Szacowanie natężenia ruchu rowerowego na podstawie danych z systemu rowerów miejskich

W artykule przedstawiono metodę szacowania natężenia ruchu rowerowego na podstawie danych GPS z systemu rowerów miejskich. Badania wykonano na przykładzie miasta Krakowa, wykorzystując dane o dobowym natężeniu ruchu rowerowego z 5 pętli pomiaru automatycznego oraz dane GPS z systemu rowerów miejskich Wavelo. Na podstawie dwuczynnikowej analizy wariancji (ANOVA) oraz testu post-hoc Tukey’a określono wpływ czynników „lokalizacja” i „dzień tygodnia” na udział rowerów systemu miejskiego w całym potoku rowerzystów. Wykazano, że badany udział zmienia się statystycznie istotnie pomiędzy analizowanymi lokalizacjami. W przypadku udziału szacowanego w poszczególnych dniach tygodnia zmiana jest nieistotna. Wyznaczona zależność pomiędzy ogólnym natężeniem ruchu rowerowego i natężeniem ruchu rowerów systemu Wavelo charakteryzuje się wysokimi współczynnikami determinacji R2 (przekraczającymi wartość 0,90) oraz średnim błędem oszacowania nie większym od 11,5%. Wyniki przeprowadzonych badań wskazują na możliwość szacowania natężenia całości ruchu rowerowego na podstawie danych GPS z systemu rowerów miejskich. Praktyczne wdrożenie takiego sposobu szacowania natężenia ruchu rowerowego wymaga jednak przeprowadzenia pomiarów kontrolnych weryfikujących opracowane zależności wraz z określeniem wpływu lokalizacji przekroju pomiarowego.

The article presents a method of estimation of bicycle traffic flow based on the GPS data from bike share system. Analyses have been made for the city of Krakow, using daily traffic data from 5 automatic counter loops and the GPS data from bike share system called Wavelo. Based on the two-factor analysis of variance (ANOVA) and the Tukey post-hoc test, the influence of „localization” and „day of the week” factors on the share of Wavelo bicycles in the entire bicycle flow was estimated. It has been proved that examined share is not significantly different between individual days of the week, but changes significantly between analyzed locations. Developed models are characterized by the high R2 coefficients (exceeding 0.90) and average error of estimation up to 11.5%. The results of the studies show that bicycle traffic flow can be estimated based on the GPS data provided by bike share system. However, it is necessary to carry out control measurements to verify developed models and their possibilities of application in bicycle traffic flow estimation in other locations.