HÅNDBOG INDSAMLING, BEHANDLING OG PRÆSENTATION AF REJSETIDSDATA ANLÆG OG PLANLÆGNING. OKTOBER 2015 Høringsudgave

Transkript

1 HÅNDBOG INDSAMLING, BEHANDLING OG PRÆSENTATION AF REJSETIDSDATA ANLÆG OG PLANLÆGNING OKTOBER 2015 Høringsudgave

2 FORORD Denne håndbog omhandler indsamling, behandling og præsentation af rejsetidsdata for trafik på det danske vejnet. Håndbogen er en del af serien 'Trafikledelsessystemer'. Håndbogen for indsamling, behandling og præsentation af rejsetidsdata er udarbejdet af vejregelgruppen 'IT på vej' nedsat i Håndbogen er udarbejdet i med assistance fra COWI A/S og foreligger hermed i en en høringsudgave dateret sept 'IT på vej', havde i udarbejdelsesperioden følgende sammensætning: Stine Bendsen, Vejdirektoratet, Trafikledelsesafdelingen (formand) Anders Kruse Christiansen, Aarhus Kommune Bente Hansen, Svendborg Kommune Gitte Merstrand, Silkeborg Kommune Kennet Zeidan, Københavns Kommune (2014) Petra Schantz, Vejdirektoratet, Vejregelsekretariatet Simon Sølvason, Københavns Kommune (2015) Steen Lauritzen, Vejdirektoratet, Trafikledelsesafdelingen Thomas W. Roslyng, Vejdirektoratet, Trafikledelsesafdelingen Jens Thordrup, COWI A/S (fagsekretær) Vejregelrådet blev i september 2015 orienteret om håndbogen 'Indsamling, behandling og præsentation af rejsetidsdata'. 2 Oktober 2015

3 INDHOLDSFORTEGNELSE 1 INTRODUKTION TIL HÅNDBOGEN God samfundsøkonomi og nytte i rejsetidsdata Anvendelsesområde Anvendelse af rejsetidsdata Beskrevne teknologier til indsamling af data Supplerende nomenklatur 8 2 PLANLÆGNING AF REJSETIDSMÅLELØSNINGER Måling på strækninger eller igennem kryds Anvendelse til realtidsvisning, historisk analyse eller begge dele? Rejsetidsdata for forskellige transportformer Opbevaring af data mængde, niveauer og tid? Krav til præcision og dækning kontra pris Præsentation af rejsetider på kort, grafer eller andet? 12 3 INDSAMLING AF REJSETIDSDATA Datakilder Beskyttelse af personhenførbare data Sammenligning af datakilder ANPR/ALPR (automatisk nummerpladegenkendelse) App-lokalisering DSRC (tags) GNSS (GPS, Galileo m. fl.) Detektorspoler (induktionsspoler) Infrarød Radar Triangulering af mobiltelefonsignaler Trådløse teknologier (Registrering af bluetooth, Wi-Fi, ZigBee m.fl.) G/3G/4G lokalisering Samtidig brug af data fra forskellige kilder Verificering af rå data Opbevaring og udveksling af rå data 25 4 BEHANDLING AF REJSETIDSDATA Turmatch (udelukkende for data indsamlet efter hovedprincip 2) Datavask / filtrering Filtrering og markering af transportformer og køretøjstyper Beregning af rejsetider Middelværdier Beregning af forsinkelser og trængselsniveauer Udveksling af beregnede rejsetidsdata Opbevaring af turdata og beregnede rejsetidsdata 32 5 PRÆSENTATION AF DATA PÅ VARIABLE VEJTAVLER 32 6 PRÆSENTATION AF DATA PÅ KORT Præsentation af data for offentligheden Præsentation af data for vejbestyrelserer, teknikere mv ANVENDELSE AF REJSETIDSDATA 34 Oktober

4 7.1 Information til trafikanter Information til trafikledere Automatiseret trafikledelse Trængselsopgørelse Trafikledelsesplanlægning Optimering Trafikmodellering og simulering Evaluering 38 4 Oktober 2015

5 1 INTRODUKTION TIL HÅNDBOGEN Denne håndbog indeholder vejledning i indsamling, behandling og præsentation af rejsetidsdata til brug for vejbestyrelser og rådgivere. Udgangspunktet er, at der i Danmark over de senere år er oplevet en kraftig stigning i antallet af etablerede rejsetidsmålesystemer. Størstedelen af disse er etableret med udgangspunkt i konkrete ønsker fra vejbestyrelser om eksempelvis at oplyse trafikanter om rejsetider i realtid eller at anvende historiske data til forskellige analyseformål, eksempelvis trængselsundersøgelser, evaluering af anlægs- og optimeringsprojekter og til trafikantinformation. Samtidig har den teknologiske udvikling betydet, at der nu findes et betydeligt antal datakilder og behandlingsmetoder, såvel som forskellige måder at præsentere data på. Imidlertid er kun få af løsningerne etableret, så eksempelvis standardiseret dataudveksling imellem vejbestyrelser og eksterne parter er mulig. Der har heller ikke været grundlæggende retningslinjer for, hvorledes rejsetider beregnes eller præsenteres og på hvilket datamæssige grundlag. Herved er der et ønske om at dele data på tværs af både vejbestyrelser og de enkelte rejsetidsmålesystemer, som mangler praktisk understøttelse. Håndbogens overordnede formål er således at understøtte vejbestyrelsernes valg i forbindelse med etablering af rejsetidsmålesystemer. Ønsket er herved at forbedre mulighederne for at arbejde sammen på tværs af vejbestyrelser i forbindelse med både indsamling, behandling og præsentation af rejsetidsdata. Håndbogen giver de danske vejbestyrelser et pejlemærke, som kan hjælpe med til at træffe de rigtige valg om indkøb af systemer til rejsetidsmålinger eller ved indkøb af rejsetidsdata. Håndbogen er således tænkt som en støtte, der kan medvirke til, at rejsetidsdata dels har en sammenlignelig kvalitet og dels kan deles imellem flere parter, og ikke mindst at kvaliteten af rejsetidsdata svarer til det ønskede. Håndbogen indeholder derudover også en samling af eksempler på anvendelse af rejsetidsdata til forskellige formål. Eksempelsamlingen understøtter vejbestyrelserne som inspiration til at få så meget ud af investeringerne i rejsetidsmåleløsninger som muligt. Tendensen er i denne henseende, at rejsetidsdata i stigende grad anvendes til mere og andet end blot opgørelser over netop rejsetider. 1.1 God samfundsøkonomi og nytte i rejsetidsdata Forbedret udnyttelse af infrastruktur og optimering af ITS-løsninger kan bidrage til at reducere trængsel på vejene og de afledte samfundsøkonomiske omkostninger forbundet hermed. Indsamlede rejsetidsdata giver også samfundsøkonomisk værdi og værdi for trafikanterne, hvis de anvendes til trafikinformation. Nøglen til at kunne gennemføre forbedringer og optimeringer ligger i høj grad i anvendelse af trafikdata, hvor indsamling og udnyttelsen af rejsetidsdata i særdeleshed kan understøtte indsatser, der reducerer trængsel, da kortlægningen af trængsel netop er direkte relateret til rejsetider. Denne håndbog understøtter således behovet for at udbrede viden om indsamling, behandling, præsentation og også anvendelse af rejsetidsdata. Oktober

