Participatory Sensing (PS) is a common mode of data collection where valuable data is gathered from many contributors, each providing data from the user’s or the device’s surroundings via a mobile device, such as a smartphone. This has the advantage of cost-efficiency and wide-scale data collection. One of the application areas for PS is the collection of traffic data. The cost of collecting roving sensor data, such as vehicle probe data, is significantly lower than that of traditional stationary sensors such as radar and inductive loops. The collected data could pave the way for providing accurate and high-resolution traffic information that is important to transportation planning. The problem with PS is that it is open, and anyone can register and participate in a sensing task. A malicious user is likely to submit false data without performing the sensing task for personal advantage or, even worse, to attack on a large scale with clear intentions. For example, in real-time traffic monitoring, attackers may report false alerts of traffic jams to divert traffic on the road ahead or directly interfere with the system’s observation and judgment of road conditions, triggering large-scale traffic guidance errors. An efficient method of assessing the trustworthiness of data is therefore required. The trustworthiness problem can be approximated as the problem of anomaly detection in time-series data. Traditional predictive model-based anomaly detection models include univariate models for univariate time series such as Auto Regressive Integrated Moving Average (ARIMA), hypothesis testing, and wavelet analysis, and recurrent neural networks (RNNs) for multiple time series such as Gated Recurrent Unit (GRU) and Long short-term memory (LSTM). When talking about traffic scenarios, some prediction models that consider both spatial and temporal dependencies are likely to perform better than those that only consider temporal dependencies, such as Diffusion Convolutional Recurrent Neural Network (DCRNN) and Spatial-Temporal Attention Wavenet (STAWnet). In this project, we built a detailed traffic condition participatory sensing scenario as well as an adversary model. The attacker’s intent is refined into four attack scenarios, namely faking congestion, prolonging congestion, and masking congestion from the beginning or midway through. On the basis, we established a mechanism for assessing the trustworthiness of the data using three traffic prediction models. One model is the time-dependent deep neural network prediction model DCRNN, and the other two are a simplified version of the model DCRNN-NoCov, which ignores spatial dependencies, and ARIMA. The ultimate goal of this evaluation mechanism is to give a list of attackers and to perform data filtering. We use the success rate of distinguishing users as benign or attackers as a metric to evaluate the system’s performance. In all four attack scenarios mentioned above, the system achieves a success rate of more than 80%, obtaining satisfactory results. We also discuss the more desirable attack strategies from the attacker’s point of view. / Participatory Sensing (PS) är ett vanligt sätt att samla in data där värdefulla data samlas in från många bidragsgivare, som alla tillhandahåller data från användarens eller enhetens omgivning via en mobil enhet, t.ex. en smartphone. Detta har fördelen av kostnadseffektivitet och omfattande datainsamling. Ett av tillämpningsområdena för PS är insamling av trafikdata. Kostnaden för att samla in data från mobila sensorer, t.ex. data från fordonssonderingar, är betydligt lägre än kostnaden för traditionella stationära sensorer, t.ex. radar och induktiva slingor. De insamlade uppgifterna skulle kunna bana väg för att tillhandahålla exakt och högupplöst trafikinformation som är viktig för transportplaneringen. Problemet med deltagande avkänning är att den är öppen och