles que le temps et les profils des utilisateurs. Ce modèle est basé sur une structure arborescente dans laquelle l'information spatiale est représentée à différents niveaux d'abstraction. Cette conception hiérarchique favorise un traitement adaptatif et efficace des Requêtes Dépendantes de la Localisation (RDL) qui sont considérées comme des éléments clés pour le développement des différentes catégories de services de géolocalisation sensibles au contexte. Un langage de requêtes continues est développé et illustré par des exemples de requêtes RDL. Ce langage exploite le concept des granules spatiales, et permet de représenter les requêtes continues et dépendantes de la localisation en prenant compte des préférences de l'utilisateur au moment de l'exécution.Cette approche de modélisation est complétée par le développement d'une architecture générique pour le traitement continu des requêtes RDL et par la conception et la mise en oeuvre de plusieurs algorithmes qui permettent un traitement efficace des requêtes dépendantes de la localisation sur des objets mobiles en «indoor». Plusieurs algorithmes de traitement continu des requêtes de recherche de chemin hiérarchique et des requêtes de zone appliquées à des objets statiques et/ou en mouvement sont présentés. Ces algorithmes utilisent une approche hiérarchique et incrémentale afin d'exécuter efficacement les requêtes RDL continues. Un prototype encapsulant le modèle de données hiérarchique, les opérateurs et les contraintes introduits dans le langage de requête ainsi que les différents algorithmes et méthodes pour la manipulation de requêtes RDL a été développé comme une extension du SGBD Open Source PostgreSQL. Une étude expérimentale des solutions développées a été menée pour étudier la performance et le passage à l'échelle à l'égard des propriétés intrinsèques des solutions proposées. / The range of applications in ambient information systems progressively evolves from large to small scale environments. This is particularly the case for applications that assist humans in navigation-related activities in indoor spaces (e.g., airports, museums, office buildings). The research presented by this Ph.D. dissertation develops a data and knowledge representation of an indoor environment that takes into account user-centred contextual dimensions and mobile data management issues. We introduce a hierarchical, context-dependent, and feature-based indoor spatial data model. This model takes into account additional contextual dimensions such as time, user profiles, and real-time events. The model is based on a tree structure in which location information is represented at different levels of abstraction. The hierarchical design favours performance and scalability of location-dependent query processing. A query grammar is developed and implemented on top of that model. This query language supports continuous location-dependent queries and takes into account user preferences at execution time. The concept of location granules is introduced at the query execution and presentation levels.This modelling approach is complemented by the development of a generic architecture for continuous query processing. Several algorithms for location dependent query processing over indoor moving objects have been designed and implemented. These algorithms include path searches and range queries applied to both static and moving objects. They are based on an incremental approach in order to execute continuous location-dependent queries.The operators and constraints introduced in the query language and the algorithms for location-dependent query processing have been implemented as a database extension of the open source DBMS PostgreSQL, and where the hierarchical network-based indoor data model has been developed at the logical level. Several experiments have been conducted to evaluate the scalability and performance of the whole framework.

Abstract in English, Afrikaans and Zulu / The aim of this study was to determine the key factors which explain the adoption of mobile data services in South Africa and incorporate them into an explanatory framework that can be used to indicate whether a new mobile data service that is introduced into the South African Mobile Market will be successful. Additionally, it shows that the current usage of mobile data services in South Africa supports the framework. The research used a design based on a mixed methods methodology. The research was conducted using a literature survey and two research phases. The literature survey was an extensive review of communication technology adoption frameworks and all the possible factors of adoption. This literature survey was also used to develop the discussion document which was used as the guidelines for the Phase 1 interviews. The interviews were with experts in the telecommunications market in South Africa and were used to determine the key drivers of adoption and possible moderating factors of mobile data services. From those interviews a preliminary model