Construction of the passenger rail traffic generation model

• Autorzy: Brzeziński Andrzej , Waltz Andrzej

Identyfikatory

DOI

10.24425/ace.2022.141876

Warianty tytułu

PL

Budowa modelu generacji ruchu kolejowego

• Języki publikacji: EN

Abstrakty

EN

The article presents a new approach to building a passenger rail traffic generation model. It uses data on the number of passengers at stations and railway stops obtained from the databases of operators on the rail transport market through the Office of Rail Transport - market regulator - combined with data on the model of the area around the station built based on population, number of beds, individual motorization and gross domestic product (GDP). This enabled analyzing the potential of railway traffic generation at a very detailed level. The article presents a methodology for building a passenger rail traffic generation model and verification of this model based on limited variables describing railway stations and stops as well as traffic zones and available statistical data. The model takes into account three segments of the railway market: regional, interregional and inter-agglomeration transport. The results of these analyzes can be used to increase the accuracy and the reliability of rail traffic models used in the analysis of transport networks.

PL

W artykule przedstawiono nowe podejście do budowy modelu generacji pasażerskiego ruchu kolejowego. Przedstawiono propozycję metodyki budowy modelu generacji pasażerskiego ruchu kolejowego oraz weryfikacji tego modelu w oparciu o ograniczone zmienne opisujące stacje i przystanki kolejowe oraz rejony komunikacyjne i dostępne dane statystyczne. Wykorzystano w nim dane o liczbie pasażerów na stacjach i przystankach kolejowych w połączeniu z danymi opisującymi model obszaru wokół stacji budowany w oparciu o liczbę ludności, liczbę miejsc noclegowych, motoryzację indywidualną i produkt krajowy brutto (PKB). Wykorzystanie tych danych umożliwiło przeprowadzenie analizy potencjału generacji ruchu kolejowego na dużym poziomie szczegółowości. W metodzie uwzględniono trzy segmenty rynku kolejowego: przewozy regionalne, międzyregionalne i międzyaglomeracyjne.

Słowa kluczowe

EN

railway traffic; traffic model; generation model; regression analysis; traffic forecasting; passenger traffic

PL

ruch kolejowy; model generacji ruchu; analiza regresyjna; prognozowanie ruchu; ruch pasażerski

• Wydawca: Komitet Inżynierii Lądowej i Wodnej PAN ; Politechnika Warszawska, Wydział Inżynierii Lądowej
• Czasopismo: Archives of Civil Engineering
• Rocznik: 2022
• Tom: Vol. 68, nr 3
• Strony: 107--123
• Opis fizyczny: Bibliogr. 17 poz., il., tab.

Twórcy

autor

Brzeziński Andrzej

• Warsaw University of Technology, Faculty of Civil Engineering, Warsaw, Poland

• https://orcid.org/0000-0002-1256-6007

autor

Waltz Andrzej

• https://orcid.org/0000-0002-7566-3381

Bibliografia

• [1] M.E Ben-Akiva, S.R. Lerman, Choice Analysis: Theory and Application to Travel Demand. Cambridge: MIT Press, 1985.
• [2] A. Brzeziński, T. Dybicz, “Possibility of Big Data Application for OD-matrix Callibration in Transport Demand Models”, Archives of Civil Engineering, 2021, vol. 67, no. 1, pp. 215-232.
• [3] A. Brzeziński, T. Dybicz, “Modelowanie ruchu z wykorzystaniem innowacyjnych źródeł danych”, in Badania naukowe w Instytucie Dróg i Mostów - monografia jubileuszowa, P. Olszewski, Ed. Oficyna Wydawnicza Politechniki Warszawskiej, 2019, pp. 209-228.
• [4] A. Brzeziński, T. Dybicz, A. Waltz, “Railway passenger traffic model “, Acta Scientiarum Polonorum. Series: Architectura, 2018, vol. 17, no 4, pp. 5-17, DOI: 10.22630/ASPA.2018.17.4.36.
• [5] A. Brzeziński, “Zasady prognozowania ruchu drogowego z uwzględnieniem innych środków transportu”, presented at Projekt INMOP3 - założenia, cele, innowacyjność, dostępne dane. Międzynarodowa konferencja naukowo-techniczna: Innowacyjne metody prognozowania ruchu w ramach projektu RID_I_62, 28 maja 2019 r.
• [6] R. Cordera, R. Samnudo, L. Dell’Olio, A.Ibeas, “Trip distribution model for regional railway servies considering spatial effects between stations”, Transport Policy, 2018, vol. 67, pp. 77-84, DOI: 10.1016/j.tranpol.2018.01.016.
• [7] Guidelines on issues related to the preparation of investment projects, including income-generating projects and hybrid projects for the years 2014-2020 of 10 January 2019. GUS, 2020.
• [8] X. Li, H. Huang, J. Li, H. Xu, “A research on rail traffic generation forecasting based on BaiduMap API”, Shandong Science, 2017, vol. 30, no. 1, pp. 82-88, DOI: 10.3976/j.issn.1002-4026.2017.01.013.
• [9] Pasażerski Model Transportowy, Skrócony Raport Techniczny. Warszawa: Biuro Planowania i Rozwoju Kolei, CPK, 2020.
• [10] Pasażerski Model Transportowy i sieciowa prognoza ruchu, cześć szczegółowa. Warszawa: Biuro Planowania i Rozwoju Kolei, CPK, 2020.
• [11] Passenger exchange at stations in Poland in 2017, 2018, 2019. Urzad Transportu Kolejowego.
• [12] A. Peterson, "The Origin-Destination Matrix Estimation Problem - Analysis and Computations", Linkoping Studies in Science and Technology. Dissertations No. 1102. Norrkoping, Sweden, 2007.
• [13] O. Nielsen, C. Hansen, “Updating trip matrices for Copenhagen using multiple data sources”, Trafikdage på Aalborg Universitet, 2007.
• [14] Statistical yearbooks of the Central Statistical Office “Transport - activity results” 2017-2019.
• [15] A. Waltz, “Krajowy model transportowy i jego zastosowanie w prognozowaniu ruchu dla potrzeb PKP Intercity S.A.”, Zeszyty naukowo-techniczne Stowarzyszenia Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej, Oddział w Krakowie, 2014, vol. 103, no. 1, pp. 393-417.
• [16] M. Wardman, “The value of travel time: A review of British evidence”, Journal Transport Economics and Policy. 1998, vol. 32, no. 3, pp. 285-316.
• [17] Zasady prognozowania ruchu drogowego z uwzględnieniem innych środków transportu DZP/RID-I-62/11/NCBR/2016.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).