6 Som følge af, at den aktive anvendelse af rejsetidsdata direkte kan forbedre trafikafviklingen, kan der være god samfundsøkonomi i at anvende denne type data. Værdien opstår dog først, når data anvendes til forbedringer. Hvorvidt den enkelte løsning bestående af både indsamling, behandling og præsentation af rejsetidsdata er samfundsøkonomisk rentabel, beror på en konkret vurdering. Værdien stiger i takt med, at kvalitet, kvantitet og tilgængeligheden til rejsetidsdata stiger, eksempelvis som deling af data på tværs af vejbestyrelser. Tilsvarende stiger værdien, når samme data kan anvendes til mere end ét formål. Hvis anvendelsen af rejsetidsdata således kan resultere i en bedre udnyttelse af infrastruktur, hvorved udvidelse eller nyanlæg kan udskydes eller måske helt undgås, er der alt andet lige gode betingelser for et positivt samfundsøkonomisk afkast. 1.2 Anvendelsesområde Håndbogen finder anvendelse for vejbestyrelser, der ønsker at etablere løsninger til indsamling, behandling og præsentation af rejsetidsdata. Målgruppen er dermed både det tekniske personale hos vejbestyrelserne, der arbejder med trafikledelse og planlægning, men også beslutningstagerne i vejbestyrelserne, for hvem det er vigtigt at have en indsigt i de muligheder og begrænsninger, som valget af løsninger medfører. Ved at følge håndbogens retningslinjer vil vejbestyrelserne kunne øge værdien af deres investeringer i rejsetidsmåleløsninger, både i forhold til hvor meget den enkelte vejbestyrelse kan få ud af deres specifikke løsning, og i forhold til om data og resultater kan deles på tværs af vejbestyrelser og tredjepart. Håndbogen tager udgangspunkt i kørende (individuel) trafik på veje. De beskrevne principper for både indsamling, behandling og præsentation af rejsetidsdata kan også finde anvendelse for andre transportformer, herunder kollektiv trafik samt cykel- og fodgængertrafik. I disse tilfælde vil der typisk være behov for nærmere at overveje specifikke forhold, der er gældende for de pågældende transportformer, herunder eksempelvis at kollektiv trafik har planlagte stop, og at cyklister og fodgængere generelt færdes med en langt større hastighedsspredning end andre transportformer. 1.3 Anvendelse af rejsetidsdata I takt med, at udbredelsen af rejsetidsmåleløsninger i Danmark er øget, er også anvendelsen af de indsamlede data udviklet. Fra udelukkende at anvende data til at vise den aktuelle trafiksituation på eksempelvis et kort, står rejsetidsdata nu centralt i forhold til en række anvendelser i både realtid og i forbindelse med analysearbejder. Figur 1 viser en kort oversigt over de overordnede anvendelser, rejsetidsdata finder i Danmark. En nærmere beskrivelse af anvendelserne findes i kapitel 7. 6 Oktober 2015

7 Anvendelse af rejsetidsdata Overordnet anvendelse Eksempler Udbredelse i Danmark Information til trafikanter Rejsetider på variable vejtavler. Trafiktilstande på web, i apps og i ruteplanlæggere / navigationssystemer. Information til trafikledere Rejsetider i integrerede TL-systemer. Hændelsesdetektering. Overvågning af vejarbejder og planlagte hændelser. Aktiv trafikledelse Rutevalgs- og (hændelses)information på variable vejtavler, i apps og i ruteplanlæggere / navigationssystemer. Styring af trafiksignalanlæg. Trængselsopgørelse Beregning af forsinkelser på veje, vejnet og i kryds. Udpegning af trafikale flaskehalse. Trafikledelsesplanlægning Beregning af indikatorer til anvendelse i trafikledelsesplanlægning. Opfølgning på politiske målsætninger. Optimering Detaljeret historisk analyse af separate trafikstrømme igennem knudepunkter. Udpegning af indsatsområder. Trafikmodellering og -simulering Kalibrering af modeller. O/D relationer. Evaluering Effektvurdering af: Nye veje. Optimeringsprojekter. Lukning af veje. Prioritering af kollektiv trafik. Detaljeret vej/tid-kortlægning. Figur 1 Anvendelse af rejsetidsdata samt udbredelsen heraf i Danmark. Anvendes hos Vejdirektoratet samt i enkelte, større kommuner. Anvendes hos Vejdirektoratet i begrænset omfang. Anvendes ikke, men enkelte forsøg er gennemført. Anvendes hos Vejdirektoratet og færre end ti kommuner. Anvendes hos Vejdirektoratet og færre end ti kommuner. Anvendes hos Vejdirektoratet og færre end ti kommuner. Anvendes hos Vejdirektoratet samt i enkelte, større kommuner. Anvendes hos Vejdirektoratet og enkelte større kommuner. De i håndbogen beskrevne principper for indsamling, behandling og præsentation kan grundlæggende anvendes både i permanente løsninger og i løsninger, som midlertidigt etableres i forbindelse med eksempelvis trafikale omlægninger ved anlægsarbejder eller lignende. Dog giver permanente løsninger mulighed for at foretage korrektioner af behandlede data, såfremt der i driftsperioden opstår behov herfor. Midlertidige løsninger giver ikke mulighed herfor, og eventuelle fejl i behandlingen af data kan være særdeles svære at opdage og korrigere, når løsningen ikke længere er i drift. Oktober

8 1.4 Beskrevne teknologier til indsamling af data I denne håndbog tages udgangspunkt i anvendelse af følgende teknologier til dataindsamling, der alle er nærmere beskrevet i afsnit 3.1: ANPR/ALPR: Automatic Number Plate Recognition / Automatic License Plate Recognition. App-lokalisering: Lokalitetsdata fra apps på smartphones, tablets mv. DSRC: Dedicated Short-Range Communications (tags). GNSS: Global Navigation Satellite System (GPS og Galileo m.fl.). Induktionsspoler: Detektering ved anvendelse af nedfræsede induktionsspoler i kørebaner. Infrarød: Detektering ved anvendelse af infrarød registrering af passerende køretøjer. Radar: Detektering ved anvendelse af radarregistrering af passerende køretøjer. Triangulering af mobiltelefoner: Lokalisering af mobiltelefoner baseret på signalstyrkeforhold. Trådløse teknologier: Lokalisering af eks. Bluetooth, Wi-Fi og Zigbee-enheder med vejsidesensorer. 2G/3G/4G lokalisering: Lokalisering af mobiltelefoner baseret på karakteristika af kontroldata for mobiltelefoner. Det er forventningen, at der fremadrettet vil opstå yderligere dataindsamlingsmuligheder, eksempelvis 5G lokalisering, anvendelse af droneoptagelser, termiske kameraer mv. Data fra disse vil skulle behandles efter samme hovedprincipper som beskrevet i denne håndbog, om end data kan have andre karakteristika, som skal håndteres i forbindelse med etablering af en løsning baseret herpå. 1.5 Supplerende nomenklatur Foruden betegnelser for teknologier til dataindsamling nævnt i afsnit 1.4 anvendes bl.a. betegnelser som nævnt i figur 2. Betegnelse DATEX II RRT Forklaring DATEX II er en standard, der er udviklet til brug for udveksling af information mellem trafikinformationscentre. Standarden er udviklet og vedligeholdes under EU's EasyWay-projekt. Reference-RejseTid (RRT) anvendes i relation til en aktuel rejsetid for at fastlægge en forsinkelse på det givne tidspunkt. RRT kan fastlægges på forskellig vis. Det er derfor vigtigt at anvende samme definition på RRT, når forsinkelser skal sammenlignes. Realtid Figur 2 Supplerende nomenklatur Reference til et system, der reagerer på en hændelse, når den sker. I trafikledelsessystemer vedrører realtid forsinkelsen mellem hændelsen og den information, der er aktuel for trafikanter. Den acceptable forsinkelse kan variere mellem forskellige typer af trafikledelsessystemer. 8 Oktober 2015

