Bedre beslutningsgrundlag med rejsekortdata. Carsten Jensen

Transkript

1 Bedre beslutningsgrundlag med rejsekortdata Carsten Jensen

2 Klassiske passagertællinger Registrering af påstigere/afstigere pr. stop pr. tur på en given linje Automatiske eller manuelle tællinger i Movias busser og lokaltog Stikprøvebaseret (typisk 5 % af ture) Fordele Velprøvet metode gennem mange år Vigtig datakilde i planlægning og kommunikation Forholdsvis god datakvalitet Ulemper Ingen viden om rejsemønstre Statiske data - kun gennemsnit for hverdag/måned eller weekend/kvartal 2

3 Rejsekortdata stort potentiale for mere viden, men Nationalt system, i generel brug siden ca Multiple check-ins og afsluttende check-out for hver rejse First check-in Check-in Check-in Checkout Fordele Detaljeret information om rejsestrømme Meget store datamængder Information på daglig basis (med forsinkelse) Ulemper Stikprøve pt. ca. 35 % af rejser i Movia, men ujævnt fordelt (tid, geografi, kundegrupper) Manglende viden om totale mængder Vanskeligt tilgængelige data Manglende tillid hos potentielle brugere? 3

4 Vores løsning: At kombinere to ikkeperfekte datakilder Passagertællinger antal påstigere/afstigere pr. stop Rejsekort detaljeret information om rejsemønstre, men skæv fordeling mellem brugergrupper Samlet matrix visende alle rejsemønstre på en gns. hverdag i en udvalgt måned Relationer mellem x stop/stationer Data for hver af døgnets 24 timer Produceret en gang hver måned Fokus lige nu på brug til planlægningsformål, men meget videre perspektiver 4

5 Justering af rejsestrømme på basis af passagertællinger Station - Zoo Rejsekort: 200 rejser Passagertælling: 300 påstigere Rejsemønster x 1,5 Station - Erhvervsbyggeri Rejsekort: 200 rejser Passagertælling: 600 påstigere Rejsemønster x 3 Beregne og justere alle relevante rejsemønstre mellem stop og stationer i Movias område Brug af avanceret matrix estimation (MPME) og transportmodel værktøjer (kollektiv rutevalgsmodel) Fleksibel metode kan benytte mange forskellige data på forskellige detaljeringsniveauer Inputdata (køreplaner) fra Rejseplanen 5

6 Hvilke muligheder giver bedre viden om kundernes rejsemønstre? Flytte planlægningsfokus - indtægtsmaksimering vs. omkostningsminimering Styrke analyseberedskab ift. kommuner, regioner og andre interessenter Danne bedre grundlag for konsekvensberegninger Give bedre kommunikation til passagererne 6

7 Bygning af Letbane i Ring 3 hvordan påvirkes passagererne? Fra kommune Til kommune Procent af rejser Lyngby-Taarbæk Lyngby-Taarbæk 4,0% Lyngby-Taarbæk Gladsaxe 3,4% Lyngby-Taarbæk København 3,4% København Lyngby-Taarbæk 2,9% Gladsaxe Lyngby-Taarbæk 2,7% Glostrup København 2,4% Gladsaxe Gladsaxe 2,2% København Glostrup 2,1% Herlev Gladsaxe 1,9% Gladsaxe Herlev 1,8% Rejsestrømme 300S og 30E Linje Påstigere Vej Hele døgnet flows Bane Hele døgnet flows Opland udvalgt linje anvendes Hele døgnet B E A H C S 744 Metro 711 6A 705 F 459 9A 435 Øvrige I alt Hvordan skal vi tilpasse busdriften? Hvordan kommunikeres ændringer til passagererne? 7

8 Forskelle i rejsemønstre hen over dagen Eftermiddag (15-17) Morgen(7-9)

9 Muligheder for at bore ned i data for at forstå sammenhængene Rejser, der alene benytter 300S Fra kommune Til kommune Procent af rejser Lyngby-Taarbæk Lyngby-Taarbæk 11,4% Lyngby-Taarbæk Gladsaxe 6,8% Gladsaxe Lyngby-Taarbæk 5,5% Glostrup Ishøj 4,8% Herlev Gladsaxe 4,5% Lyngby-Taarbæk Rudersdal 4,3% Gladsaxe Herlev 4,1% Gladsaxe Gladsaxe 4,0% Lyngby-Taarbæk Herlev 3,7% Herlev Glostrup 3,6% 9

