kth.sePublications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Data Reliability in Urban Traffic Monitoring: A Comparative Study of Participatory Sensing vs Motorway Control System
KTH, School of Electrical Engineering and Computer Science (EECS).
KTH, School of Electrical Engineering and Computer Science (EECS).
2025 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
Datatillförlitlighet i övervakning av stadstrafik : En jämförande studie av deltagarbaserad sensorik jämfört med motorvägskontrollsystem (Swedish)
Abstract [en]

Technological advancements in sensor technology and the proliferation of smart devices have enabled the use of these devices for data collection, a concept known as participatory sensing. This method is widely employed to track traffic information in various navigation services. However, previous research has highlighted vulnerabilities in these systems, demonstrating that they can be exploited through Sybil-based attacks. This study aimed to evaluate the reliability of participatory sensing as a method for measuring traffic. To achieve this, we created a dataset of traffic measurements from road sensors owned by the Swedish Transport Administration along a major motorway outside Stockholm, Sweden. This data was used as the ground truth and then compared to data from three different traffic data providers that use participatory sensing (HERE, TomTom, and Bing Maps) in order to compare reported route travel times. Our analysis revealed a high correlation between the data from the participatory sensing providers and the Swedish Transport Administration with a correlation coefficient reaching up to ∼0.98. Additionally, we found that the correlation increased with the length of the routes, with Bing Maps data showing the closest alignment to that of the Swedish Transport Administration. The dataset and findings presented in this paper can contribute to future research in traffic data collection methods and in securing participatory sensing systems.

Abstract [sv]

Teknologiska framsteg inom sensorteknik och spridningen av smarta enheter har möjliggjort användningen av dessa enheter för datainsamling, ett koncept känt som deltagande sensning. Denna metod används ofta för att spåra trafikinformation i olika navigeringstjänster. Tidigare forskning har dock påpekat sårbarheter i dessa system och visat att de kan utnyttjas genom Sybil-baserade attacker. Denna studie hade syftet att utvärdera tillförlitligheten av deltagbaserad sensning som en metod för att mäta trafik. För att uppnå detta skapade vi ett dataset av trafikmätningar från vägsensorer som ägs av Trafikverket längs en stor motorväg utanför Stockholm, Sverige. Datan användes som sanningsenligt referensvärde och jämfördes sedan med data från tre trafikdataleverantörer som använder deltagbaserad sensning (HERE, TomTom och Bing Maps) för att jämföra rapporterade restider för rutter. Vår analys visade en hög korrelation mellan data från leverantörerna av deltagbaserad sensning och Trafikverket, med en korrelationskoefficient som nådde upp till cirka 0,98. Dessutom fann vi att korrelationen ökade med längden på rutterna, där Bing Maps- data visade den närmaste överensstämmelsen med Trafikverkets data. Det dataset och de fynd som presenteras i denna artikel kan bidra till framtida forskning inom trafikdatainsamlingsmetoder och säkerställande av deltagande sensningssystem.

Place, publisher, year, edition, pages
2025. , p. 43
Series
TRITA-EECS-EX ; 2025:37
Keywords [en]
Participatory Sensing, Real-time Traffic, Network, Sybil-based Attack, Location Based Services
Keywords [sv]
Deltaragbaserade Sensornätverk, Live Trafik, Nätverk, Sybil-Baserad Attack, Plats Baserade Tjänster
National Category
Computer and Information Sciences
Identifiers
URN: urn:nbn:se:kth:diva-361842OAI: oai:DiVA.org:kth-361842DiVA, id: diva2:1948921
Supervisors
Examiners
Available from: 2025-04-03 Created: 2025-04-01 Last updated: 2025-04-03Bibliographically approved

Open Access in DiVA

fulltext(4838 kB)40 downloads
File information
File name FULLTEXT02.pdfFile size 4838 kBChecksum SHA-512
aa19ca1dfaa9320a12ae6fff2ea67ae94abb1237f9335eeefd8f8538cb45faa2a2fb43b8953cb5382bc691d12d46a9d3ef17badced6f9d987457b28f159103b0
Type fulltextMimetype application/pdf

By organisation
School of Electrical Engineering and Computer Science (EECS)
Computer and Information Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 40 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 252 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf