Not logged in.

Quick Search - Contribution

Contribution Details

Type Bachelor's Thesis
Scope Discipline-based scholarship
Title Data Mining of Time-Use Data: Using Decision Trees to Understand the Impacts of Socio-Demographic Factors and Activity Patterns on the Time Spent on Work Travel and Commute
Organization Unit
Authors
  • Vincent A. Rüegge
Supervisors
  • Jan Bieser
  • Lorenz Hilty
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2018
Abstract Text On November 2016, the Paris Agreement entered into force with the goal to reduce global greenhouse gas (GHG) emission. Digitalisation impacts GHG emission in two ways: A direct effect describing production, usage and disposal of information and communication technology (ICT) hardware, and an indirect effect describing the influence of ICT on patterns of production and consumption. Thus, ICT does change individual lifestyles through modification of time allocation (time-use). Consequently, such changes to lifestyles represent a major determinant of environmental impacts, e.g. the utilisation of existing infrastructure. In this work we investigate on how socio-demographic factors and activity patterns of individuals influence the usage of existing infrastructure, the latter expressed as the time spent on work travel and commute (WTC). We analyse data of the multinational time-use study (MTUS) applying decision tree algorithms implemented in the programming language R. The MTUS connects socio-demographic factors and activity patterns in a single, standardised dataset. Each participant recorded socio-demographic factors and the number of minutes spent on 69 distinct activities throughout a single day. From a methodological perspective results show that (a) using a binary target variable for WTC leads to the most accurate, i.e. best predicting models, (b) a combination of both socio-demographic and activity variables best predicts who spends time on WTC, and (c) reduced data containing either socio-demographic factors or activity patterns accurately predict who spends time on WTC. With regards to content data reveal that (d) the time spent on leisure and recreation activities best predicts who spends time on WTC from an activity perspective, (e) the family status as well as the type of household impact WTC time of women, and (f) there is no WTC on the weekend.
Zusammenfassung Im November 2016 trat das Paris Abkommen in Kraft mit dem Ziel die globale Treibhausgas (GHG) Emission zu reduzieren. Digitalisierung beeinflusst GHG Emission auf zwei Arten: Ein direkter Effekt, welcher die Produktion, Benutzung und Beseitigung von Informations- und Kommunikationstechnology (ICT) beschreibt, und ein indirekter Effekt, welcher den Einfluss von ICT auf Produktions- und Konsummuster beschreibt. Dadurch verändert ICT individuelle Lebensstile, indem es die Art und Weise, wie Leute ihre Zeit einteilen ändert (Zeitnutzung). Solche Anpassungen des eigenen Lebensstils beeinflussen die Umwelt, so zum Beispiel die Benutzung von bereits vorhandener Infrastruktur. Mit dieser Arbeit untersuchen wir wie sozio-demographische Faktoren und Aktivitätsmuster die Benutzung von vorhandener Infrastruktur beeinflussen. Den Grad der Benutzung beschreiben wir als die Zeit, in der man arbeitsbezogen pendelt (WTC). Dazu analysieren wir die multinationale Zeitnutzungsstudie (MTUS) mithilfe von Entscheidungsbäumen und der Programmiersprache R. Die MTUS verbindet sozio-demographische Faktoren und Aktivitätsmuster in einem einzigen, standardisierten Datensatz. Jeder Teilnehmer gab sozio-demographische Faktoren, sowie die Dauer in Minuten in 69 verschiedenen Aktivitäten während eines Tages an. Aus methodischer Sicht zeigen unsere Resultate, dass (a) eine binäre Zielvariable für WTC die genausten Modelle liefert, (b) eine Kombination von sozio-demographischen- und Aktivitätsvariablen am besten vorhersagt wer WTC betreibt, und (c) reduzierte Datensätze, welche nur aus sozio-demographischen Faktoren oder Aktivitätsmustern bestehen, ebenfalls genau vorhersagen, wer WTC betreibt. Aus inhaltlicher Sicht zeigen die Daten, dass (d) die Dauer von Freizeit- und Erholungsaktivitäten, aus Aktivitätssicht, am besten vorhersagt, wer WTC betreibt, (e) der Familienstatus und der Haushaltstyp die WTC Zeit von Frauen beeinflussen, und (f) kein WTC am Wochenende stattfindet.
PDF File Download
Export BibTeX