9 2 PLANLÆGNING AF REJSETIDSMÅLELØSNINGER Et rejsetidsmålesystem består af tre hovedaktiviteter: 1. Indsamling af data 2. Behandling af data 3. Præsentation af data Aktiviteterne er som udgangspunkt adskilte. Afhængigt af de enkelte indsamlingsmetoder, behandlings- og præsentationssystemer, kan det være hensigtsmæssigt at gennemføre alle aktiviteter mere eller mindre integreret i ét samlet system. Samtidig er der på markedet generelt systemer, der har integration af alle tre hovedaktiviteter. I nogle tilfælde er det således muligt at beskrive tydelige grænseflader imellem hver aktivitet, mens der i andre tilfælde ikke er mulighed for at adskille eksempelvis indsamling og behandling, mens præsentation kan foretages i et eksternt system osv. Det er under alle omstændigheder essentielt forud for valg af en løsning, at anvendelsesformålet for rejsetidsdata gøres klart, idet dette er direkte styrende for planlægning af systemet, det detaljerede systemdesign, samt specifikke valg af metoder til indsamling, behandling og præsentation af data. Således anbefales det nøje at overveje både de direkte anvendelsesformål, men også afledte formål, som kan opfyldes ved at træffe de rigtige valg allerede inden etablering af en løsning til rejsetidskortlægning. Dette er især vigtigt, idet valg af nogle løsninger kan begrænse mulighederne for i fremtid at udnytte data til mere end lige netop dét, en given løsning er designet til. Eksempelvis kan en løsning designet til at indsamle rejsetider på vejstrækninger imellem kryds ikke anvendes til detaljeret at kortlægge forsinkelser igennem kryds. Viser dette sig at være et ønske på et senere tidspunkt, vil indsamlede data ikke i udgangspunktet kunne anvendes hertil, og en helt ny løsning må i stedet etableres. Som følge af, at anvendelsen kan være forskellig de enkelte løsninger imellem, kan der ikke opstilles specifikke krav til, hvorledes indsamling, behandling og præsentation af data skal foregå. I det følgende er i stedet beskrevet forhold, som skal overvejes allerede i forbindelse med planlægningen af en løsning på generelt niveau. I planlægningsprocessen er det nødvendigt at etablere en klar specifikation af de krav, som den ønskede rejsetidsmåleløsning skal leve op til. I denne bør der være fokus på, hvad løsningen skal anvendes til, frem for at fokusere på anvendelse af ønskede metoder. Afhængigt af kravspecifikationen er det efterfølgende muligt at udpege de indsamlings-, behandlings- og præsentationsmetoder, der bedst vil egne sig i det pågældende tilfælde. Forhold omkring indsamling, behandling henholdsvis præsentation af data er i denne håndbog beskrevet i de respektive kapitler herfor. 2.1 Måling på strækninger eller igennem kryds Måling af rejsetider kan foretages på strækninger eller igennem kryds ved enten at placere målesnit i kryds eller mellem kryds som illustreret i figur 3 og figur 4. Det bemærkes, at der i et Oktober

10 samlet vejnet omtrentligt vil skulle anvendes det samme antal målesnit uanset valg af placering i eller mellem kryds. Figur 3 Placering af målesnit i kryds til måling af rejsetider på strækninger mellem kryds. Figur 4 Placering af målesnit mellem kryds til måling af rejsetider gennem kryds. Måling af rejsetider på strækninger imellem kryds kan foretages ved at placere målesnit i krydsene, hvorved trafik imellem to målesnit repræsenterer trafikken imellem krydsene. Denne placering giver ikke mulighed for detaljeret analyse af forsinkelser i de enkelte svingstrømme i kryds, hvorved anvendelsesmulighederne for den samlede løsning begrænses. I praksis vil placering af målesnit i kryds medføre, at de indsamlede data ikke umiddelbart kan bringes til at være repræsentative for hverken ligeudkørende eller svingende trafikanter. Dette som følge af, at den oplevede rejsetid for en trafikant netop er afhængig af, om denne skal ligeud eller svinge i et kryds. Hvis alle trafikanter måles, vil resultatet ikke stemme overens med den oplevede rejsetid for nogen trafikanter. Hvis kun ligeudkørende måles, vil data kun være repræsentative for netop de ligeudkørendes oplevede rejsetid. Placering af målesnit i kryds er derfor bedst egnet til at foretage overordnede beregninger af trængslen, hvor specifikke forhold for enkelte trafikstrømme igennem kryds ikke er afgørende. Traditionelt opfattes rejsetider typisk som værende imellem kryds (strækningstider). Omvendt vil en placering af målesnit imellem kryds betyde, at det ikke umiddelbart vil kunne lade sig gøre at anvende de indsamlede rejsetidsdata direkte til visning af rejsetider imellem kryds (strækningsrejsetider). Samlet set giver en placering af målesnit imellem kryds flest anvendelsesmuligheder og tillige den største præcision i selve målingerne, idet målesnit er bedre defineret hér, end hvis de placeres i kryds. I kryds vil der altid være flere vognbaner (typisk ligeud, højre og venstre). Uanset i hvilken 10 Oktober 2015

