English
Język Polski
Budowa modelu generacji ruchu kolejowego
DOI:
https://doi.org/10.24425/ace.2022.141876Abstrakt
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.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.
Pobrania
Opublikowane
Jak cytować
Numer
Dział
