Modelowanie oddziaływania informacji w czasie rzeczywistym o napełnieniu pasażerskim w sieciach miejskiego transportu zbiorowego

• Autorzy: Drabicki Arkadiusz

Warianty tytułu

EN

Modelling the impact of real-time crowding information in urban public transport networks

• Języki publikacji: PL

Abstrakty

PL

Zatłoczenie pasażerskie jest istotnym i powracającym problemem w systemach miejskiego transportu zbiorowego. Wśród rozwiązań ograniczających jego negatywne skutki coraz większego potencjału upatruje się w nowatorskich systemach informacji o napełnieniu (zatłoczeniu) pasażerskim, dostarczanej w czasie rzeczywistym (z ang. RTCI – real-time crowding information). Dostęp do takiej informacji pozwalałby pasażerom wybierać opcje podróży o wyższym komforcie i unikać nadmiernego zatłoczenia w autobusach, tramwajach czy pociągach. Obecny stan wiedzy nie pozwala jednak w pełni zrozumieć, jakie są potencjalne efekty i skuteczność systemów RTCI. Niniejszy artykuł dotyczy analiz wpływu informacji RTCI na proces decyzyjny pasażera i funkcjonowanie systemu miejskiego transportu zbiorowego. W pierwszej części symulacje na modelu sieci transportu zbiorowego Krakowa ilustrują możliwe skutki (pozytywne, jak i też negatywne) powszechnego dostępu do informacji RTCI. W drugiej części badania ankietowe oraz opracowane modele wyboru dyskretnego ukazują, że informacja RTCI ma potencjalnie istotny wpływ na preferencje podróżowania pasażerów. W ostatniej części, na przykładzie modelu transportowego Warszawy, przedstawiono także potencjał zastosowania systemu RTCI jako instrumentu zarządzania mobilnością do poprawy komfortu podróży. Wyniki tych prac wskazują, że systemy RTCI mogą pozytywnie kształtować jakość podróży transportem zbiorowym w miastach i ograniczać skalę zatłoczenia pasażerskiego. Jednakże, dla osiągnięcia efektywności systemów RTCI niezbędne jest zapewnienie wysokiego stopnia ich dokładności (wiarygodności) w czasie rzeczywistym.

EN

Passenger congestion is a significant and recurring problem in urban public transport systems. Meanwhile, novel solutions such as realtime crowding information (RTCI) may offer an increasing potential of mitigating its negative effects. RTCI availability would allow passengers to make more informed choices and avoid overcrowding in public transport vehicles. However, the state-of-the-art research does not allow for a full understanding of the prospective ramifications and effectiveness of RTCI systems. This article focuses on analysing the impacts of RTCI on passengers’ decision-making process and resultant urban public transport system performance. In the first part, simulations on a real-world public transport network model (Krakow) illustrate the possible consequences of ubiquitous access to the RTCI. In the second part, SP surveys and discrete choice models reveal how the RTCI can induce new and potentially significant travel behaviour phenomena. The final part of this study investigates the potential applicability of RTCI systems as travel demand management tool, aimed at improving the travel experience and system performance, on the real-world model of a busy bus corridor (Warsaw). Findings from this study reveal that RTCI systems can positively influence the quality of travel experience in urban public transport and mitigate the passenger overcrowding risks. However, certain challenges have also to be addressed in practical implementation of RTCI solutions – particularly ensuring a high degree of RTCI accuracy and reliability for prospective users.

Słowa kluczowe

PL

transport zbiorowy; zatłoczenie pasażerskie; inteligentne systemy transportowe; ITS; informacje w czasie rzeczywistym; RTCI

EN

public transport; passenger overcrowding; intelligent transport systems; ITS; real-time information; RTCI

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Transport Miejski i Regionalny
• Rocznik: 2023
• Tom: nr 9
• Strony: 21--28
• Opis fizyczny: Bibliogr. 18 poz., rys., tab., wykr.

Twórcy

autor

Drabicki Arkadiusz

• Katedra Systemów Transportowych, Wydział Inżynierii Lądowej, Politechnika Krakowska ul. Warszawska 24, 31-155 Kraków

Bibliografia

• 1. Nosal K., Starowicz W., Wybrane zagadnienia zarządzania mobilnością, „Transport Miejski i Regionalny”, 2010, nr 3.
• 2. Aleksandrowicz J., Starowicz W., Automatyczne systemy zliczania pasażerów w miejskim transporcie zbiorowym. „Transport Miejski i Regionalny”, 2020, nr 6.
• 3. Google LLC: Google Maps – Transit & Food [Aplikacja mobilna], 2023.
• 4. PKP Intercity. https://intercity.pl, 2023.
• 5. Nuzzolo A., Crisalli U., Comi A., Rosati L., A mesoscopic transit assignment model including real-time predictive information on crowding, Journal of Intelligent Transportation Systems, 20(4), 2016.
• 6. Drabicki A., Kucharski R., Cats O., Szarata A., Modelling the effects of real-time crowding information in urban public transport systems, Transportmetrica A: Transport Science, 17(4), 2021.
• 7. Noursalehi P., Koutsopoulos H., Zhao J., Predictive decision support platform and its application in crowding prediction and passenger information generation. Transportation Research Part C: Emerging Technologies, 129, 2021.
• 8. Zhang, Y., Jenelius E., Kottenhoff K., Impact of real-time crowding information: a Stockholm metro pilot study. Public Transport, 9(3), 2017.
• 9. Jenelius E., Personalized predictive public transport crowding information with automated data sources. Transp. Research Part C: Emerging Technologies, 2020.
• 10. Drabicki A., Kucharski R., Cats O., Fonzone A., Simulating the effects of real-time crowding information in public transport networks, Materiały IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS), 2017.
• 11. Drabicki A., Cats O., Kucharski R., Fonzone A., Szarata A., Should I stay or should I board? Willingness to wait with real-time crowding information in urban public transport, Research In Transportation Business and Management, 2023.
• 12. Drabicki A., Cats O., Kucharski R., The potential of real-time crowding information in reducing bus bunching under different Network saturation levels, Materiały IEEE International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS), 2021.
• 13. Drabicki A., Kucharski R., Cats O., Mitigating bus bunching with real-time crowding information, Transportation, 2022.
• 14. Rudnicki A., Jakość komunikacji miejskiej, SITK RP, 1999.
• 15. Wardman M., Whelan G., Twenty years of rail crowding valuation studies: evidence and lessons from British experience, Transport Reviews, 31(3), 2011.
• 16. Yap M., Cats O., van Arem, B., Crowding valuation in Urban tram and bus transportation based on smart card data, Transportmetrica A: Transport Science, 16(1), 2020.
• 17. Cats O., Dynamic modelling of transit operations and passenger decisions, Rozprawa doktorska, KTH Royal Institute of Technology (Sztokholm), 2011.
• 18. Drabicki A., Kucharski R., Szarata A., Zjawisko bus bunching w transporcie zbiorowym i jego odwzorowanie symulacyjne, Materiały X Konferencji Naukowo-Technicznej: Problemy komunikacyjne miast w warunkach zatłoczenia motoryzacyjnego, Poznań, 2017.