11 vognbane målesnittet placeres, vil data ikke kunne blive repræsentative for alle vognbaner. På en strækning imellem kryds passerer alle trafikanter til eller fra krydset. Da valget af vognbane foregår senere end i målesnittet, kan data for den enkelte svingstrøm isoleres. Endvidere vil der hyppigt være betydelig kødannelse ved kryds, hvilket rejser tvivl om, hvornår en passage af et målesnit i praksis foretages, eksempelvis som følge af gentagne stop og start. Som følge af konsekvenserne ved at vælge placering af målesnit i eller mellem kryds, er det afgørende at have overvejet konsekvenserne grundigt, inden der træffes beslutning om placering i planlægnings- og designfasen, især for de dataindsmalingsmetoder, der kræver installation af vejsideudstyr (se afsnit 3.1). 2.2 Anvendelse til realtidsvisning, historisk analyse eller begge dele? En løsning, der udelukkende sigter mod, at rejsetider skal præsenteres i realtid, er væsentligt simplere at etablere og drive end en løsning, hvor også historisk analyse skal kunne foretages. En realtidsløsning kan således i sin simpleste udgave indsamle og behandle data og efterfølgende præsentere resultaterne på eksempelvis kort, uden et nødvendigt krav om eksempelvis at gemme resultaterne til fremtidig brug, ligesom alle elementer vedrørende analyse af data kan udelades. Ved rejsetidsberegninger i realtid, er det endvidere vigtigt at tage stilling til, hvad realtid er, og hvilken betydning begrebet har i det konkrete anvendelsestilfælde. Her bør særligt overvejes, om rejsetidsinformation i realtid skal anvendes til trafikanters rutevalg, ændring af trafiksignalanlægs grøntidsfordelinger mv. Særligt trafikanters rutevalg er afhængigt af, at informationen leveres meget hurtigt, og "graden" af realtid bør derfor være høj i sådanne tilfælde. Eksempelvis kan en forsinkelse på 2-3 minutter i processen med at indsamle, behandle og præsentere data betyde, at trafikanter ikke får vigtig information i tilstrækkelig tid til at kunne træffe de rigtige valg på baggrund heraf. Historisk analyse stiller derimod krav til både opbevaring af data, forskellige former for behandling og beregning af flere typer resultater og ikke mindst, at præsentation og sammenligning af data kan foretages på flere måder og for forskellige tidsrum mv. Rejsetidsmåleløsninger giver mulighed for at anvende indsamlede data både til realtidsvisning og historisk analyse. Set i lyset af, at muligheden for at gennemføre historiske analyser repræsenterer en betydelig værdi for vejbestyrelserne, kan det ikke anbefales at etablere en løsning udelukkende til realtidsvisning af rejsetidsdata. 2.3 Rejsetidsdata for forskellige transportformer I planlægningen af en rejsetidsmåleløsning skal overvejes, hvilke transportformer rejsetiden ønskes for. I udgangspunktet har begrebet rejsetider i trafikken primært handlet om motortrafik. I takt med at både dataindsamlings-, behandlings- og anvendelsesmulighederne er forbedret, kan det imidlertid også være relevant at beskæftige sig med rejsetider for andre trafikformer. Således er det i praksis muligt at arbejde med rejsetider for både motortrafik (herunder specifikt for eksempelvis personbiler, busser, lastbiler mv.) og for cyklister og fodgængere. Der vil dog være behov at anvende forskellige metoder inden for både indsamling, behandling og præsentation af rejsetidsdata, afhængigt af, hvilke transportformer der ønskes kortlagt. Det vigtige i denne sammenhæng er, at valg af metoder kan medføre, at den valgte løsning ikke fremadrettet Oktober

12 umiddelbart vil kunne anvendes til eksempelvis rejsetidsdata for cyklister, hvis ikke løsningen fra starten er indrettet hertil. 2.4 Opbevaring af data mængde, niveauer og tid? I dag er dataopbevaring ikke længere forbundet med udfordringer relateret til opbevaringsplads og beregningsperformance, idet opbevaring og behandling i udgangspunktet kan skaleres til at kunne håndtere behovene i en hvilken som helst løsning. Det anbefales i udgangspunktet, at de indsamlede rejsetidsdata gemmes på flere niveauer: 1. De rå data indsamlet i målesnit. 2. Turdata mellem målesnit, dvs. enkeltkøretøjers registrerede tur imellem to eller flere målesnit. 3. Beregnede rejsetider, forsinkelser m.fl. mellem målesnit. Værdien af dataopbevaring på disse niveauer ligger i, at data efterfølgende kan analyseres og anvendes til andre og flere formål end lige nøjagtigt de, der eksisterede ved etablering af rejsetidsmåleløsningen. Dermed sikres en dynamik, som tillader maksimal udnyttelse af de indsamlede data også på sigt. Hertil kommer, at de historiske data giver mulighed for at dokumentere rejsetidsberegningers validitet, hvis det bliver nødvendigt i en drifts- eller analysesituation. Hvis rå data ikke opbevares, er der risiko for, at anvendelse af beregnede rejsetider kan føre til forkerte beslutninger, hvis ikke beregningerne kan efterprøves. Dette er særligt vigtigt i tilfælde, hvor rejsetidsdata anvendes til prioritering af større investeringer, og dokumentation af beregninger derfor er et krav for med sikkerhed at kunne understøtte valg af løsninger. 2.5 Krav til præcision og dækning kontra pris Metoder til både indsamling, behandling og visning af rejsetidsdata er forskellige, både med hensyn til dækning, målepræcision og muligheder for datavisning og analyse, og med hensyn til pris. I mange tilfælde vil de bedste metoder også kræve de største investeringer i både etablering og drift, men i flere tilfælde vil billigere metoder kunne levere den tilstrækkelige kvalitet med reference til formålet med den enkelte løsning. 2.6 Præsentation af rejsetider på kort, grafer eller andet? Præsentation af beregnede rejsetider kan foretages på kort, på grafer, i apps mv. De bedste metoder herfor afhænger dels af, hvad formålet med præsentationen er, og dels hvem målgruppen er. De fleste rejsetidsmåleløsninger er relativt tekniske, og det er altid nødvendigt at overveje, hvordan eksempelvis offentlig præsentation af data kan foretages på en let forståelig måde, som ikke forudsætter særligt kendskab til løsningernes tekniske detaljer. 12 Oktober 2015

13 3 INDSAMLING AF REJSETIDSDATA Indsamling af data til kortlægning af rejsetider og -hastigheder kan overordnet foregå efter to hovedprincipper: 1. Registrering af hastighed i et punkt på vejnettet. 2. Beregning af rejsetid fra ét snit på vejnettet til et andet snit. I hovedprincip 1 matches målte hastigheder til punkter på vejnettet. Hver registrering indeholder oplysninger om eksakt lokalitet, kørehastighed og køreretning. Dataoutputtet er hastigheder i "punkter", eventuelt suppleret med oplysninger som eksempelvis unik køretøjs-id, køretøjstype mv. Med udgangspunkt i de indsamlede hastigheder i et givent antal punkter beregnes en strækningshastighed og en afledt rejsetid. Princippet er illustreret i figur 5. Figur 5 Beregning af rejsetider baseret på hastighedsmålinger i punkter (hovedprincip 1). Hovedprincip 1 har den fordel, at passage af det enkelte punkt kan rapporteres på samme tid som selve passagen foregår, hvilket betyder, at også den afledte hastighed og rejsetid kan beregnes på dette tidspunkt. Til gengæld er princippet følsomt over for fejlregistrering af hastigheder i de enkelte punkter og princippet giver ikke mulighed for at belyse trafikkens afvikling, hastighed eller faktiske rejsetid optimalt imellem målepunkterne. Dette kommer især til udtryk i trafiksituationer, hvor der er kø-kørsel eller, hvor der forekommer kraftig acceleration eller opbremsning imellem de enkelte målepunkter, hvorved repræsentativiteten af de målte hastigheder i punkterne ikke nødvendigvis er god. Måling af rejsetid med vejsideudstyr efter hovedprincip 1 er normalt ikke anvendeligt, hvis der er vejkryds på strækningen. Hvis der imidlertid er tale om punkter genereret af køretøjer (fx GNSS), og der er tale om en stor punktfrekvens, kan princip 1 være brugbart, også ved passage af kryds, ved kø og kørsel med varierende hastighed. Hovedprincip 2 tager udgangspunkt i at registrere køretøjer i to eller flere på hinanden følgende snit og forudsætter således, at der for hvert køretøj er en mulighed for at identificere dette unikt. Ved hvert registreringssnit indsamles information om unik ID for det enkelte køretøj samt det eksakte passagetidspunkt. Dataoutput er unik ID for køretøjer registreret i de definerede punkter med tilhørende tidsstempel. Princippet er illustreret i figur 6. Figur 6 Beregning af rejsetider baseret på målinger af rejsetider mellem punkter (hovedprincip 2). Oktober