was proposed. Phase 2 was a market survey which tested the framework and moderating factors in different metropolitan areas as well as examined the current usage of mobile data services. The statistical analysis used in determining the framework incorporated Descriptive Statistics, Factor Analysis, using Principal Axis Factoring, and Structural Equation Modelling. The framework, which was based on the Technology Acceptance Model, introduced two new constructs. The first new construct was the Mobile Service Providers Marketing Tactics and the second was Social Pressure and Aspirational Value. The two constructs combined can be used to explain why mobile service providers with low cost strategies are not successful. Demographic factors such as Age were found to influence the adoption as well as Socio-economic factors such as Income. Personal factors such as Technical Knowledge, Ability and Skills and Attitude towards Technology were also found to influence adoption. Geographical location was found to be the most important moderating factor. The current mobile data usage supported the framework. The results of data usage highlighted the fact that nearly 50% of the study’s participants spent over 4 hours per day interacting with their mobile devices and that the participants from Gauteng spent more than 2½ times on mobile services than those in the other metropolitan municipalities of Cape Town and eThekwini / Die doel van hierdie studie was om die sleutelfaktore te bepaal wat die aanneming van selfoondatadienste in Suid-Afrika verklaar, en hulle te verenig in ʼn raamwerk waarmee aangetoon kan word of ʼn nuwe selfoondatadiens die Suid-Afrikaanse selfoondatamark suksesvol sal betree. Afgesien hiervan dui hierdie studie aan dat die huidige gebruik van selfoondatadienste in Suid-Afrika die geldigheid van die voorgestelde raamwerk bevestig. ʼn Mengsel van metodes is in die navorsing toegepas. Die navorsing het uit ʼn literatuuroorsig en twee navorsingsfases bestaan. Die literatuuroorsig het ʼn deurtastende oorsig van die raamwerke vir die aanneming van kommunikasietegnologie en alle moontlike faktore daarvoor behels. Uit die literatuuroorsig is die besprekingsdokument saamgestel wat as riglyn gedien het vir die onderhoude in fase 1 van die navorsing. Onderhoude is met kundiges uit die Suid-Afrikaanse telekommunikasiebedryf gevoer om die belangrikste dryfvere vir aanneming en moontlike remfaktore ten opsigte van selfoondatadienste te bepaal. ʼn Voorlopige model is op grond van die onderhoude aangebied. Fase 2 het ʼn markopname behels waarin die raamwerk en remfaktore in verskeie metropolitaanse gebiede getoets en die huidige gebruik van selfoondatadienste ondersoek is. Die statistiese analise waarop die raamwerk berus, het bestaan uit beskrywende statistiek, faktorontleding met behulp van hoofasfaktorering, en struktuurvergelykingsmodellering. Twee nuwe konstrukte het uit die raamwerk wat op die tegnologieaanvaardingsmodel gegrond was, gespruit. Die eerste was selfoondiensverskaffers se bemarkingstrategieë en die tweede sosiale druk en aspirerende waarde. Saam verklaar die twee konstrukte waarom selfoondiensverskaffers wat laekostestrategieë volg, misluk. Daar is bevind dat demografiese faktore soos ouderdom, en sosiaal-ekonomiese faktore soos inkomste, aanneming beïnvloed. Volgens die bevindings word aanneming eweneens bepaal deur persoonlike faktore soos tegniese kennis, vermoë en vaardighede asook houding jeens tegnologie. Daar is bevind dat geografiese ligging die belangrikste remfaktor is. Die huidige selfoondatagebruik bevestig die geldigheid van die raamwerk. Die uitslag van datagebruik benadruk die feit dat byna 50% van die deelnemers aan die studie langer as vier uur per dag met hulle selfone doenig is, en dat deelnemers in Gauteng twee en half keer meer as deelnemers in die metropolitaanse munisipaliteite van Kaapstad en eThekwini aan selfoondienste bestee. / Inhloso yalolu cwaningo bekuwukuthola izinto ezibalulekile ezichaza ukwamukelwa kwezinsiza zamadatha amaselula eNingizimu Afrika nokuzifaka ohlakeni oluchazayo olungasetshenziswa ukukhombisa ukuthi ngabe insiza entsha yedatha ethulwe emakethe yamaselula eNingizimu Afrika izophumelela. Ngaphezu kwalokho, kukhombisa ukuthi ukusetshenziswa kwamanje kwezinsiza zedatha yamaselula eNingizimu Afrika kuyalusekela uhlaka. Ucwaningo lusebenzise umklamu osuselwe ezindleleni zokwenza ezixubile. Ucwaningo lwenziwe kusetshenziswa ucwaningo lwezincwadi kanye nezigaba ezimbili zocwaningo. Ucwaningo lwezincwadi belungukubuyekezwa okubanzi kokwamukela kwenzinhlaka zobuchwepheshe kwezokuxhumana kanye nazo zonke izici ezingenzeka ukuthi zamukelwe. Lolu cwaningo lwezincwadi lusetshenzisiwe futhi ukuthuthukisa umqulu wezingxoxo osetshenziswe njengezinkombandlela zokuxoxisana nabantu besigaba 1. Izingxoxo ebezinazo bezingochwepheshe emakethe yezokuxhumana eNingizimu Afrika futhi zasetshenziselwa ukuthola izidingongqangi zokwamukelwa kanye nezici zokulingisanisa kwezinsiza zamadatha amaselula. Kulezo