att vem som helst kan registrera sig och delta i en avkänningsuppgift. En illasinnad användare kommer sannolikt att lämna in falska uppgifter utan att utföra avkänningsuppgiften för personlig vinning eller, ännu värre, för att angripa en stor skala med tydliga avsikter. Vid trafikövervakning i realtid kan t.ex. angripare rapportera falska varningar om trafikstockningar för att avleda trafiken på vägen framåt eller direkt störa systemets observation och bedömning av vägförhållanden, vilket kan utlösa storskaliga fel i trafikstyrningen. Det finns därför ett akut behov av en effektiv metod för att bedöma uppgifternas tillförlitlighet. Problemet med trovärdighet kan approximeras som problemet med upptäckt av anomalier i tidsserier. Traditionella modeller för anomalidetektion som bygger på prediktiva modeller omfattar univariata modeller för univariata tidsserier, t.ex. ARIMA (Autoregressive Integrated Moving Average), hypotesprövning och waveletanalys, och återkommande neurala nätverk (RNN) för flera tidsserier, t.ex. GRU (Gated Recurrent Unit) och LSTM (Long short-term memory). När man talar om trafikscenarier kommer vissa prognosmodeller som tar hänsyn till både rumsliga och tidsmässiga beroenden sannolikt att prestera bättre än de som endast tar hänsyn till tidsmässiga beroenden, till exempel Diffusion Convolutional Recurrent Neural Network (DCRNN) och Spatial-Temporal Attention Wavenet (STAWnet). I det här projektet byggde vi upp ett detaljerat scenario för deltagande av trafikförhållanden och en motståndarmodell. Angriparens avsikt är raffinerad i fyra angreppsscenarier, nämligen att fejka trafikstockning, förlänga trafikstockning och maskera trafikstockning från början eller halvvägs in i processen. På grundval av detta har vi inrättat en mekanism för att bedöma uppgifternas tillförlitlighet med hjälp av tre typiska trafikprognosmodeller. Den ena modellen är den tidsberoende djupa neurala nätverksförutsägelsemodellen DCRNN, och de andra två är en förenklad version av modellen DCRNN-NoCov, som ignorerar rumsliga beroenden, och ARIMA. Det slutliga målet med denna utvärderingsmekanism är att ge en lista över angripare och att utföra datafiltrering. Vi använder framgångsfrekvensen när det gäller att särskilja användare som godartade eller angripare som ett mått för att utvärdera systemets prestanda. I alla fyra olika attackscenarier som nämns ovan uppnår systemet en framgångsfrekvens på mer än 80%, vilket ger tillfredsställande resultat. Vi diskuterar också de mer önskvärda angreppsstrategierna ur angriparens synvinkel.

Η μεγάλη διαθεσιμότητα ευρυζωνικής πρόσβασης και η πληθώρα νέων διαδικτυακών υπηρεσιών οδήγησε στην ενσωμάτωση του διαδικτύου στην καθημερινότητά μας. Οι χρήστες του διαδικτύου μέσα στο 2011 έφτασαν το 1.5 δισεκατομμύριο με έντονα αυξητικές τάσεις, ιδιαιτέρως σε χώρες της Ασίας. Αυτή η αύξηση έχει γίνει εφικτή χάρη στο τεράστιο εύρος ζώνης και την υψηλή αξιοπιστία των οπτικών τηλεπικοινωνιακών δικτύων κορμού σε συνδυασμό με το όλο και μειούμενο κόστος ανά bit της μεταδιδόμενης πληροφορίας. Πρόσφατες μελέτες έχουν καταδείξει ότι η πλειοψηφία του μεταδιδόμενου όγκου δεδομένων στο διαδίκτυο (>50%) μεταδίδεται μέσω του πρωτοκόλλου HTTP, με ισχυρές ενδείξεις ότι το ενδιαφέρον των χρηστών απομακρύνεται από τις P2P εφαρμογές σε υπηρεσίες video/audio streaming και κοινωνικής δικτύωσης. Όμως, ενώ σταδιακά εμφανίζεται η ανάγκη για επόμενης γενιάς υπηρεσιών δικτύου, (e- science, τηλεργασία, HD-IPTV, VOD) με ιδιαίτερες απαιτήσεις σε εύρος ζώνης, ποιότητα υπηρεσίας και καθυστέρηση τα τηλεπικοινωνιακά δίκτυα στις μέρες μας είναι προσανατολισμένα στο να παρέχουν χαμηλού κόστους «best effort» υπηρεσίες χωρίς κανενός είδους εγγυήσεις. Η έλευση καινοτομικών διαδικτυακών υπηρεσιών έχει σαν αποτέλεσμα σταδιακά η χωρητικότητα των (ηλεκτρονικών) συσκευών μεταγωγής να γίνεται το σημείο συμφόρησης, αφού η μετατροπή των πακέτων στο ηλεκτρονικό