14 Hovedprincip 2 har den fordel, at den beregnede rejsetid imellem to målepunkter reelt er baseret på, at køretøjer faktisk har gennemkørt den pågældende strækning. Dermed belyser princippet trafikkens reelle afvikling imellem punkter på vejnettet. Til gengæld beregnes rejsetiden først, når en strækning er gennemkørt, hvilket betyder, at beregnede rejsetider er forsinket med den aktuelle rejsetid imellem målepunkterne. 3.1 Datakilder Forskellige kilder leverer data med forskellig præcision til forskellige installations- og driftspriser, ligesom behovet for vedligeholdelse af både fysisk udstyr og software mv. er forskelligt. Grundlæggende kan datakilderne inddeles i to hovedtyper: 1. Kilder, der ikke kræver installation af vejsideudstyr. 2. Kilder, der kræver installation af vejsideudstyr. I figur 7 er vist en oversigt over de almindelige kilder, der kan anvendes i forbindelse med indsamling af rejsetidsdata fordelt på hovedprincipper for indsamling af data samt på, hvorvidt de kræver vejsideudstyr eller ej. Det bemærkes, at nogle kilder kan levere data til anvendelse efter begge hovedprincipper, mens andre udelukkende egner sig til levering af data efter ét af principperne. Der er desuden en konstant udvikling i indsamlingsmetoder, og det må forventes, at der over tid opstår nye muligheder. Disse forventes generelt at kunne anvendes efter samme hovedprincipper. Det vil ikke i alle tilfælde kunne lade sig gøre at få adgang til data på alle ønskelige niveauer og i alle ønskelige detaljeringsgrader, idet nogle dataleverandører udelukkende tilbyder salg af eksempelvis færdigberegnede rejsetidsdata. I disse tilfælde bør det overvejes, om den reducerede detaljeringsgrad medfører, at anvendeligheden og fleksibiliteten begrænses så væsentligt, at en anden datakilde bør anvendes. Det er her især vigtigt at være klar over, at manglende data på de nederste niveauer (rå data og turdata) kan betyde, at nogle analyser ikke vil kunne gennemføres med tilbagevirkende kraft, hvorved data typisk kun vil kunne anvendes til eksakt det formål, de indledningsvis er indsamlet til. Hovedprincipper for indsamling af rå data Hovedprincip 1 (punktbaseret) Kræver vejsideudstyr Induktionsspoler Radar Infrarød Kræver ikke vejsideudstyr GNSS (GPS, Galileo m. fl.) App-lokalisering Figur 7 Datakilder fordelt imellem hovedprincipper og krav til vejsideudstyr. Hovedprincip 2 (strækningsbaseret) ANPR/ALPR Trådløse teknologier DSRC (tags) 2G/3G/4G lokalisering (Induktionsspoler) 1 GNSS (GPS, Galileo m.fl.) Triangulering af mobilsignaler App-lokalisering 1 Anvendelsen af induktionsspoler til køretøjkenkendelse er en følsom teknologi, der kræver betydeligt vedligehold for at fungere på sigt. 14 Oktober 2015

15 3.1.1 Beskyttelse af personhenførbare data I Danmark er set eksempler på, at offentligheden har udvist bekymring for, om personhenførbare data er tilstrækkeligt beskyttede i forbindelse med rejsetidsmåleløsninger. Bekymringen er reel og skal tages alvorligt, da det for flere datakilders vedkommende i udgangspunktet kan diskuteres, om data kan henføres til enkeltpersoner. Dette drejer sig om følgende kilder: ANPR/ALPR (nummerplader kan henføres til ejere af køretøjer, hvis der ikke blot anvendes mønstergenkendelse). Trådløse teknologier (MAC-adresser kan ikke direkte henføres til ejere af eks. telefoner, men offentligheden stiller spørgsmål hertil). DSRC (tags kan henføres til ejere, såfremt ejere er registrerede). 2G/3G/4G lokalisering (unikke telefondata kan henføres til ejere) GNSS (data kan ofte henføres til ejere af køretøjer, abonnenter på navigationsservices o.l.). Uanset valget af datakilde skal eventuelle personhenførbare data beskyttes i henhold til EU direktiv 95/46/EF af 24. oktober 1995 om beskyttelse af fysiske personer i forbindelse med behandling af personoplysninger og om fri udveksling af sådanne oplysninger. Direktivet ventes erstattet af en persondataforordning fra EU gældende fra I denne henseende skal i dataindsamlingen fjernes de mulige referencer i data, der kan anvendes til at identificere individer. Dette kan gøres som følger: 1. Kryptering af den indsamlede unikke ID med en-vejs kryptering. 2. Trunkering af den krypterede værdi (dvs. fjernelse af eks. de sidste to cifre). 3. Re-kryptering af den trunkerede værdi (2) ved anvendelse af en ny krypteringsnøgle, der skiftes eksempelvis én gang i døgnet. 4. Evt. trunkering af den re-krypterede værdi. Principperne for fjernelse af eventuelle personhenførbare data er vist i figur 8. Figur 8 Princip for kryptering og trunkering af køretøjsdata. Oktober

