Teknologidagene 2016 Bedre by folk og biler i kø

Transkript

1 Teknologidagene 2016 Bedre by folk og biler i kø Å modellere kø i en samlet modell Hva gjør vi? Trondheim James Odeck Oskar Kleven

2

3 Utviklingsprosjekter hvor kø er tema (1) Utvikling av ny kortdistansemodell for personreiser Forskningsprogrammet Bedre by

4 Utviklingsprosjekter hvor kø er tema (2) Utvikling av ny kortdistansemodell for personreiser - Multimodal modell - Reiser<70 km - Fokus på reiser og transportformer i by Å modellere reisetid mellom par av soner mest mulig korrekt er viktig for å få bedre presisjon på etterspørselsmodellen Vi forenkler noe, benytter differanse i reisetid i kø og utenom kø som et mål på forsinkelse

5 Utviklingsprosjekter hvor kø er tema (3) Forskningsprogrammet Bedre by

6 Datagrunnlag vegnett (1) Detaljert vegnett Feltbruk Signalreguleringer Kryssforsinkelser

7 Datagrunnlag reisetider (2)

8 Reisevaneundersøkelse Overgang til kontinuerlig undersøkelse Kartlegging av daglige korte reiser - Start/sluttidspunkt for reisen(inkl. delreiser) - Tidsbruk - Transportmiddelvalg Datagrunnlag reisevaner (3)

9 Datagrunnlag trafikkregistreringer (4)

10 Trafikkregistreringer/tellinger(2)

11 Datagrunnlag forsinkelsesdata kollektivtrafikken (5) Rutetid Startpunkt for gjeldende rute Tid mellom holdeplass Sluttidspunkt for gjeldende rute

12 Hvorfor er modelleringen av kø så viktig? (1) Kilde: Leonid Engelson, KTH/WSP Sverige

13 Hvorfor er modelleringen av kø så viktig? (2) Trafikknyttemodul Transportmodell transportmønster Endring i trafikantnytte Kollektivmodul Inntekter og kostnader for kollektivselskapet EFFEKT 6.6 Øvrige prissatte konsekvenser sammenstilling NKA Fartsmodell i Transportmodell og Effekt 7 blir den samme i 2017

14 Hvorfor er modelleringen av kø så viktig? (3) Kilde: Leonid Engelson, KTH/WSP Sverige

15 Begrensinger i tradisjonelle transportmodeller som motivere nye modeller/koblinger av modeller Utfordringer med dagens transportmodeller Kan ikke fange opp temporære avhengigheter Utilstrekkelig modellering av købelastning Beskriver forsinkelse men ikke kø (trafikktetthet) Kan predikere trafikkflyt som overstige gatens fysiske kapasiteter Kan ikke fange opp tilbakevirkning av flaskehalser til andre gater Begrenset heterogenitet Forhåndsbestemte befolkningssegmentering Ofte bare én type kjøretøy Ingen stokastikk i modellen Fanger bare gjennomsnittlige effekter

16 Hva gjør vi fremover? (1) Planlegger en ny verdsettingsundersøkelse Samferdselsesdepartementet/Transportetatene/Avinor Fagseminar 13. september Vurdering/konkurransegrunnlag høsten 2016 Mål om gjennomføring 2017

17 Hva gjør vi fremover? (2) Følger med på et prosjekt i Sverige med kobling av dynamiske og strategiske modeller (Møte i Stockholm ) Dialog med fagmiljø i Danmark Deltar på brukermøter som våre verktøyleverandører arrangerer

18 Hva gjør vi fremover? (3) Prosjekt for å koble sammen strategiske og dynamiske modell Basis i de modellsystemene som vi har etablert i Norge Følge med på hva Sverige, Danmark og andre land gjør på fagområdet Forhold til nyttekostnadsanalyser er viktig, må være koordinert

19 Diskusjon Hvordan bør vi angripe problemstillingen? Grunnkrets versus koordinat på sonenivå Flere transportmidler eller kun bil Mikro/MESO/Strategisk Nytt verktøy eller utvikle de vi allerede har Ressurser internt/eksternt

20 Rapporter kan lastes ned her Foto: Tommy Johansen

21 Reisetid og kø for bil Gjort mange sammenligninger av reisetid i modell i rush og lavtrafikk med andre kilder, bl.a.: Reisetider.no Reisetider hentet fra googlemaps Har resultert i enkelte endringer i kapasitets/hastighetsfunksjoner i RTM23+, bedret koding av hastighet på tilknytningslenker, samt en del andre forbedringer. Tester ny fartsmodell, utviklet av Sintef. Fartsmodell gir riktigere hastigheter i byområder (der det viser seg at NVDB ikke alltid inneholder riktig fartsgrense. (fartsmodell blir felles for transportmodell og Effekt 7) Det er besluttet å definere tid i kø som egen attributt for uttesting i estimeringsarbeidet. Dette er bl.a. basert på resultater fra et prosjekt gjennomført i «Bedre by».

22 Kollektivtrafikk trengsel og forsinkelse For å få et bedre grep om trengsel i kollektivtrafikken er det testet ut ulike algoritmer for fordeling på ulike holdeplasser og kollektivruter når det hensyntas trengsel. Testene er veldig lovende i forhold til en riktigere fordeling mellom de enkelte ruter/linjer, men det er fremdeles uklart om det skal tas inn i selve transportmiddelvalgmodellen (kan innebære noen konsistensproblemer). Det jobbes videre med disse vurderingene. Et alternativ vil være å gjøre etterberegninger hvor den samfunnsøkonomiske effekt av reduksjon av trengsel kan beregnes (gjøres i nettutleggingsprogrammet) Ser på mulighetene for å ta hensyn til forsinkelser i kollektivtrafikken i rushtiden, her er det ikke konkludert enda.