πεδίο και η ένα-προς-ένα επεξεργασία των επικεφαλίδων τους δεν είναι κλιμακώσιμη σε ρυθμούς διαμεταγωγής της τάξης των Tbps. Η αρχιτεκτονική μεταγωγής οπτικής ριπής (OBS) μπορεί να δώσει λύση σε αυτό το πρόβλημα, χάρη στα σημαντικά της πλεονεκτήματα. Στην αρχιτεκτονική OBS, τα πακέτα δεδομένων συναθροίζονται σε ριπές (bursts) οι οποίες μεταδίδονται χωρίς προ-εγκατάσταση κυκλώματος, και μετάγονται με διαφανή-οπτικό τρόπο από την πηγή στον προορισμό. Επίσης η αρχιτεκτονική OBS είναι η μόνη (πρακτικά εφαρμόσιμη) αμιγώς οπτική τεχνολογία μεταγωγής με sub-lambda ικανότητες δέσμευσης πόρων. Η επίλυση ενός αριθμού ανοιχτών προβλημάτων που αντιμετωπίζει η αρχιτεκτονική OBS θα επιτρέψει την εμπορική αξιοποίησή της στα δίκτυα κορμού των τηλεπικοινωνιακών παρόχων. Στόχος μας στα πλαίσια αυτής της διδακτορικής έρευνας είναι η πρόταση καινοτομικών πρωτοκόλλων και αρχιτεκτονικών που δίνουν λύσεις σε ανοιχτά προβλήματα της τεχνολογίας OBS. Στην παρούσα διδακτορική διατριβή αρχικά στρέφουμε την προσοχή μας στην αποδοτική μετάδοση TCP κίνησης πάνω από OBS δίκτυα. Πρόκειται για ένα δύσκολο πρόβλημα που έχει μελετηθεί εκτενώς στη βιβλιογραφία, λόγω της ευαισθησίας του TCP πρωτόκολλου στις απώλειες πακέτων, οι οποίες συμβαίνουν στα OBS δίκτυα λόγω ανταγωνισμού ριπών ακόμα και σε συνθήκες χαμηλού φορτίου. Στη βιβλιογραφία έχουν προταθεί πληθώρα λύσεων για την αντιμετώπιση του προβλήματος, τόσο στο OBS domain (π.χ. με τη χρήση κατάλληλων πρωτόκολλων χρονοπρογραμματισμού) όσο και στο TCP domain (βελτίωση του TCP πρωτοκόλλου). Στα πλαίσια της παρούσας διδακτορικής διατριβής πραγματοποιήθηκε μια σειρά εκτενών προσομοιώσεων σε ρεαλιστικές συνθήκες με χιλιάδες ενεργές TCP πηγές, που εστιάζουν στην κατανομή TCP πακέτων και συνόδων στις μεταδιδόμενες ριπές καθώς και στη συμπεριφορά του παράθυρου συμφόρησης. Το συμπέρασμά μας ήταν ότι οι αλγόριθμοι συναρμολόγησης με μοναδικό κατώφλι εμφανίζουν βέλτιστη απόδοση μόνο για συγκεκριμένες TCP πηγές με κοινά χαρακτηριστικά, προτείνοντας τους αλγόριθμους συναρμολόγησης πολλαπλών κλάσεων σαν πιθανή λύση. Οι τελευταίοι δείξαμε ότι μπορούν να οδηγήσουν σε βελτίωση του TCP throughput, όταν κάθε κατηγορία TCP πηγής ανατίθεται σε διαφορετική κλάση συναρμολόγησης με διαφορετικό assembly timer. Ένα ακόμα πρόβλημα που παρατηρήθηκε κατά τη μεταφορά TCP κίνησης σε OBS δίκτυα και μελετήθηκε στις προσομοιώσεις μας ήταν ο συγχρονισμός των TCP πηγών. Η απώλεια πολλαπλών TCP πακέτων με μία χαμένη ριπή συχνά οδηγούσε σε συγχρονισμό των TCP πηγών που μεταφέρονταν στη ριπή, ένα πρόβλημα που χειροτέρευε όσο αύξανε η πιθανότητα απώλειας ριπής. Για την αντιμετώπιση του συγχρονισμού των TCP πηγών, προτάθηκαν μια σειρά από αλγόριθμοι συναρμολόγησης πολλαπλών κλάσεων, οι οποίοι εισάγουν ένα βαθμό τυχαιότητας στην ανάθεση TCP πηγών σε κλάσεις συναρμολόγησης για την αποφυγή του συγχρονισμού. Στη συνέχεια στρέψαμε το ενδιαφέρον μας στο πρόβλημα παροχής ποιότητας υπηρεσίας σε ένα OBS δίκτυο με υποστήριξη πολλαπλών κλάσεων, στοχεύοντας στην αποδοτική μετάδοση βίντεο κίνησης. Συγκεκριμένα, προτείναμε ένα νέο σχήμα παροχής ποιότητας υπηρεσίας το οποίο βασίζεται στην τεχνική των burst preemptions. Για να έχουμε μια ρεαλιστική εκτίμηση της βελτίωσης ποιότητας της βίντεο κίνησης, χρησιμοποιήσαμε μετρικές σχετικά με την αντιληπτή ποιότητα της video κίνησης, όπως το MOS score και το PSNR. Στη συνέχεια προτείνουμε μια νέα αρχιτεκτονική για δημιουργία προφίλ και πρόβλεψη κίνησης σε δίκτυα μεταγωγής οπτικής ριπής, με στόχο τη βελτιστοποίηση της μετάδοσης TCP κίνησης. Σε αυτή την αρχιτεκτονική, ένας TCP profiler υπολογίζει ένα σύνολο στατιστικών στοιχείων για τις ενεργές TCP πηγές παράλληλα με τη διαδικασία συναρμολόγησης ριπής. Αυτά αξιοποιούνται για την κατασκευή του μοντέλου κίνησης στο οποίο βασίζεται η πρόβλεψη του μεγέθους ριπών σε ένα χρονικό παράθυρο μήκους τουλάχιστον ίσου με RTT. Η πρόβλεψη του μεγέθους των ριπών επιτρέπει την εκ των προτέρων ενημέρωση των χρονοπρογραμματιστών του δικτύου κομού για επερχόμενες μεταβολές στην κίνηση του δικτύου, ώστε να επανα-χρονοπρογραμματίσει τις δεσμεύσεις πόρων με βέλτιστο τρόπο. Για την εκ των προτέρων ενημέρωση των κόμβων κορμού προτείνεται ένα νέο πρωτόκολλο προληπτικής δέσμευσης πόρων, του οποίου η συνεισφορά την απόδοση του δικτύου και τη χρησιμοποίηση των τηλεπικοινωνιακών γραμμών αξιολογείται με ένα σύνολο λεπτομερών προσομοιώσεων. Στο τελευταίο μέρος της διδακτορικής διατριβής στρέφουμε το ενδιαφέρον μας στις υβριδικές οπτικές αρχιτεκτονικές. Επειδή καμία οπτική δικτυακή τεχνολογία δε δίνει λύση σε όλα τα προβλήματα και τις απαιτήσεις των μελλοντικών οπτικών τηλεπικοινωνιακών δικτύων, πολλά υποσχόμενες είναι οι λεγόμενες υβριδικές τεχνολογίες οι οποίες συνδυάζουν χαρακτηριστικά από περισσότερες της μίας βασικές αρχιτεκτονικές (OBS, OCS και OPS). Σε αυτά τα πλαίσια προτείνεται η νέα υβριδική αρχιτεκτονική HOBS (Hybrid Optical Burst Switching) η οποία εκμεταλλεύεται τις κενές περιόδους κατά την εγκατάσταση κυκλωμάτων ενός Dynamic Circuit Switching δικτύου για τη μετάδοση ριπών δεδομένων. / The wide availability of broadband access has allowed users to tightly integrate network use into their daily lives. There will be 1.5 billion people with Internet access in 2011 and a big growth rate in the online population, primarily occurring in Brazil, Russia, India and China. This growth has been made possible due to the vast capacity of optical core networks, and the decreasing cost per bit. New research has shown that P2P no longer dominates internet traffic; HTTP is now dominant in terms of bytes transmitted by a big margin for a significant fraction of the Internet. User’s interest has shifted to new video/audio streaming services and social networking sites. However while new generation services are emerging, such as e-science, HD-IPTV and VOD, with high bandwidth requirements and special QoS needs modern commercial networks are engineered for low cost, best effort access. The advent of innovative web services along with the phenomenal increase of internet traffic has resulted in the capacity of electronic routers becoming the bottleneck point of modern telecommunication networks. With terabit-per-second bandwidths, IP routing that converts optical signals into electric signals and identifies IP headers one-by-one cannot meet the demands. Optical Burst Switching (OBS) architecture has beed proposed as a near- term solution to this problem. Data packets in OBS are assembled to bursts which are immediately transmitted without acknowledgements and switched all-optically in the network core. OBS is the only practical optical switch architecture that can offer sub-wavelength resource reservation. However, there are a set of limitations and open problems that hinder the wider adoption of OBS architecture. The contribution of this thesis is a set of innovative algorithms, protocols and architectures for OBS networks to enhance performance in real world networks. These include –but are not limited to– burst assembly and scheduling algorithms, reservation protocols and QoS differentiation. The efficient transmission of TCP traffic over OBS networks is a challenging problem in OBS networks, due to the high sensitivity of TCP congestion control mechanism to burst losses. Various burst assembly and burst scheduling algorithms have been proposed in the literature, to enhance the efficient transmission of TCP over OBS networks. However it still remains an open problem, since the relatively high burst loss ratio experienced in OBS networks is incompatible with TCP congestion control mechanism. It has been observed that burst losses have a significant impact on the TCP end-to-end performance. One burst loss typically results in many sources timing out and subsequently entering the slow start phase. In this thesis, we study the problem of TCP over OBS transmission