16 Præcision Fleksibilitet Registreringssikkerhed Investeringsomkostninger Driftsomkostninger ANLÆG OG PLANLÆGNING Disse trin skal i givet fald foregå på den centrale server ved modtagelse af data fra de enkelte dataindsamlingsenheder. Det bemærkes, at disse trin er nødvendige i tilfælde, hvor der er krav eller ønske om ikke at kunne identificere de samme køretøjer over tid, eksempelvis fra dag til dag. Der skal desuden rettes opmærksomhed mod, at selve datatransmissionen foregår på en sikker måde Sammenligning af datakilder De enkelte datakilder har alle fordele og ulemper, og nogle kilder egner sig bedre til indsamling af data til bestemte formål end andre. Figur 9 viser en oversigt over de enkelte datakilders karakteristika på forskellige punkter, der bør overvejes i forbindelse med valg af løsning. Sammenligning af datakilder ANPR/ALPR Høj* Høj Lav Høj Høj App-lokalisering Lav Middel Høj Middel Middel DSRC Middel Høj Lav Høj Lav GNSS Middel Høj Høj Middel Høj Induktionsspoler Høj Høj** Lav Høj Høj Infrarød Høj Høj Middel Middel Middel Radar Høj Middel*** Middel Høj Middel Triangulering af mobiltelefoner Høj Lav Høj Middel Lav Trådløse teknologier Middel Middel Høj Lav Lav 2G/3G/4G lokalisering Middel Middel Høj Middel Lav Figur 9 Oversigt over datakilder styrker og svagheder i forhold til betydende forhold. * Det bemærkes, at ANPR/ALPR er følsomt overfor vejrforhold samt rengøring af linser. ** Specielt ved tætliggende spoler på strækninger uden vejkryds. Dog kan sploer have vanskeligt ved at registrere meget lave hastigheder. *** Radarer kan have vanskeligt ved at registrere lave hastigheder. I det følgende gennemgås de enkelte datakilder. For alle kilder er det forudsat, at dataindsamlingssystemet er korrekt designet i henhold til formålet med rejsetidskortlægningen, samt at installation og vedligeholdelse af dataindsamlingssystemet foretages forskriftsmæssigt. Erfaringsvist kan dette være en udfordring, og ofte som følge af manglende vedligehold. For hver datakilde er beskrevet overordnede forhold omkring: Princip og udstyr: Hvorledes foregår dataindsamlingen i praksis? Registreringssikkerhed: Hvor stor en andel af trafikken kan registreres? 16 Oktober 2015

17 Præcision: Hvor præcist registreres de enkelte køretøjer geografisk, og kan der skelnes mellem køretøjstyper? Styrker og svagheder: Hvad er de største fordele / ulemper ved den pågældende kilde? Fleksibilitet: Hvor let er det at installere, drive og ændre et system baseret på kilden (dvs. flytning, fjernelse eller tilføjelse af målesnit)? Omkostninger: Hvilke omkostningsniveauer kan forventes i forbindelse med installation og drift? ANPR/ALPR (automatisk nummerpladegenkendelse) Dataindsamling foretages ved anvendelse af (infrarøde) kameraer opsat ved siden af eller over kørebanen. Der skal typisk anvendes ét kamera pr. 2-3 vognbaner, og det er altid nummerpladen på køretøjernes forende, der bør affotograferes (sættevogntog samt køretøjer med trailer mv. har forskellige nummerplader på for- og bagende af det samlede køretøj). Landbrugskøretøjer og motorcykler kan dog ikke registreres hverved. Alle kameraer skal uanset placering aflæse samme nummerplade altså enten forende eller bagende. Ved de enkelte målesnit tidsstemples passerende køretøjer. Data indsamles efter hovedprincip 1, og ANPR/ALPR kræver opsætning af vejsideudstyr. ANPR/ALPR kan registrere over ca. 95 % af alle passerende køretøjer med en meget præcis geometrisk præcision, idet selve kamerasnittet er veldefineret (+/ meter), hvorved indsamlingsmetoden i praksis i dag giver det bedste datagrundlag. Disse forhold repræsenterer de største styrker ved ANPR/ALPR. Til gengæld er ANPR/ALPR-dataindsamlingssystemer følsomme i forhold til elementer, der kan forstyrre kameraernes frie udsyn til køretøjerne, herunder beplantning og for vejrlig, hvor især tæt tåge, kraftig regn og sne i perioder helt kan blokere for dataindsamling. I praksis er registreringssikkerheden derfor ofte lavere end ønsket som følge af manglende vedligeholde eller dårligt vejr. ANPR/ALPR kan skelne køretøjstyper, enten ved avanceret billedgenkendelse, eller ved direkte opslag i registreringsdatabasen. Sidstnævnte kræver særlig opmærksomhed omkring sikkerhed vedr. beskyttelse af personhenførbare data. Fleksibiliteten for ANPR/ALPR-dataindsamlingssystemer er meget lav som følge af det betydelige arbejde, der er forbundet med installation (og flytning) af målesnit. ANPR/ALPR er generelt omkostningstungt at implementere, da der ofte kræves etablering af master / portaler samt beskæring af beplantning mv. for at sikre frit udsyn. Hertil kommer også fremføring af strøm i forbindelse med etableringen. Hvis der findes anvendelige monteringssteder, kan omkostningen reduceres. Dernæst er der er en betydelig driftsomkostning forbundet med at sikre, at kameraerne altid har frit udsyn både i forhold til beplantning, men også med hensyn til at rengøre linser og sikre, at kameraerne i altid peger i de rigtige retninger og er korrekt fokuserede på de tilsigtede vognbaner App-lokalisering Dataindsamling er baseret på anvendelse af indsamlede positionsdata fra forskellige apps til telefoner, tablets mv. Disse kan eksempelvis være apps til navigation, sociale medier, trafiktjenester o.l. Oktober

18 Data kan indsamles efter både hovedprincip 1 og 2, afhængigt af, hvilke tidsintervaller og geometriske præcisionsniveauer, de enkelte apps arbejder med. Der kræves ikke installation af vejsideudstyr. App-lokalisering kan i nogle tilfælde være et biprodukt af de konkrete apps, hvorved data i nogle tilfælde kan erhverves billigt og eksempelvis for udvalgte perioder og områder, hvilket er datakildens største styrke. Betydelige dele af dataindsamlingen er i praksis ikke mulig at kontrollere, idet der typisk ikke er mulighed for at opnå indblik i eksakt, hvordan de enkelte positioner samt evt. hastigheder registreres. Endvidere er registreringssikkerheden ukendt, direkte afhængig af antallet af brugere af de enkelte apps, og kan i høj grad indeholde bias, som ikke nødvendigvis kan identificeres (eksempelvis hvis en bestemt type brugere af apps også har bestemte trafikvaner). Dernæst kan ændringer i de konkrete indsamlingsmetoder betyde, at datastruktur og resultater ændrer sig, uden at dette fremgår af data. App-lokalisering giver ingen sikker mulighed for at identificere køretøjstyper. Fleksibiliteten er typisk høj, da data netop kan indkøbes efter behov og også ofte med tilbagevirkende kraft hos forskellige internationale udbydere, der struktureret indkøber, organiserer og videresælger lokationsdata fra forskellige apps. Omkostningerne forbundet med app-lokalisering afhænger i høj grad af både det tidsmæssige og geografiske omfang af data DSRC (tags) DSRC er en trådløs teknologi, der forudsætter, at de enkelte køretøjer udstyres med en "tag", der kan aflæses eksempelvis i den enkelte vognbane ved betalingsanlæg el. lign. DSRC anvendes primært til BroBizz og andre betalingssystemer. DSRC er designet til at registrere køretøjer med en hastighed op til 120 km/t. Registreringen, der anvendes i Danmark, forudsætter dog ofte, at de registrerede køretøjers hastighed er relativt lav på passagetidspunktet (typisk op til ca. 30 km/t). Data indsamles efter hovedprincip 2, og DSRC kræver opsætning af vejsideudstyr. DSRC registrerer alle passerende køretøjer, der har tags installeret. Dette betyder omvendt, at der er en direkte afhængighed af andelen af køretøjer med tags. Registreringen foretages med en meget præcis geometrisk præcision, idet selve målesnittet er veldefineret (+/ meter). Data indsamlet med DSRC er i forbindelse med brug til rejsetidsberegninger et biprodukt af eksempelvis betalingssystemer. Herved er fleksibiliteten ringe, idet udvidelse af geografiske dækningsområder (flere vejstrækninger) i praksis ikke er mulig som følge af relativt kort læseafstand (>10 meter) samt behovet for, at registreret trafik færdes med lav hastighed. I udgangspunktet giver DSRC god mulighed for at identificere køretøjstyper. Som følge af datas karakter som biprodukt, er omkostningerne til indsamling typisk meget lave, mens et dedikeret indsamlingssystem baseret på DSRC vil have store installationsomkostninger. 18 Oktober 2015

