Forbedringer i den kollektive trafik Forskningsmæssige bidrag og resultater

Transkript

1 Forbedringer i den kollektive trafik Forskningsmæssige bidrag og resultater, oani@dtu.dk

2 Om indlægget 1. Data og data(gis)modeller 2. Trafikmodeller og passagerpræferencer 3. Forståelse af regularitet/punktlighed 4. Optimeringsmodeller 5. IPTOP

3 1. Data & data(gis)modeller Transportvaneundersøgelsen Datamodeller, køreplaner, Altrans (1998) Transport Object Platform ( ) Kh-Rg modellen ( ) Landstrafikmodellen (2008-,.) GIS (udviklet over årene) Observerede ruter Transportvaneundersøgelsen (Marie Karen Andersons PhD, 2013) GPS data (Katrín Halldórsdóttir, 2014) Smart Card (Jesper Ingvardsons PhD, Evelien van der Hurk) Måling af punktlighed i den kollektive trafik Projekt for DSB S-tog IPTOP (nye data fra BDK, DSB og MOVIA) DSB tælletog og andre tællesystemer Rejsekortdata (uudnyttet)

4 GIS eksempler

5 Zoom in

6 Kvalitetssikring

7 Bedre viden om passagerstrømme

8 Rejsekortdata en ny datakilde?!

9 Problemer med rejsekort data (Ud over adgang til det) Skæv stikprøve Behov for stratificering, f.eks. Med TU

10 2. Trafikmodeller for kollektiv trafik I Drift Rutevalg og modellering generelt (Camilla Brems PhD, 2002) Køreplansbaseret (sekvens af artikler), implementeret bl.a. i LTM Nyttebaseret (Kh-Rg, LTM, mv.) Regularitet/punktlighed (DSB S-togs projekt)

11 2. Trafikmodeller for kollektiv trafik Igangværende forskning Estimation ud fra observerede ruter (Marie Karen Andersons PhD, 2013) Valg af tilbringertransport til kollektiv transport (Katrin Halldórsdóttir, m.fl.) Skinnefaktor m.v. (Jesper Ingvardsons, PhD) Terminaler (igangværende) Frekvens/køreplansbaseret (igangværende)

12 Observerede ruter fra Transportvaneundersøgelsen PhD.-projekt, Marie Karen Anderson og nyligt kandidatprojekt (Mette Dyrberg og Charlotte Christensen)

13 Danske tidsværdistudier (ekstrakt af 12 undersøgelser, normeret til bus) 3 2,5 2 1,5 1 Open Max Min Close 0,5 0 Tilbringertid Skjult ventetid Bus Metro S-tog Fjerntog Lange togture Gangtid ved skift Ventetid ved skift Forsinkelse ved destination

14 3. Forståelse af regularitet/punktlighed 1) Tog og system performance 2) Passageres oplevelse

15 Forskel mellem passager og togforsinkelser? Tog er ofte mere forsinkede i myldretiden (støre udnyttelse af infrastrukturkapaciteten) Der er større passagerudveksling ved stationer, hvilket øger sandsynligheden for forsinkelse Og forsinkelser i myldretiden påvirker flere passagerer per tog Forsinkelser har en tendens til at akkumulere hen ad et vognløb, f.eks. Mere og mere forsinket mod København i myldretiden Hvor mange passagerer påvirkes af forsinkelser? Passagerer rammes af forsinkelser når de stiger ud af toget. Om toget er rettidigt undervejs er mere ligegyldigt Hvis en forbindelse mistes ved skift, så er passagerforsinkelsen meget større end togforsinkelsen Bytyder rettidighed meget her?

16 Fuldskala beregninger på S-togsnettet 104 zoner, 80 tog ture per dag tidsbånd med 1-5 min. segmentering OD-elementer vognløb per dag Matematisk graf med kanter og knuder

17 Sammenligning af tog og passagerforsinkelser Threshold (sec) Train regularity and punctuality Morning Day hours Afternoon Other hours 99,6 95,4 94,5 90,6 99,3 95,4 98,6 91,4 97,6 92,7 Base OD launches (min) /20 5/10 50 Regularity 100,0 100,0 100,0 100,0 100,0 100,0 98,1 98,1 99,7 99,7 Punctuality (no delays) 84,0 84,3 80,5 80,6 90,3 89,1 86,8 83,0 85,0 84,3 of this before time 15,7 14,1 17,3 15,3 22,5 19,3 25,5 22,6 19,6 17,3 Average delay (min) 8,2 7,9 9,0 7,7 7,9 6,7 7,5 7,5 8,4 7,5 150 Regularity 100,0 100,0 100,0 100,0 100,0 100,0 98,1 98,1 99,7 99,7 Punctuality (no delays) 82,7 83,4 79,8 79,2 88,9 87,9 86,6 82,7 84,1 83,2 of this before time 15,3 13,9 16,8 14,9 22,4 19,1 24,8 22,6 19,2 17,0 Average delay (min) 8,4 7,9 9,1 8,0 8,2 7,0 7,8 7,7 8,6 7,7 248 Regularity 100,0 100,0 100,0 100,0 100,0 100,0 98,1 98,1 99,7 99,7 Punctuality (no delays) 81,3 82,4 79,2 78,1 87,9 86,3 86,1 80,7 83,2 81,9 of this before time 14,9 13,7 16,5 14,7 22,1 18,9 24,7 22,5 18,9 16,8 Average delay (min) 8,9 8,1 9,4 8,1 8,8 7,3 8,3 7,5 9,0 7,8 400 Regularity 100,0 100,0 100,0 100,0 100,0 100,0 98,1 98,1 99,7 99,7 Total Punctuality (no delays) 80,1 80,7 78,8 76,6 87,0 84,7 85,4 80,1 82,4 80,4 of this before time 14,6 13,4 16,2 14,5 22,0 18,5 24,2 22,2 18,6 16,5 Average delay (min) 9,4 8,6 10,1 8,6 10,0 7,8 8,6 7,8 Tog Passagerer med hurtig information Passagerforsinkelser 17

