Wyznaczanie prędkości średniej pojazdów transportu zbiorowego na podstawie danych z systemu zarządzania ruchem

Inteligentne Systemy Transportowe (ITS) są wartościowym źródłem informacji o ruchu drogowym, dotyczącym zarówno transportu publicznego, jak i prywatnego. Głównym problemem jest fakt, że niewiele badań jest prowadzonych w celu określenia prędkości autobusów, tramwajów i trolejbusów w miejskich sieciach ulicznych w zależności od warunków ruchu. W pracy skupiono się na tym, jak informacje z systemów ITS mogą być wykorzystane do modelowania prędkości pojazdów transportu zbiorowego. W tym celu wykorzystano dane z wdrożonego w Trójmieście (Gdańsk, Sopot, Gdynia) Zintegrowanego Systemu Zarządzania Ruchem TRISTAR. Głównym celem pracy było opracowanie metody modelowania prędkości pojazdów transportu publicznego, do czego wykorzystano moduły systemu TRISTAR. W artykule wyjaśniono w jaki sposób można zbierać, analizować i przetwarzać różne dane, a następnie wykorzystać do tworzenia modeli prędkości. Wynikiem analizy jest model prędkości dla pojazdów transportu zbiorowego w Gdyni. Zaproponowaną metodę warto zweryfikować w innych miastach. Wyznaczone prędkości można wykorzystać m.in. do aktualizacji istniejących rozkładów jazdy oraz na potrzeby kalibracji makroskopowego modelu symulacyjnego.

Intelligent Transport Systems are a valuable source of traffic information, covering both private cars and public transport vehicles. The main problem, however, is that very few studies are conducted to determine the speed of buses, trams and trolleys in urban networks in relation to traffic conditions. The article investigates how ITS systems data could be used to model the speed of public transport vehicles. This is now possible thanks to the implementation of TRISTAR, an Integrated Traffic Management System covering the Tri – City (Gdansk, Sopot, Gdynia). The objective of the analysis is to develop a method for modelling public transport vehicle speed which is completed with the data from the TRISTAR subsystems. The paper explains how various data can be collected, used and combined to develop speed models. The results of analyses and a proposed speed model for Gdynia’s public transport vehicles are presented. This is to be further verified by applying the proposed method in other cities. The speed model can also be used for updating existing public transport timetables. It is also possible to use the speeds for calibrating macroscopic simulation models.