Study of urban-traffic congestion based on Google Maps API: the case of Boston

Abstract

Urbanization growth, together with the limited capacity of the road network, has worsened traffic congestion inside the cities. To improve the urban traffic conditions, it is essential to better understand and measure urban-traffic behavior not only on different period time of a day (e.g., morning or evening peaks) but also on different days (i.e., Monday to Sunday). Using real and recent data from the Google Maps API, this paper proposes a new approach to estimate the speeds within defined geographical areas (i.e. zip codes) per daytime and per weekday. Using this input a statistical analysis including k-means clustering is adopted to classify and define different urban-congestion levels according to the estimated speeds the number of inhabitants the zone types and the type of roads in each zip code. In order to validate our approach, we conduct an experimental analysis in Boston, US. Our results provide managerial insights for key stakeholders (i.e., Carriers, Consumers, and Government) to improve the efficiency of the road network and reduce traffic congestion in cities.

El crecimiento de la urbanización, junto con la capacidad limitada de la red vial, ha empeorado la congestión del tráfico al interior de las ciudades. Para mejorar las condiciones del tráfico urbano, es esencial comprender y medir mejor el comportamiento del tráfico urbano no solo en diferentes períodos del día (p. ej., picos matutinos o vespertinos) sino también en diferentes días (p. ej., de lunes a domingo). Utilizando datos reales y recientes de la API de Google Maps, este documento propone un nuevo enfoque para estimar las velocidades dentro de áreas geográficas definidas (es decir, códigos postales) por día y por día de la semana. Usando esta entrada, se adopta un análisis estadístico que incluye la agrupación de k-medias para clasificar y definir diferentes niveles de congestión urbana de acuerdo con las velocidades estimadas, el número de habitantes, los tipos de zona y el tipo de vías en cada código postal. Para validar nuestro enfoque, llevamos a cabo un análisis experimental en Boston, EE. UU. Nuestros resultados brindan información gerencial para las partes interesadas clave (es decir, transportistas, consumidores y gobierno) para mejorar la eficiencia de la red vial y reducir la congestión del tráfico en las ciudades.