through extensive simulations in a real-world scenario, with thousands of active TCP connections. We conclude that fixed timer-based burstifiers are not appropriate, since they do not provide maximum performance but only optimal performance for individual flows with similar characteristics. To address this problem, in this thesis we propose multi-class burst assembly algorithms. We have shown that these can lead to an enhanced TCP throughput, by assigning a different assembly timer to each class of service. In our simulations we observed that burst losses would often result in synchronizing TCP transmissions with an imminent effect on link utilization. This phenomenon was caused by multiple packet losses from different TCP flows in a single round and was exaggerated with high burst loss ratios. Thus, to avoid flow synchronization we proposed a set of multi-class burst assembly algorithms, where the assignment of flows to classes of service was non-deterministic. We then turned our attention to the problem of QoS provisioning in a multi-class OBS network. Our goal was to provide QoS differentiation to the transmission of video traffic over OBS networks. We propose a QoS-aware scheduling algorithm that supports QoS differentiation based on preemptions, which are controlled by a novel preemption policy. Performance evaluation of the proposed scheme is based on throughput measurements for the best effort class, and perceived quality metrics like PSNR and MOS scores for the video streaming class. We then turn our attention to a new TCP-specific traffic profiling and prediction scheme, which is proposed with the aim to optimize TCP transmission over one-way OBS networks. Traffic prediction is an interesting approach for the enhancement of TCP performance over OBS. If it would be possible to accurately predict TCP flows’ throughput, it would also be possible to predict burst sizes. That would allow making reservations of the appropriate resources in advance, enhancing network performance and improving bandwidth utilization. In the proposed scheme the burst assembly unit inspects TCP packet headers in parallel to the assembly process, keeping flow-level traffic statistics. These are then exploited to derive accurate traffic predictions, in at least one RTT-long prediction window. This allows in-advance notifying traffic schedulers of upcoming traffic changes, in order to optimally re-schedule their resource reservations. In this paper, we detail the traffic profiling and prediction mechanism and also provide analytical and simulation results to assess its performance. The performance gains, when using the prediction scheme are shown with a modified one-way OBS reservation protocol, which efficiently and in advance reserves resources at the burst level. In the final part of this thesis we turn our attention to hybrid optical networks. Since no single optical switch architecture covers all requirements of future telecommunication networks, hybrid architectures that combine the merits of two or more optical switch architectures are considered very promising. In this thesis, we present a radically different hybrid optical burst switch (HOBS) architecture that combines one-way with two-way reservation under a single, unified control plane (hybrid signaling) for QoS differentiation. It takes advantage of the idle, round-trip time delay during lightpath establishment phase to transmit one-way data bursts of a lower class of service, while high priority data explicitly requests and establishes end-to-end connections (lightpaths), as in wavelength-routed OBS.

