Krajowy model ciężarowego transportu drogowego na podstawie wyników badań TD-E

• Autorzy: Naumov Vitalii , Szarata Andrzej , Vasiutina Hanna

Warianty tytułu

EN

National model of the road cargo transport based on the TD-E survey results

• Języki publikacji: PL

Abstrakty

PL

Modele symulacyjne systemów transportowych są kluczowym narzędziem do rozwiązywania wielu zagadnień z zakresu zarządzania tymi systemami. Metodologie tworzenia tych modeli wykorzystują zestawy danych zarówno o infrastrukturze transportowej, jak i o popycie na dostawę towarów lub przewozy pasażerów, jednak w tym zakresie wiele czynników uwzględniano na podstawie przypuszczeń z powodu złożoności modelowanych obiektów. W niniejszym artykule opisano podejście do modelowania systemu przewozów towarowych transportem drogowym w skali całej Polski, w oparciu o dane uzyskiwane przez Główny Urząd Statystyczny na podstawie badania TD-E. Takie podejście pozwala uniknąć wielu przypuszczeń dotyczących popytu na przewozy towarowe, ponieważ parametry tego popytu są oszacowywane w oparciu o próbkę reprezentującą populację generalną – zbiór wszystkich podmiotów gospodarczych kraju generujących ruch towarowy. Podstawowe procedury w opracowanym podejściu do modelowania systemu transportu towarowego zaimplementowano w postaci skryptów w języku Python. W wyniku wykorzystania proponowanej metodologii uzyskano model ciężarowego transportu drogowego w skali całego kraju na podstawie danych badania TD-E z roku 2018. Ocenę adekwatności opracowanego modelu przeprowadzono w oparciu o wyniki Generalnego Pomiaru Ruchu z roku 2015 na podstawie współczynnika determinacji jako miary jakości. Uzyskany model charakteryzuje się zadowalającą jakością (wartość współczynnika determinacji wyniosła 0.62), która może być poprawiona po kalibracji funkcji oporu przestrzeni oraz udoskonalenia procedury rozkładu ruchu na sieć drogową.

EN

Simulation models of transport systems are a key tool for addressing many issues in the field of management of these systems. The methodologies for creating such models use data sets on both transport infrastructure and demand for the freights or passenger transport, however, many factors are considered based on assumptions due to the complexity. This article describes the approach to modeling the cargo transportation system for road transport in Poland based on data obtained by the Central Statistical Office from the TD-E survey. This approach avoids many assumptions about the demand as the demand parameters are estimated based on a sample representing the general population – a set of all economic entities generating freight traffic. Basic procedures in the developed approach have been implemented as Python scripts. As a result of the use of the proposed methodology, a country-wide road transport model was obtained based on the TD-E survey from 2018. The adequacy of the developed model was assessed based on the results of the General Traffic Survey from 2015. The obtained model is of satisfactory quality (the coefficient of determination equals 0.62), which can be improved after calibrating the space resistance functions and improving the traffic distribution procedure.

Słowa kluczowe

PL

transport drogowy ładunków; badania ruchu; model symulacyjny

EN

road freight transport; traffic studies; simulation model

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Transport Miejski i Regionalny
• Rocznik: 2022
• Tom: nr 5
• Strony: 3--9
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Naumov Vitalii

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

autor

Szarata Andrzej

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

autor

Vasiutina Hanna

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

Bibliografia

• 1. Cascetta E., Transportation systems analysis. Models and applications, 2nd ed., Springer: New York, USA, 2009.
• 2. Janić M., Transport systems: Modelling, planning, and evaluation, 1st ed., CRC Press: Boca Raton, USA, 2017.
• 3. Khalili S., Rantanen E., Bogdanov D., Breyer C., Global transportation demand development with impacts on the energy demand and greenhouse gas emissions in a climate-constrained world. Energies 2019, 12, 3870.
• 4. de Blas I., Mediavilla M., Capellán-Pérez I., Duce C., The limits of transport decarbonization under the current growth paradigm, “Energy Strategy Reviews”, 2020, 32, 100543.
• 5. Naumov V., Szarata A., Vasiutina H., A Methodological approach to the real-time data analysis from the viaTOLL system, Lecture Notes in Networks and Systems 2021, 208.
• 6. Storani F., Di Pace, R., Bruno F., Fiori C., Analysis and comparison of traffic flow models: a new hybrid traffic flow model vs benchmark model, “European Transport Research Review” 2021, 13, 58.
• 7. Möller D.P.F., Introduction to transportation analysis, modeling and simulation, Springer: London, UK, 2014.
• 8. Pell A., Meingast, A., Schauer O., Trends in Real-time traffic simulation, “Transportation Research Procedia”, 2017, 25.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).