10 Muligheder for at bore ned i data for at forstå sammenhængene Rejser, der benytter 300S og udvalgt S-togslinje Linje Påstigere B 2917 F 173 IC 110 RE 109 M M E 57 4A Fra kommune Til kommune Procent af rejser Glostrup København 7,6% København Glostrup 5,3% København Brøndby 3,6% Brøndby København 3,4% København Gladsaxe 3,3% Gladsaxe København 3,3% Lyngby-Taarbæk Albertslund 2,4% Herlev Høje Taastrup 2,4% Høje Taastrup Herlev 2,1% København Herlev 2,0% 10

11 Muligheder for at bore ned i data for at forstå sammenhængene Rejser, der benytter 300S og starter/slutter i Furesø kommune Linje Påstigere B 221 H 32 40E S S 9 55E Fra kommune Til kommune Procent af rejser Lyngby-Taarbæk Furesø 26,5% Furesø Lyngby-Taarbæk 19,1% Furesø Herlev 10,4% Furesø Gladsaxe 10,3% Herlev Furesø 9,1% Gladsaxe Furesø 8,8% Furesø Glostrup 4,5% Glostrup Furesø 3,1% Rudersdal Furesø 2,6% Furesø Rudersdal 1,2% 11

12 Skift kan ikke undgås hvordan kan vi forbedre dem? Fysik: Placering af stop Køreplan: Prioritering af korrespondancer Services: Udstyr på terminaler 12

13 Skift kan ikke undgås hvordan kan vi forbedre dem? Sum af TrafLoad ToLineName ToLineEndStop B B B H H Hovedtotal FromLineName Farum St. Høje Taastrup St. København H Farum St. Frederikssund St S S S E A Hovedtotal % af buspassagerer til Buddinge St. skifter til S-tog S 250S 300S 30E 6A 13

14 Rejsestrømme fra/til stop, stationer og områder Rejser, der starter eller slutter i: - kommune x - område y - stoppested z Al kollektiv transport, hvor Movia er involveret, eller udvalgte linjetyper/linjer/ kombinationer 14

15 Eksempel: Alle rejser, der kombinerer Movia og S-tog Linje Påstigere/hverdag 5C A A S A A A S S S andre linjer I alt % af alle S- togsrejser er kombineret med Movia-bus/tog 15

16 Konsekvenser af trafikale ændringer - ca. 100 rejser Ishøj - Herlev - køretid, gang- og ventetid + 4,5 min (15%) - kørt distance + 3% - antal skift + 16% Værktøj til at sammenligne forskellige køreplaner/ ruteføringer inden der træffes beslutninger Eksempel: Køretidsændring på Ring 3 pga. anlægsarbejder (2 x +5 min) Der regnes på, hvordan nuværende passagerer vil ændre rejserute på aktuelt datagrundlag Nøgletal for ændringer i: - køretid - gang- og ventetid - kørt distance - antal skift 16

17 Webportal skal sikre bredere adgang til data og resultater 17

18 Foreløbig udviklingsplan Ibrugtagning i Movia Ekstern adgang til data Udvikling, kort sigt Udvikling, længere sigt Prototypesystem i drift oktober 2018 Webportal ibrugtages ultimo 2018 Fuld information om Metro- og DSB-rejser implementeres start 2019 Forbedret kortdesign start 2019 Webportal åbnes for kommuner/regioner m.fl. 1. halvår 2019 Introduktion til brug af systemet 1. halvår 2019 Beregning af markedsandele start 2019 Opfølgningsværktøj for ny Cityring sommer 2019 Flere analyseværktøjer 2. halvår 2019 Hurtigere resultater og kobling med andre data Brug af machine learning/ai-metoder Brug af data til her og nu -driftsstyring 18