[ES] En la actualidad, uno de los principales desafíos a los que se enfrentan las grandes áreas metropolitanas es la congestión provocada por el tráfico, la cual se ha convertido en un problema importante al que se enfrentan las autoridades de cada ciudad. Para abordar este problema es necesario implementar una solución eficiente para controlar el tráfico que genere beneficios para los ciudadanos, como reducir los tiempos de viaje de los vehículos y, en consecuencia, el consumo de combustible, el ruido, y la contaminación ambiental. De hecho, al analizar adecuadamente la demanda de tráfico, es posible predecir las condiciones futuras del tráfico, y utilizar esa información para la optimización de las rutas tomadas por los vehículos. Este enfoque puede ser especialmente efectivo si se aplica en el contexto de los vehículos autónomos, que tienen un comportamiento más predecible, lo cual permite a los administradores de la ciudad mitigar los efectos de la congestión, como es la contaminación, al mejorar el flujo de tráfico de manera totalmente centralizada. La validación de este enfoque generalmente requiere el uso de simulaciones que deberían ser lo más realistas posible. Sin embargo, lograr altos grados de realismo puede ser complejo cuando los patrones de tráfico reales, definidos a través de una matriz de Origen/Destino (O-D) para los vehículos en una ciudad, son desconocidos, como ocurre la mayoría de las veces. Por lo tanto, la primera contribución de esta tesis es desarrollar una heurística iterativa para mejorar el modelado de la congestión de tráfico; a partir de las mediciones de bucle de inducción reales hechas por el Ayuntamiento de Valencia (España), pudimos generar una matriz O-D para la simulación de tráfico que se asemeja a la distribución de tráfico real. Si fuera posible caracterizar el estado del tráfico prediciendo las condiciones futuras del tráfico para optimizar la ruta de los vehículos automatizados, y si se pudieran tomar estas medidas para mitigar de manera preventiva los efectos de la congestión con sus problemas relacionados, se podría mejorar el flujo de tráfico en general. Por lo tanto, la segunda contribución de esta tesis es desarrollar una Ecuación de Predicción de Tráfico para caracterizar el comportamiento en las diferentes calles de la ciudad en términos de tiempo de viaje con respecto al volumen de tráfico, y aplicar una regresión logística a esos datos para predecir las condiciones futuras del tráfico. La tercera y última contribución de esta tesis apunta directamente al nuevo paradigma de gestión de tráfico previsto, tratándose de un servidor de rutas capaz de manejar todo el tráfico en una ciudad, y equilibrar los flujos de tráfico teniendo en cuenta las condiciones de congestión del tráfico presentes y futuras. Por lo tanto, realizamos un estudio de simulación con datos reales de congestión de tráfico en la ciudad de Valencia (España), para demostrar cómo se puede mejorar el flujo de tráfico en un día típico mediante la solución propuesta. Los resultados experimentales muestran que nuestra solución, combinada con una actualización frecuente de las condiciones del tráfico en el servidor de rutas, es capaz de lograr mejoras sustanciales en términos de velocidad promedio y tiempo de trayecto, ambos indicadores de un menor grado de congestión y de una mejor fluidez del tráfico. / [CA] En l'actualitat, un dels principals desafiaments als quals s'enfronten les grans àrees metropolitanes és la congestió provocada pel trànsit, que s'ha convertit en un problema important al qual s'enfronten les autoritats de cada ciutat. Per a abordar aquest problema és necessari implementar una solució eficient per a controlar el trànsit que genere beneficis per als ciutadans, com reduir els temps de viatge dels vehicles i, en conseqüència, el consum de combustible, el soroll, i la contaminació ambiental. De fet, en analitzar adequadament la demanda de trànsit, és possible predir les condicions futures del trànsit, i utilitzar aqueixa informació per a l'optimització de les rutes preses pels vehicles. Aquest enfocament pot ser especialment efectiu si s'aplica en el context dels vehicles autònoms, que tenen