zingxoxo, kuphakanyiswe isifaniselo sokuqala. Isigaba 2 bekungukucwaningo lwezimakethe oluhlola uhlaka kanye nezici zokulinganisa ezindaweni ezahlukahlukene zedolobha kanye nokuhlola ukusetshenziswa kwamanje kwezinsiza zedatha yamaselula. Ukuhlaziywa kwezibalo okusetshenzisiwe ekunqumeni uhlaka lufake izibalo ezichazayo, ukuhlaziya izakhi, kusetshenziswa izisekelo eziyinhloko zokuphamba, kanye nesifaniselo sokulinganisa esihlelekile. Uhlaka, olwalususelwa kusifaniselo sokwamukela ubuchwepheshe, lwethule izakhiwo ezimbili ezintsha. Isakhiwo esisha sokuqala kwakungamacebo wokukhangisa wabahlinzeki bezinsiza zamaselula futhi owesibili kwakuyingcindezi yomphakathi nenani lesifiso. Lezi zakhiwo zombili ezihlanganisiwe zingasetshenziswa ukuchaza ukuthi kungani abahlinzeki bezinsizakalo zamaselula abanamasu ezindleko eziphansi bengaphumeleli. Izici ezithinta abantu ezinjengobudala zitholakele ukuthonya ukwamukelwa kanye nezici zezomnotho nezenhlalo ezifana nomholo. Izici ezithinta umuntu ngqo ezifana nolwazi lwezobuchwepheshe, ukwazi ukwenza kanye namakhono, nesimo sengqondo maqondana nezobuchwepheshe zatholakala zithonya ukwamukelwa. Indawo yendawo yatholakala njengesici sokulinganisa esibaluleke kakhulu. Ukusetshenziswa kwedatha yeselula yamanje kusekele uhlaka. Imiphumela yokusetshenziswa kwedatha igcizelele iqiniso lokuthi bacishe babe ngama-50% ababambe iqhaza kulolu cwaningo bachithe isikhathi esingaphezu kwamahora amane ngosuku bexhumana nemishini yabo yamaselula nokuthi ababambiqhaza abavela eGauteng bachithe izikhathi ezingaphezu kwezingu-2½ kuzinsiza zamaselula kunalabo bakwamanye amadolobha amakhulu aseKapa naseThekwini. / Business Management / D.B.L.

La collecte participative des données mobiles est un nouveau paradigme dédié aux applications de détection urbaines utilisant une foule de participants munis de téléphones intelligents. Pour mener à bien les tâches de collecte participative des données mobiles, diverses préoccupations relatives aux participants et aux organisateurs doivent être soigneusement prises en considération. Pour les participants, la principale préoccupation porte sur la consommation d'énergie, le coût des données mobiles, etc. Pour les organisateurs, la qualité des données et le budget sont les deux préoccupations essentielles. Dans cette thèse, deux mécanismes de collecte participative des données mobiles sont proposés : le téléchargement montant collaboratif des données et la collecte clairsemée des données mobiles. Pour le téléchargement montant collaboratif des données, deux procédés sont proposés 1) « effSense », qui fournit la meilleure solution permettant d’économiser la consommation d'énergie aux participants ayant un débit suffisant, et de réduire le coût des communications mobiles aux participants ayant un débit limité; 2) « ecoSense », qui permet de réduire le remboursement incitatif par les organisateurs des frais associés au coût des données mobiles des participants. Dans la collecte clairsemée des données mobiles, les corrélations spatiales et temporelles entre les données détectées sont exploitées pour réduire de manière significative le nombre de tâches allouées et, par conséquent, le budget associé aux organisateurs, tout en assurant la qualité des données. De plus, l’intimité différentielle est afin de répondre au besoin de préservation de la localisation des participants / Mobile crowdsensing is a novel paradigm for urban sensing applications using a crowd of participants' sensor-equipped smartphones. To successfully complete mobile crowdsensing tasks, various concerns of participants and organizers need to be carefully considered. For participants, primary concerns include energy consumption, mobile data cost, privacy, etc. For organizers, data quality and budget are two critical concerns. In this dissertation, to address both participants' and organizers' concerns, two mobile crowdsensing mechanisms are proposed - collaborative data uploading and sparse mobile crowdsensing. In collaborative data uploading, participants help each other through opportunistic encounters and data relays in the data uploading process of crowdsensing, in order to save energy consumption, mobile data cost, etc. Specifically, two collaborative data uploading procedures are proposed (1) effSense, which helps participants with enough data plan to save energy consumption, and participants with little data plan to save mobile data cost; (2) ecoSense, which reduces organizers' incentive refund that is paid for covering participants' mobile data cost. In sparse mobile crowdsensing, spatial and temporal correlations among sensed data are leveraged to significantly reduce the number of allocated tasks thus organizers' budget, still ensuring data quality. Specifically, a sparse crowdsensing task allocation framework, CCS-TA, is implemented with compressive sensing, active learning, and Bayesian inference techniques. Furthermore, differential privacy is introduced into sparse mobile crowdsensing to address participants' location privacy concerns