Επιβατοκεντρική αξιολόγηση της ανθεκτικότητας του ακτοπλοϊκού δικτύου του Αιγαίου υπό ακραία καιρικά φαινόμενα
| datacite.contributor.RelatedPerson | Χασιακός, Αθανάσιος | |
| datacite.contributor.RelatedPerson | Χριστοφόρου, Ζωή | |
| datacite.contributor.Supervisor | Ηλιοπούλου, Χριστίνα | |
| dc.contributor.author | Παρασκευοπούλου, Όλγα | |
| dc.contributor.other | Paraskevopoulou, Olga | |
| dc.date.accessioned | 2026-03-06T06:35:14Z | |
| dc.date.available | 2026-03-06T06:35:14Z | |
| dc.date.issued | 2026-02-19 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η αξιολόγηση της ανθεκτικότητας των ακτοπλοϊκών δικτύων των επιβατών είναι κρίσιμη για τη διασφάλιση αξιόπιστων μετακινήσεων σε περιοχές με διάσπαρτα νησιά και έντονα μεταβαλλόμενη ζήτηση, όπως το Αιγαίο. Το Ελληνικό Δίκτυο Ακτοπλοϊκών Συγκοινωνιών (Greek Coastal Shipping Network, GCSN) υποστηρίζει τη μεταφορά αγαθών, την ενίσχυση του τουρισμού και τη σύνδεση απομονωμένων νησιών με τον ηπειρωτικό μέρος της χώρας. Τα ακραία καιρικά φαινόμενα και η κλιματική αλλαγή όμως αποτελούν όλο και συχνότερες απειλές για τη σταθερότητά του μέσω διακοπών συνδεσιμότητας. Ως αποτέλεσμα, υπάρχουν σημαντικές επιπτώσεις στους επιβάτες. Σκοπός της παρούσας Διπλωματικής Εργασίας είναι η ανάπτυξη και εφαρμογή ενός επιβατοκεντρικού πλαισίου αξιολόγησης της ανθεκτικότητας του ακτοπλοϊκού δικτύου για την περιοχή του Αιγαίου απέναντι σε ακραία καιρικά γεγονότα. Η μεθοδολογία βασίζεται στη μοντελοποίηση του GCSN ως κατευθυνόμενο γράφο, όπου τα λιμάνια αναπαρίστανται ως κόμβοι και οι διαδρομές ως σύνδεσμοι. Χρησιμοποιούνται πραγματικές ροές επιβατών και δρομολογίων μαζί με ιστορικά μετεωρολογικά δεδομένα και δείκτες σύνθετων δικτύων. Για την αξιολόγηση της ανθεκτικότητας του GCSN δοκιμάζονται πολλαπλά σενάρια διαταραχών μέσω αφαίρεσης των πιο κρίσιμων κόμβων του με βάση τους δείκτες κεντρικότητας (degree, closeness and betweenness centralities) και με βάση τις περιοχές που είναι πιο ευάλωτες σε ακραία καιρικά φαινόμενα. Για τον εντοπισμό ομάδων λιμένων που είναι πιθανό να πλήττονται ταυτόχρονα εφαρμόζεται ανάλυση συσταδοποίησης (density-based clustering), επιτρέποντας ρεαλιστική προσομοίωση πολύ-κομβικών διαταραχών. Ο υπολογισμός της Μέγιστης Συνδεδεμένης Συνιστώσας (Largest Connected Component, LCC) συμβάλλει στην αξιολόγηση και ποσοτικοποίηση της δομικής σταθερότητας του δικτύου, ενώ ταυτόχρονα εκτιμάται ο αριθμός των επιβατών που επηρεάζονται υπό τα προαναφερόμενα σενάρια διαταραχών. Τα αποτελέσματα αναδεικνύουν τους πιο ευάλωτους λιμένες και τις κρίσιμες διαδρομές του δικτύου, καθώς και το εύρος της απώλειας συνδεσιμότητας και των επηρεαζόμενων επιβατών. Διαπιστώνεται ότι λίγοι κεντρικοί κόμβοι συγκεντρώνουν δυσανάλογο ποσοστό της επιβατικής κίνησης. Ως αποτέλεσμα η στοχευμένη διακοπή της λειτουργίας τους οδηγεί σε έντονο κατακερματισμό του δικτύου. Συνολικά, το προτεινόμενο επιβατοκεντρικό πλαίσιο παρέχει ένα πρακτικό εργαλείο για την αξιολόγηση και ενίσχυση της ανθεκτικότητας των νησιωτικών ακτοπλοϊκών δικτύων. Προσφέρει έτσι χρήσιμες κατευθύνσεις για τον ορθότερο σχεδιασμό δρομολογίων και υποδομών του συστήματος, με σκοπό τη μείωση των επιπτώσεων των διαταραχών σε συνθήκες κλιματικής αβεβαιότητας αλλά και την ανάπτυξη στρατηγικών προσαρμογής και της προληπτικής διαχείρισης κρίσεων στο ακτοπλοϊκό δίκτυο. | |
| dc.description.translatedabstract | The resilience of passenger ferry networks is crucial for maintaining reliable transportation in regions with dispersed islands and highly variable demand, such as the Aegean Sea. The Greek Coastal Shipping Network (GCSN) transports goods, supports tourism, and connects isolated islands to the mainland. Extreme weather events and climate change pose significant threats to the network’s stability, potentially disrupting connectivity and affecting thousands of passengers. While existing research has primarily focused on port infrastructure or localized disruptions, this study introduces a passenger-oriented network resilience framework that integrates real-world passenger flows, historical meteorological data, and complex network metrics. Using centrality measures (degree and closeness), and the Largest Connected Component (LCC), the approach quantifies both the structural robustness of the network and the direct impact on passengers under extreme weather-induced disruptions. Density-based clustering is employed to identify groups of ports likely to be affected simultaneously, enabling realistic simulation of multi-node disruptions. The findings highlight the most vulnerable ports and routes, offering actionable insights for optimizing ferry schedules, and improving network redundancy. This study demonstrates a practical methodology for assessing and enhancing the resilience of island ferry networks with implications for both operational planning and long-term policy development. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31642 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Ανθεκτικότητα δικτύου | |
| dc.subject | Ακραία καιρικά φαινόμενα | |
| dc.subject | Δείκτες κεντρικότητας | |
| dc.subject | Ελληνικό Ακτοπλοϊκό Δίκτυο Συγκοινωνιών | |
| dc.subject | Κλιματική αλλαγή | |
| dc.subject | Τρωτότητα δικτύου | |
| dc.subject.alternative | Network vulnerability | |
| dc.subject.alternative | Robustness | |
| dc.subject.alternative | Greek coastal shipping network (GCSN) | |
| dc.subject.alternative | Extreme weather events | |
| dc.subject.alternative | Centrality-based resilience measures | |
| dc.title | Επιβατοκεντρική αξιολόγηση της ανθεκτικότητας του ακτοπλοϊκού δικτύου του Αιγαίου υπό ακραία καιρικά φαινόμενα | |
| dc.title.alternative | Passenger - centric resilience assessment of the Aegean ferry network under extreme weather events |