un comportament més predictible, i això permet als administradors de la ciutat mitigar els efectes de la congestió, com és la contaminació, en millorar el flux de trànsit de manera totalment centralitzada. La validació d'aquest enfocament generalment requereix l'ús de simulacions que haurien de ser el més realistes possible. No obstant això, aconseguir alts graus de realisme pot ser complex quan els patrons de trànsit reals, definits a través d'una matriu d'Origen/Destinació (O-D) per als vehicles en una ciutat, són desconeguts, com ocorre la majoria de les vegades. Per tant, la primera contribució d'aquesta tesi és desenvolupar una heurística iterativa per a millorar el modelatge de la congestió de trànsit; a partir dels mesuraments de bucle d'inducció reals fetes per l'Ajuntament de València (Espanya), vam poder generar una matriu O-D per a la simulació de trànsit que s'assembla a la distribució de trànsit real. Si fóra possible caracteritzar l'estat del trànsit predient les condicions futures del trànsit per a optimitzar la ruta dels vehicles automatitzats, i si es pogueren prendre aquestes mesures per a mitigar de manera preventiva els efectes de la congestió amb els seus problemes relacionats, es podria millorar el flux de trànsit en general. Per tant, la segona contribució d'aquesta tesi és desenvolupar una Equació de Predicció de Trànsit per a caracteritzar el comportament en els diferents carrers de la ciutat en termes de temps de viatge respecte al volum de trànsit, i aplicar una regressió logística a aqueixes dades per a predir les condicions futures del trànsit. La tercera i última contribució d'aquesta tesi apunta directament al nou paradigma de gestió de trànsit previst. Es tracta d'un servidor de rutes capaç de manejar tot el trànsit en una ciutat, i equilibrar els fluxos de trànsit tenint en compte les condicions de congestió del trànsit presents i futures. Per tant, realitzem un estudi de simulació amb dades reals de congestió de trànsit a la ciutat de València (Espanya), per a demostrar com es pot millorar el flux de trànsit en un dia típic mitjançant la solució proposada. Els resultats experimentals mostren que la nostra solució, combinada amb una actualització freqüent de les condicions del trànsit en el servidor de rutes, és capaç d'aconseguir millores substancials en termes de velocitat faig una mitjana i de temps de trajecte, tots dos indicadors d'un grau menor de congestió i d'una fluïdesa millor del trànsit. / [EN] Currently, one of the main challenges that large metropolitan areas have to face is traffic congestion, which has become an important problem faced by city authorities. To address this problem, it becomes necessary to implement an efficient solution to control traffic that generates benefits for citizens, such as reducing vehicle journey times and, consequently, use of fuel, noise and environmental pollution. In fact, by properly analyzing traffic demand, it becomes possible to predict future traffic conditions, and to use that information for the optimization of the routes taken by vehicles. Such an approach becomes especially effective if applied in the context of autonomous vehicles, which have a more predictable behavior, thus enabling city management entities to mitigate the effects of traffic congestion and pollution by improving the traffic flow in a city in a fully centralized manner. Validating this approach typically requires the use of simulations, which should be as realistic as possible. However, achieving high degrees of realism can be complex when the actual traffic patterns, defined through an Origin/Destination (O-D) matrix for the vehicles in a city, are unknown, as occurs most of the times. Thus, the first contribution of this thesis is to develop an iterative heuristic for improving traffic congestion modeling; starting from real induction loop measurements made available by the