Ocena prędkości rowerzystów na różnych typach infrastruktury rowerowej z wykorzystaniem danych GPS

• Autorzy: Kieć M. , Pogodzińska S.

Warianty tytułu

EN

Assessment of speed for various types of bicycle infrastructure based on GPS data

• Języki publikacji: PL

Abstrakty

PL

W artykule oceniono prędkości chwilowe rowerzystów na wybranych elementach infrastruktury rowerowej w Krakowie, którymi były: drogi rowerowe oddzielone od jezdni, drogi rowerowe zlokalizowane przy jezdni, przejazdy rowerowe. Prędkości rowerzystów zostały oszacowane na podstawie przeprowadzonych badań empirycznych oraz analizy danych GPS z systemu rowerów miejskich Wavelo oraz danych z portalu Strava. Wyniki badań wskazują na różnice w prędkości chwilowej roweru dla różnych standardów infrastruktury rowerowej i źródła danych. Wykazano dużą zmienność prędkości rowerzystów dla poszczególnych poligonów, która charakteryzuje się dużym odchyleniem standardowym w próbach badawczych. Wartości prędkości uzyskiwane na podstawie danych z portalu Strava są o około 5,5% wyższe od prędkości notowanych w badaniach empirycznych. W przypadku rowerów miejskich prędkość wynosi około 74,5% prędkości obserwowanych w badaniach empirycznych. Wyższą zgodność wyników uzyskano w przypadku porównania prędkości z dwóch źródeł danych GPS. Prędkość rowerzystów korzystających z rowerów miejskich stanowi około 71% prędkości użytkowników portalu Strava. Przedstawione wyniki wskazują na możliwość wykorzystania danych GPS do oceny rzeczywistej prędkości rowerzystów.

EN

The article presents the cyclists’ speed on selected elements of the bicycle infrastructure in Krakow, including: bicycle paths separated from the roadway, bicycle paths in curb, bicycle crossings. Cyclist’s speed has been estimated on the basis of empirical research and GPS data from the bike sharing system Wavelo and Strava application. The results indicate differences in cyclists’ speed for different standards of bicycle infrastructure and data sources. A high variability of cyclists’ speed for measurement sites was recorded. It is characterized by a value of standard deviation in the research samples. Speed obtained from the Strava application is approximately 5.5% higher than the speed recorded in empirical research. In the case of bike sharing system, the speed is around 74.5% of the speed observed in empirical research. Greater consistency of results was obtained when comparing the speed from two GPS data sources. The speed of Wavelo is approximately 71% of the Strava users speed. The presented results indicate the possibility of using GPS data to evaluate the speed of cyclists.

Słowa kluczowe

PL

rower; prędkość; GPS; Strava; Wavelo

EN

bicycle; speed; GPS; Strava; Wavelo

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Transport Miejski i Regionalny
• Rocznik: 2018
• Tom: nr 4
• Strony: 20--24
• Opis fizyczny: Bibliogr. 27 poz., rys., tab.

Twórcy

autor

Kieć M.

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

autor

Pogodzińska S.

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

Bibliografia

• 1. Harvey F., Krizek K., Commuter Bicyclist Behavior and Facility Disruption, 2007.
• 2. Menghini G., Carrasco N., Schüssler N., Axhausen K.W., Route choice of cyclists in Zurich, Transp. Res. Part A Policy Pract., vol. 44, no. 9, 2010.
• 3. Broach J., Gliebe J., Dill J., Bicycle route choice model developed using revealed preference GPS data, TRB 2011 Annu. Meet., vol. 5464, 2011.
• 4. Broach J., Dill J., Gliebe J., Where do cyclists ride? A route choice model developed with revealed preference GPS data, Transp. Res. Part A Policy Pract., vol. 46, no. 10, 2012.
• 5. Zimmermann M., Mai T., Frejinger E., Bike route choice modeling using GPS data without choice sets of paths, Transp. Res. Part C Emerg. Technol., vol. 75, 2017.
• 6. Jónasson Á., Eiriksson H., Eðvarðsson I., Helgason K., Sæmundsson T., Optimizing expenditure on cycling roads using cyclists ’ GPS data, Sch. Comput. Sci. Reykjavik Univ., 2013.
• 7. Chen C., Anderson J.C., Wang H., Wang Y., Vogt R., Hernandez S., How bicycle level of traffic stress correlate with reported cyclist accidents injury severities: A geospatial and mixed logit analysis, Accid. Anal. Prev., vol. 108, 2017.
• 8. Strauss J., Miranda-Moreno L.F., Morency P., Mapping cyclist activity and injury risk in a network combining smartphone GPS data and bicycle counts,Accid. Anal. Prev., vol. 83, 2015.
• 9. Ma X., Luo D., Modeling cyclist acceleration process for bicycle traffic simulation using naturalistic data, Transp. Res. Part F Traffic Psychol. Behav., vol. 40, 2016.
• 10. Strauss J., Zangenehpour S., Miranda-Moreno L.F., Saunier N., Cyclist deceleration rate as surrogate safety measure in Montreal using smartphone GPS data, Accid. Anal. Prev., vol. 99, 2017.
• 11. Joo S., Oh C., Jeong E., Lee G., Categorizing bicycling environments using GPS-based public bicycle speed data, Transp. Res. Part C Emerg. Technol., vol. 56, 2015.
• 12. Fishman E., Schepers P., Global bike share: What the data tells us about road safety, J. Safety Res., vol. 56, 2016.
• 13. Imani A.F., Eluru N., El-Geneidy A.M., Rabbat M., Haq U., How does land-use and urban form impact bicycle flows: Evidence from the bicycle-sharing system (BIXI) in Montreal, J. Transp. Geogr., vol. 41, 2014.
• 14. Woodcock J., Tainio M., Cheshire J., O’Brien O., Goodman A., Health effects of the London bicycle sharing system: health impact modelling study,Bmj, vol. 348, no. feb13 1, 2014.
• 15. Buck D., Buehler R., Happ P., Rawls B., Chung P., Borecki N., Are Bikeshare Users Different from Regular Cyclists? A First Look at Short-Term Users, Annual Members, and Area Cyclists in the Washington DC Region, Transp. Res. Rec. J. Transp. Res. Board, vol. 2387, 2013.
• 16. Łastowska A., Bryniarska Z., Analiza funkcjonowania wypożyczalni rowerów miejskich w Krakowie, „Transport Miejski i Regionalny”, 2015, nr 3.
• 17. Pogodzińska S., Szacowanie natężenia ruchu rowerowego na podstawie danych z systemu rowerów miejskich, „Transport Miejski i Regionalny”, 2018, nr 1.
• 18. Allen D., Rouphail N., Hummer J., Milazzo II J., Operational Analysis of Uninterrupted Bicycle Facilities, Transp. Res. Rec. J. Transp. Res. Board, vol. 1636, 1998.
• 19. Liu X., Shen D., Ren F., Operational analysis of bicycle interchanges in Beijing, China, Transp. Res. Rec., no. 1396, 1993.
• 20. Virkler M., Balasubramanian R., Flow Characteristics on Shared Hiking/Biking/Jogging Trails, Transp. Res. Rec. J. Transp. Res. Board, vol. 1636, 1998.
• 21. Khan S., Raksuntorn W., Characteristics of Passing and Meeting Maneuvers on Exclusive Bicycle Paths, Transp. Res. Rec. J. Transp. Res. Board, vol. 1776, 2001.
• 22. El-Geneidy A., Krizek K.J., Iacono M., Predicting Bicycle Travel Speeds Along Different Facilities Using GPS Data: A Proof of Concept Model, 86th Annu. Meet. Transp. Res. Board, Washingt. D.C., USA., 2007.
• 23. Strauss J., Miranda-Moreno L.F., Speed, travel time and delay for intersections and road segments in the Montreal network using cyclist Smartphone GPS data, Transp. Res. Part D Transp. Environ., vol. 57, 2017.
• 24. Parkin J., Rotheram J., Design speeds and acceleration characteristics of bicycle traffic for use in planning, design and appraisal, Transp. Policy, vol. 17, no. 5, 2010.
• 25. Bernardi S., Rupi F., An analysis of bicycle travel speed and disturbances on off-street and on-street facilities, Transp. Res. Procedia, vol. 5, 2015.
• 26. Wei H., Huang J., Wang J., Models for estimating traffic capacity on urban bicycle lanes, in 76th annual meeting of the Transportation Research Board, Washington, DC, 1997.
• 27. Leden L., Has the City of Gothenburg Found the Concept to Encourage Bicycling by Improving Safety for Bicyclists?, in Proceedings of Velo City ’97: 10th International Bicycle Planning Conference, Barcelona, Spain, 1997.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).