19 3.1.6 GNSS (GPS, Galileo m. fl.) Indsamling af rejsetidsdata ved brug af GNSS kan foretages både efter hovedprincip 1 og 2, og der er ikke krav om montering af vejsideudstyr. Til gengæld er der et krav om installation af udstyr i alle køretøjer, der leverer data. Ved hovedprincip 1 indsamles et givent køretøjs position løbende. Tidsintervallet for logning af positionen kan være varierende, både for det enkelte køretøj og på tværs af de kortlagte køretøjer. Nogle kan således rapportere en position hvert sekund, mens andre rapporterer hvert minut eller sjældnere. I forbindelse med dataindsamlingen matches hver kendt position til et punkt på vejnettet, og der foretages en kontrol af, om køretøjet imellem to (eller flere punkter) har haft stop eller ærinde, der har kunnet påvirke pålideligheden af den rapporterede hastighed i de pågældende punkter. Hvert verificeret punkt indeholder således ID på køretøjet, lokalitet matchet til vejnet, hastighed og retning. Ved hovedprincip 2 indsamles et givent køretøjs position også løbende. Tidsintervallet for logning af positionen bør i praksis være 5 sekunder eller mindre. Alle indsamlede positioner og de tilhørende tidsstempler matches til et antal virtuelle zoner på vejnettet (svarende til et målesnit for eksempelvis et system baseret på ANPR/ALPR). Registreringssikkerheden for GNSS-baserede dataindsamlingssystemer er høj for de køretøjer, der leverer data. Imidlertid registreres ikke andre end disse køretøjer, og datagrundlaget er derfor direkte afhængigt af den andel køretøjer, der indgår i dataindsamlingssystemet. Den geometriske præcision af de enkelte registreringer er principielt høj, men der kan være en mindre unøjagtighed i byområder eller skove, hvor høje bygninger eller træer blokerer for eller reflekterer GNSS-signalerne. Desuden kan der være store forskelle imellem data leveret af forskellige leverandører. I udgangspunktet giver GNSS god mulighed for at identificere køretøjstyper. GNSS hastighedsmålinger har også den vigtige fordel ift. til de fleste andre teknikker, at de kan registrere lave hastigheder også 0 km/t. GNSS-baseret dataindsamling er især stærk, når et omfattende vejnet skal dækkes, og når data ikke skal anvendes i realtid. Realtidsanvendelse forudsætter, at der er en for den faktiske hastighed repræsentativ andel af alle køretøjer inkluderet i indsamlingssystemet for det vejnet, der ønskes dækket. På stort set alle andre veje end de allermest trafikerede kan der være udfordringer forbundet med at etablere et tilstrækkeligt datagrundlag til anvendelse i realtid. Fleksibiliteten for GNSS er meget høj, idet data grundlæggende indsamles dér, hvor køretøjerne befinder sig. Etablering af nye veje kræver ikke i selve indsamlingssystemet yderligere opsætninger data indsamles så at sige automatisk på nye veje. Omkostningerne til data indsamlet med GNSS-systemer kan variere betydeligt og er især afhængig af antallet af tilsluttede køretøjer. Idet dataoverførsel skal foretages fra det enkelte køretøj, kan omkostningerne hertil være omfattende. Endvidere vil data typisk skulle indsamles og leveres af et relativt stort antal leverandører, og der kan være omkostninger forbundet med at sikre konstante leverancer samt kvaliteten af de leverede data, herunder at de er repræsentative for den faktiske hastighed, og at leverancerne foregår jævnt uden betydelige "huller" i datastrømmen. Det er dog forventningen, at disse omkostninger falder i takt med udbredelsen af især nyere Oktober

20 navigationssystemer, der i stigende grad er etableret med permanent dataforbindelse og lave omkostninger til datatransmission Detektorspoler (induktionsspoler) Dataindsamling med detektorspoler (eller induktionsspoler) foregår ved at registrere passerende køretøjer i en vognbane. Enten registreres hastigheden i målesnittet, eller også registreres en "signatur" for det enkelte køretøjs passage af detektorspolen. Signaturen vil i et samlet system kunne genkendes på flere målesnit. Uanset er detektering afhængig af både én eller flere detektorspoler og af hard- og software, der konstant analyserer de elektriske outputs fra detektorspolerne. Data kan indsamles både efter hovedprincip 1 og 2, og der kræves installation af vejsideudstyr. Registreringssikkerheden er meget høj (op til 100 %), og præcisionen i selve registreringen er høj specielt ved tætliggende spoler på strækninger uden vejkryds, både ved hovedprincip 1 og 2, dog kan det være vanskeligt at registrere meget lave hastigheder. Den største styrke ved at anvende induktionsspoler som dataindsamlingskilde er den meget høje registreringssikkerhed og præcision. I udgangspunktet giver induktionsspoler desuden god mulighed for at identificere køretøjstyper. Svaghederne er imidlertid omfattende, idet der både kræves etablering af detektorspoler for hver enkelte vognbane i et målesnit, betydelig kalibrering og ikke ubetydelig vedligeholdelse. Ved installation og vedligehold kræves således fuld afspærring af vognbaner. Fleksibiliteten er som følge heraf ringe. Omkostningerne til installation er tillige ganske høje, særligt hvis mange vognbaner skal dækkes i ét eller flere målesnit, og i driftssituationen er der betydelige udgifter forbundet med vedligehold, idet sporkøring og nedbrydning af vejoverfladen giver risiko for defekter på spolerne såvel som ændrede output fra spolerne, som resulterer i forringelse af de indsamlede data Infrarød Dataindsamling foretages med infrarøde sensorer, der registrerer hastigheden for de enkelte køretøjer, der passerer et målesnit. Sensorerne kræver således installation af vejsideudstyr (over eller ved siden af kørebanen) og indsamler data efter hovedprincip 1. Et dataindsamlingssystem baseret på infrarød registrering vil typisk kunne registrere over ca. 95 % af alle passerende køretøjer i de målte snit. Dog kan høje køretøjer nærmest sensoren dække for andre køretøjer i vognbaner længere væk fra sensoren, såfremt denne er monteret i siden af vejen. Den geometriske præcision af de enkelte registreringer er høj, men der kan der være forskelle imellem sensorer fra forskellige leverandører. Den største styrke ved infrarød dataindsamling er, at der i forbindelse med installation (i vejsiden) ikke skal arbejdes på kørebanen, og at sensorerne generelt kan dække flere vognbaner. Svagheden er, at den enkelte sensor er følsom overfor præcis montering og i driftssituationen, at pejleretningen forbliver den samme. 20 Oktober 2015