City Hall of Valencia, Spain, we were able to generate an O-D matrix for traffic simulation that resembles the real traffic distribution. If it were possible to characterize the state of traffic by predicting future traffic conditions for optimizing the route of automated vehicles, and if these measures could be taken to preventively mitigate the effects of congestion with its related problems, the overall traffic flow could be improved. Thereby, the second contribution of this thesis was to develop a Traffic Prediction Equation to characterize the different streets of a city in terms of travel time with respect to the vehicle load, and applying logistic regression to those data to predict future traffic conditions. The third and last contribution of this thesis towards our envisioned traffic management paradigm was a route server capable of handling all the traffic in a city, and balancing traffic flows by accounting for present and future traffic congestion conditions. Thus, we perform a simulation study using real data of traffic congestion in the city of Valencia, Spain, to demonstrate how the traffic flow in a typical day can be improved using our proposed solution. Experimental results show that our proposed solution, combined with frequent updating of traffic conditions on the route server, is able to achieve substantial improvements in terms of average travel speeds and travel times, both indicators of lower degrees of congestion and improved traffic fluidity. / Finally, I want to thank the Ecuatorian Republic through the "Secretaría de Educación Superior, Ciencia, Tecnología e Innovación" (SENESCYT), for granting me the scholarship to finance my studies. / Zambrano Martínez, JL. (2019). Efficient Traffic Management in Urban Environments [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/129865 / TESIS

Real-time prediction of taxi demand in a discrete geographical space is useful as it can minimise service disequilibrium by informing idle drivers of the imbalance, incentivising them to reduce it. This, in turn, can lead to improved efficiency, more stimulating work conditions, and a better customer experience. This study aims to investigate the possibility of utilising an artificial neural network model to make such a prediction for Stockholm. The model was trained on historical demand data and - uniquely - crowd flow data from a cellular provider (aggregated and anonymised). Results showed that the final model could generate very helpful predictions (only off by less than 1 booking on average). External factors - including crowd flow data - had a minor positive impact on performance, but limitations regarding the setup of the zones lead to the study being unable to make a definitive conclusion about whether crowd flow data is effective in improving taxi demand predictors or not. / Prognos av taxiefterfrågan i ett diskret geografiskt utrymme är användbart då det kan minimera obalans mellan utbud och efterfrågan genom att informera lediga taxiförare om obalansen och därmed utjämna den. Detta kan i sin tur leda till förbättrad effektivitet, mer stimulerande arbetsförhållanden och en bättre kundupplevelse. Denna studie ämnar att undersöka möjligheten att använda artificiella neurala nätverk för att göra en sådan prognos för Stockholm. Modellen tränades på historisk data om efterfrågan och - unikt för studien - folkströmsdata (aggregerad och anonymiserad) från en mobiloperatör. Resultaten visade att den slutgiltiga modellen kunde generera användbara prognoser (med ett genomsnittligt prognosfel med mindre än 1 bil per tidsenhet). Externa faktorer – inklusive folkströmsdata – hade en märkbar positiv inverkan på prestandan, men begränsningar rörande framställningen av zonerna ledde till att studien inte kunde dra en definitiv slutsats om huruvida folkströmsdata är effektiva för att förbättra prognoser för taxiefterfrågan eller ej.