Εφαρµογή τοπολογικής ανάλυσης δεδοµένων για βελτιστοποίηση διαδροµών ηλεκτρικών φορτηγών µεταφορικών εταιρειών
| datacite.contributor.RelatedPerson | Γεωργίου, Δημήτριος | |
| datacite.contributor.RelatedPerson | Τσώλης, Δημήτριος | |
| datacite.contributor.Supervisor | Ανδρικόπουλος, Αθανάσιος | |
| dc.contributor.author | Ιωάννου, Γεώργιος | |
| dc.contributor.other | Ioannou, Georgios | |
| dc.date.accessioned | 2026-07-20T05:50:34Z | |
| dc.date.available | 2026-07-20T05:50:34Z | |
| dc.date.issued | 2026-07-09 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία εξετάζει την εφαρμογή της Τοπολογικής Ανάλυσης Δεδομένων στη βελτιστοποίηση διαδρομών ηλεκτρικών φορτηγών μεταφορικών εταιρειών. Το αντικείμενο συνδέει την ανάγκη αποδοτικότερης οργάνωσης των μεταφορών με τους περιορισμούς της ηλεκτροκίνησης, όπως η αυτονομία, ο χρόνος φόρτισης, η θέση των σταθμών φόρτισης και η μεταβολή της ενεργειακής κατανάλωσης. Έτσι, η επιλογή διαδρομής δεν αντιμετωπίζεται μόνο ως αναζήτηση μικρότερης απόστασης, αλλά ως σύνθετη απόφαση που επηρεάζεται από το οδικό δίκτυο, την κίνηση, το φορτίο, τις υποδομές φόρτισης και την ενεργειακή ασφάλεια του οχήματος. Στο θεωρητικό μέρος παρουσιάζεται η αναπαράσταση των μεταφορικών δικτύων με τη θεωρία γράφων και αναλύονται οι ιδιαιτερότητες των ηλεκτρικών φορτηγών. Στη συνέχεια εξετάζεται η Τοπολογική Ανάλυση Δεδομένων, με έμφαση στην επίμονη ομολογία, στα διαγράμματα επιμονής και στους τοπολογικούς δείκτες που περιγράφουν τη συνδεσιμότητα, τους κύκλους και τις εναλλακτικές δομές ενός δικτύου. Τα στοιχεία αυτά δείχνουν ότι η αξιολόγηση μιας διαδρομής δεν εξαρτάται μόνο από το μήκος της, αλλά και από το πόσο σταθερή και ασφαλής είναι μέσα στο σύνολο των διαθέσιμων επιλογών. Η εργασία εμπλουτίζεται με σύγκριση της TDA με κλασικές μεθόδους βελτιστοποίησης, όπως ο Dijkstra, ο Floyd-Warshall και οι Γενετικοί Αλγόριθμοι. Η σύγκριση δείχνει ότι οι κλασικοί αλγόριθμοι είναι απαραίτητοι για τον υπολογισμό διαδρομών ελάχιστου κόστους, ενώ η TDA προσθέτει πληροφορία για τη συνολική μορφή, τη συνδεσιμότητα και την αντοχή του δικτύου. Παράλληλα, αξιολογείται η επίδραση της τοπολογικής πληροφορίας σε μετρικές απόδοσης, όπως η ενεργειακή κατανάλωση, ο χρόνος διαδρομής και η ανάγκη φόρτισης. Εξετάζεται επίσης ο συνδυασμός TDA και μηχανικής μάθησης για πρόβλεψη κατανάλωσης, ομαδοποίηση διαδρομών και αξιολόγηση μοντέλων. Στο πρακτικό μέρος υλοποιείται εφαρμογή σε Python, η οποία δημιουργεί τεχνητό οδικό δίκτυο, τοποθετεί σταθμούς φόρτισης, παράγει υποψήφιες διαδρομές και υπολογίζει απόσταση, χρόνο, κατανάλωση ενέργειας, ανάγκη φόρτισης και κόστος. Η τελική επιλογή γίνεται με συνολική αξιολόγηση που συνδυάζει ενεργειακά, χρονικά, οικονομικά και τοπολογικά χαρακτηριστικά. Στο εξεταζόμενο σενάριο η διαδρομή R2 αναδεικνύεται ως καλύτερη, δείχνοντας ότι η προτεινόμενη μεθοδολογία μπορεί να υποστηρίξει πιο ολοκληρωμένες και ρεαλιστικές αποφάσεις δρομολόγησης για ηλεκτρικά φορτηγά. | |
| dc.description.translatedabstract | This diploma thesis examines the application of Topological Data Analysis to the optimization of routes for electric trucks used by transport companies. The topic connects the need for more efficient transport operations with the constraints introduced by electrification, such as vehicle range, charging time, charging station location, and variations in energy consumption. Route selection is therefore not treated only as a shortest-distance problem, but as a decision affected by the road network, traffic conditions, vehicle load, charging infrastructure, and the energy safety of the vehicle. The theoretical part presents the representation of transport networks through graph theory and analyses the specific characteristics of electric trucks. It then examines Topological Data Analysis, with emphasis on persistent homology, persistence diagrams, and topological indicators that describe connectivity, cycles, and alternative structures in a network. These elements show that route evaluation depends not only on distance, but also on structural stability and safety within the set of available alternatives. The thesis is further enriched through a comparison between TDA and classical optimization methods, such as Dijkstra, Floyd-Warshall, and Genetic Algorithms. This comparison shows that classical algorithms remain essential for calculating minimum-cost routes, while TDA adds information about the overall form, connectivity, and robustness of the network. The thesis also evaluates the effect of topological information on performance metrics, including energy consumption, travel time, and charging requirements. In addition, it examines the combination of TDA and machine learning for energy prediction, route clustering, and model evaluation. In the practical part, a Python application is implemented, which creates an artificial road network, places charging stations, generates candidate routes, and calculates distance, time, energy consumption, charging requirements, and cost. The final selection is made through an overall evaluation that combines energy-related, time-related, economic, and topological characteristics. In the examined scenario, route R2 is identified as the best option, showing that the proposed methodology can support more integrated and realistic routing decisions for electric trucks. | |
| dc.identifier.uri | https://hdl.handle.net/10889/32612 | |
| dc.language.iso | el | |
| dc.subject | Τοπολογική ανάλυση δεδομένων | |
| dc.subject | Ηλεκτρικά φορτηγά | |
| dc.subject | Βελτιστοποίηση διαδρομών | |
| dc.subject | Οδικά δίκτυα | |
| dc.subject | Ενεργειακή κατανάλωση | |
| dc.subject | Σταθμοί φόρτισης | |
| dc.subject | Επίμονη ομολογία | |
| dc.subject | Κλασικοί αλγόριθμοι | |
| dc.subject | Μετρικές απόδοσης | |
| dc.subject | Μηχανική μάθηση | |
| dc.subject.alternative | Topological data analysis | |
| dc.subject.alternative | Electric trucks | |
| dc.subject.alternative | Route optimization | |
| dc.subject.alternative | Road networks | |
| dc.subject.alternative | Energy consumption | |
| dc.subject.alternative | Charging stations | |
| dc.subject.alternative | Persistent homology | |
| dc.subject.alternative | Classical algorithms | |
| dc.subject.alternative | Performance metrics | |
| dc.subject.alternative | Machine learning | |
| dc.title | Εφαρµογή τοπολογικής ανάλυσης δεδοµένων για βελτιστοποίηση διαδροµών ηλεκτρικών φορτηγών µεταφορικών εταιρειών | |
| dc.title.alternative | Application of topological data analysis for optimizing electric truck routes for transportation companies |