21 I udgangspunktet giver infrarød god mulighed for at identificere køretøjstyper, dog afhængigt af, om sensorer er monteret over eller ved siden af kørebanen. I sidstnævnte tilfælde forringes evnen. Fleksibiliteten er relativt god, da installerede løsninger relativt let kan udvides. Omkostninger forbundet med infrarøde dataindsamlingssystemer er relativt høje i installationsfasen, mens der i driftsfasen ikke er betydelige omkostninger forbundet med at sikre indsamlingsudstyrets funktion. Dette er afhængigt af den specifikke type infrarød sensor Radar Dataindsamling foretages ved anvendelse af forskellige former for radarer, der registrerer hastigheden for de enkelte kørertøjer, der passerer et målesnit. Afhængigt af radartype måles hastigheden enten i ét fastlagt snit eller over en længere strækning (op til ca. 200 meter), hvor den gennemsnitlige hastighed for køretøjer måles. Et radarbaseret dataindsamlingssystem kræver installation af vejsideudstyr (over eller ved siden af vognbaner) og leverer data efter hovedprincip 1. De bedste radarsystemer registrerer mere end ca. 95 % af alle passerende køretøjer i de målte snit, og den geometriske præcision er særdeles høj (typisk +/- 1 meter). Radarers målepræcisionen af hastighed er bedst ved den hastighed, de er kalibreret til, men kan afvige meget ved andre hastigheder. Radarer kan eksempelvis have vanskeligt ved at registrere lave hastigheder. Den største styrke ved dataindsamling med radar er, at der i forbindelse med installation (i vejsiden) ikke skal arbejdes på kørebanen, og at sensorerne generelt kan dække flere vognbaner. Svagheden er, at den enkelte sensor er følsom overfor præcis montering og i driftssituationen, at pejleretningen forbliver den samme. I udgangspunktet giver infrarød god mulighed for at identificere køretøjstyper, dog afhængigt af, om sensorer er monteret over eller ved siden af kørebanen. I sidstnævnte tilfælde forringes evnen. Fleksibiliteten er relativt god, da udvidelser af eksisterende løsninger relativt let kan foretages. Omkostninger forbundet med radardataindsamlingssystemer er relativt høje i installationsfasen, mens der i driftsfasen ikke er betydelige omkostninger forbundet med at sikre indsamlingsudstyrets funktion. Dette er selvsagt afhængigt af den specifikke type radarsensor Triangulering af mobiltelefonsignaler Dataindsamling er karakteriseret ved at registrere positionen på mobiltelefoner, der ofte er placeret i køretøjer. Med udgangspunkt i kontroldata fra teleudbydere, kan de enkelte mobiltelefoners positioner fastlægges ved anvendelse af triangulering ud fra kendskab til mobilmasters placering, den aktuelle signalstyrke mv. Indsamlingen leverer data efter hovedprincip 2 og kræver ikke installation af vejsideudstyr. Registreringssikkerheden er meget høj, idet teleudbyderne generelt løbende har kontakt til tændte mobiltelefoner og kortlægger disses placeringer. Dog er antallet af kortlagte telefoner direkte afhængigt af den enkelte teleudbyders abonnentantal. Oktober

22 Erfaringsvist er den geometriske præcision meget lille og afhængig af den enkelte teleudbyders masteplaceringer, dækningsgrader mv. Typisk ses geometriske afvigelser på op til 1-2 km, selvom præcisionen også i nogle tilfælde kan være ganske god (under 200 meter). Samlet bør denne type data derfor kun anvendes over lange afstande, eksempelvis for større trafikkorridorer. Den største styrke ved triangulering af mobiltelefonsignaler er, at der kan indsamles meget store mængder data. Til gengæld er præcisionen meget lille, og dette stiller store krav til den videre behandling og ikke mindst anvendelsen af data. Fleksibiliteten er meget høj, idet data grundlæggende indsamles dér, hvor mobiltelefonerne (og dermed køretøjerne) befinder sig. Etablering af nye veje kræver ikke i selve indsamlingssystemet yderligere opsætninger data indsamles grundlæggende automatisk på nye veje. Omkostningerne til installation og drift af et dataindsamlingssystem baseret på triangulering af mobiltelefonsignaler er typisk høj som følge af teleselskabernes prissætning heraf Trådløse teknologier (Registrering af bluetooth, Wi-Fi, ZigBee m.fl.) Dataindsamling foretages ved at registrere trådløst udstyr, der ofte er placeret i køretøjer. Dette kan typisk være udstyr til intern kommunikation, GPS-navigationsudstyr, håndfri talesæt, tablets, telefoner mv. Fælles for disse er, at de kan kommunikere med enten bluetooth, Wi-Fi, ZigBee eller andre trådløse kommunikationsformer med kort rækkevidde, som derfor egner sig til at blive registreret i faste målesnit placeret langs veje. En betydelig del af denne type udstyr udsender således kommunikationssignaler med forskellige tidsintervaller, og disse kan ofte opfanges af en sensor, der kan håndtere signaler fra én eller flere trådløse teknologier. Dataindsamling foretages efter hovedprincip 2 og kræver opsætning af vejsideudstyr. Et dataindsamlingssystem baseret på trådløs teknologi vil typisk kunne registrere op til ca. 90 % af de passerende, registrerbare trådløse enheder. I forhold til andelen af køretøjer, registreres typisk ca % i de målte snit. Begge dele er dog væsentligt afhængigt af sensorproducent og ikke mindst udviklingen i mængden af registrerbart udstyr i køretøjer. Denne har over de seneste år været stigende. Den geometriske præcision er meget svingende, både i forhold til den anvendte trådløse kommunikationsform og i forhold til producenten af sensorudstyret. Registrering på afstande mere end 500 meter forekommer meget hyppigt, og der er betydelig risiko for at registrere køretøjer, der slet ikke passerer det ønskede målesnit, da en sensor typisk kan dække over et ganske stort område også parallelle eller skærende veje. Det er derfor nødvendigt at håndtere disse forhold i dataindsamlingssystemet, inden rå data sendes videre til behandling, især når teknologierne anvendes med målesnit, der er placeret med relativt korte afstande (under meter), hvor konsekvensen af fejlregistreringer er stor. Fordelen ved dataindsamlingsmetoden er, at den er upåvirket af eksempelvis vejrlig og trafikale omlægninger i de enkelte målesnit. Endvidere er mængden af indsamlet data typisk tilstrækkelig til at kunne beregne pålidelige rejsetider i størstedelen af døgnet. 22 Oktober 2015