Bedre planlægning af kollektiv trafik med Rejsekort 28. august 2018
Hvad har vi gjort med data? Passagertællinger hvor mange stiger af og på ved det enkelte stoppested? Rejsekort detaljeret viden om rejseruter, men dækker kun 25-30% af rejserne Samlet matrice med overblik over alle rejsestrømme på en gennemsnitlig hverdag Mellem 14.000x14.000 stoppesteder/stationer Opdelt på hver af døgnets 24 timer Produceres en gang pr. måned Baseret på avanceret matrix estimation 2
Muligheder med bedre viden om kundernes rejsemønstre? Styrke analyseberedskab ift. kommuner, regioner og andre interessenter Flytte planlægningsfokus - indtægtsmaksimering vs. omkostningsminimering Danne bedre grundlag for konsekvensberegninger Give bedre kommunikation til passagererne 3
Rejsestrømme fra/til stop, stationer og områder FromZoneID ToZoneID Val TimeInteID 49440 10762 110,27 22 8600642 4148 102,48 15 50460 6026 93,24 7 8600642 4148 82,32 7 8600642 4148 80,18 16 6015 6584 71,70 16 8600642 4148 69,52 17 8600642 4148 60,18 8 6015 6584 54,26 15 490 6584 46,79 7 10762 49440 45,00 22 1368 6026 36,82 8 6018 6584 32,06 14 8600642 4148 31,41 19 600001 1367 31,35 7 10041 8150 29,02 14 10762 49440 28,21 19 8600642 4148 28,00 18 50460 1368 27,12 15 6018 6584 26,84 15 Eksempel: Hvortil går rejser fra - kommune x - område y - stoppested z 4
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% Linje Påstigere B 3.327 E 1.820 A 1.805 H 1.091 C 1.090 350S 744 Metro 711 6A 705 F 459 9A 435 Øvrige 7.938 I alt 20.127 Hvordan skal vi tilpasse busdriften? Hvordan kommunikeres ændringer til passagererne? 5
Delanalyse rejser, der kun benytter linje 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% 6
Delanalyse rejser, der kombinerer 300S og linje B Linje Påstigere B 2917 F 173 IC 110 RE 109 M2 74 29 67 M1 61 123 58 E 57 4A 54 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% 7
Delanalyse rejser, der starter eller slutter i Furesø Kommune Linje Påstigere B 221 H 32 40E 17 500S 16 151 9 333 9 400S 9 55E 6 334 6 165 5 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% 8
Skift kan ikke undgås hvordan kan vi forbedre dem? Fysik: Placering af stop Køreplan: Prioritering af korrespondancer Services: Udstyr på terminaler 9
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. 68 6 38 1 0 11 56 200S 117 166 5 38 45 371 250S 73 32 1 10 9 125 300S 173 276 3 16 56 524 30E 90 102 16 10 218 6A 107 75 1 11 14 209 Hovedtotal 566 689 12 91 145 1503 90 80 70 60 50 40 30 20 10 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 68 200S 250S 300S 30E 6A 10
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 Nøgletal for ændringer i: - køretid - gang- og ventetid - kørt distance - antal skift 11
Hvad sker der hvis togene holder stille? Ændret strækningsbelastning >2000 pass/dag Ændret strækningsbelastning >faktor 10 Note: Kun rejser, hvor der indgår bus/lokalbane Samlet rejsetid Ture Relationer Pct af ture Pct af relationer >+120 min 6856 433 1% 21% +60-120 min 22135 542 4% 26% +30-60 min 40578 419 7% 20% +10-30 min 65964 332 12% 16% +5-10 min 65626 143 12% 7% <+5 min 350498 234 64% 11% I alt 551657 2103 100% 100% 12
Brug af konsekvensberegningsværktøj muligheder og begrænsninger Model er køreplansbaseret redigeringsværktøjer hentet fra LTM Ret simpel adgang til at lave hvad nu hvis -følsomhedsberegninger Mulighed for at eftervise/afprøve resultater vha. detaljerede data om dagens situation Kan ikke lave fremskrivninger sfa. økonomi, befolkningsudvikling osv. Flytter som udgangspunkt ikke rundt på passagerernes rejseantal og start/slut, men der kan justeres til en vis grad Ser ikke på effekter ift. andre trafikarter Derfor er modellen et supplement til egentlige modelberegninger, ikke en erstatning 13
Overordnet datakvalitet Tælledata, alle stop/lokalbanestationer Antal Obs. Gns. Afvigelse Ubalance på/af Påstigere Talt 696.067 12.835 54,2 Modelleret 700.835 12.835 54,6 0,68% Afstigere Talt 695.054 12.835 54,2 Modelleret 699.172 12.835 54,5 0,59% -0,24% Usikkerheden er større for små (manuelt talte) buslinjer her er endnu plads til forbedring For relativt få (ca. 50) stoppesteder med mere end 100 daglige påstigere rammer modellen mere end 20% skævt ift. passagertællinger en del pga. simple fejl i grunddata 14
Foreløbig udviklingsplan 2018 Test afsluttes og månedlig produktion af (hverdags-)data igangsættes Analyseudtræk vedrørende rejsemønstre, skiftemønstre m.m. gøres tilgængelige Værktøj til at modellere hvordan ændringer i ruter og køreplaner vil påvirke rejsemønstre I første omgang er der kun adgang for Movia-medarbejdere Afklaring af adgang til data vedrørende rene DSB/Metro-rejser 2019 Adgang til medarbejdere hos kommuner og regioner (og andre samarbejdspartnere) via webportal Oplæring i anvendelse af værktøjerne, for at sikre ensartet brug på tværs af organisationer Videreudvikling af udtræksmuligheder Værktøj til hurtig opfølgning på ændrede rejsemønstre (Cityringen m.m.) Detaljeret beregning af kollektiv trafiks markedsandel Evt. opsplitning på rejseformål Evt. udvidelse med weekenddata 2020 Tættere kobling med andre datakilder (Big Data-portal) Udvikling af grænseflade og værktøjer ift. operatørers driftsrettede opgaver (trafikstyring, driftsopfølgning m.m.) Evt. mere finmasket tidsinddeling (fra gennemsnitlig dag til enkelte dage) 15