18 Rettidighed og forsinkelser

19 Nyt projekt om optimal allokering af køretidstillæg (Fabrizio Cerreto)

20 Eksempel på simulering af togforsinkelser Til tiden, uudnyttet køretidstillæg Eksempel Afgår 10 min for sent Indhenter 5 min Ankommer 5 min for sent Alternativ Afgår til tiden 5 min. hurtigere køreplan Ankommer til tiden

21 Matrix af forklaringer Forsinkelsesfordelinger Adgang til database med årsager Links Nodes Stations/platforms Infrastructure Traffic Control Rolling stock Operations Passager flows Other factors

22 Forskelle på rullende materiel DSB s kvartalsrapporter

23 4. Optimeringsmodeller Erstatter ad hoc metoder Orientation time at S

24 Optimering af køreplaner med fokus på passagerforsinkelser Mindre skiftetider (justering af starttid for hvert vognløb) 1-16% forbedringer i forskellige danske studier Mere drastisk optimering Frekvens Standsningsmønster Linjeføring Driftsoptimering Rullende materiel, personale, udbudspakker Besparelser, der kan benyttes til bedre drift

25 Køreplansoptimering oversættes til et matematisk program Dep. Time for j Arr. Time at st. s LV j Dwell time at S for j Orientation time at S NP-hårdt -> løses med meta heuristikker Simpliciferet -> løses analytisk (til optimalitet)

26 Case studie busser Delmængde af S-bus nettet i Kbh. 200S, 300S and 400S S-tognettet

27 Konklusion 16% reduktion i passagerers ventetid, ved brug af samme antal busser (uændrede driftsomkostninger)

28 Percentage change Optimering af standsningsmønstre på S- banen Delanalyse i RoboustRails projektet Jens Parbo PhD-projekt Socioøkonomisk benefit +0.09% Køretid -5.48% Ventetid +1.38% #skift +1.60% Transfers In-Vehicle Time Generalised Cost Waiting Time Iteration #

29 Resultat - Heterogenitet

30 Line Planning Jens Parbo PhD-projekt % skift % ventetid Trip type Trains only Changes Percentage change Waiting time Changes FirstWait Entire transit system Waiting time IVT GenCost Commuters Business Leisure Total

31 Udfordringer vedr. køreplansoptimering Manglende viden om passagerstrømme Konservatisme Manglende software og metoder Organisering i mange selskaber og myndigheder leder til suboptimering Kommunal finansiering fokuserer ikke på den samlede rejse, og kun på en delmængde af kunder Prioritering er politisk følsom

32 WP2: Organisering og koordinering af kollektiv trafik i Østdanmark Pendlernettet Bus Tog Metro 45 kommuner 2 regioner Movias trafikplan Præcisionsprogrammet Køreplansgruppen Bus operators Other freight operators Ejerskab Kontrakt Partnerskab

33 Eksempler på organisatoriske forhindringer for optimering Togkøreplaner frigives for sent til at busselskaberne kan nå at justere køreplaner og forhandle med operatørerne Udbud af pakker af busruter kan forhindre optimal materielforbrug, afhængig af segmenteringen af pakkerne Lokalisering af personale udveksling og hviletid kan forhindre optimal vognplaner og kan lede til forsinkelser Key performance indikatorer for punktlighed kan lede til ikke-optimal fokus

34 Eksempler på KPI s 100 % forsinket mere end x minutter Gamle service kontrakt Ny service contrakt Minutters forsinkelse

35 5 IPTOP Projektet Integrated Public Transport Optimisation and Planning Finansieret af Innovationsfonden og medfinansieret af deltagerne

36 IPTOP Activiteter, Work Packages

37 Forskningsmæssige bidrag til forbedring af den kollektive trafik Bedre viden om passagerpræferencer Bedre modellering af kollektiv trafik Begyndende evne til modellering af regularitet/punktlighed Link fra modellering til optimering Mulighed for bedre planlægning og optimering af den kollektive trafik