Analiza procesu przepływu pasażerów na przykładzie tramwaju Pesa 122NaB operującego w mieście Bydgoszczy

Abstrakt

Procesy wsiadania i wysiadania pasażerów w transporcie publicznym znacząco wpływają na czas przejazdu między przystankami tramwajowymi. W ramach zrównoważonego rozwoju miast konieczne jest wdrażanie nowych technik usprawniających ruch oraz szybkie reagowanie na zapotrzebowanie pasażerów komunikacji miejskiej na sprawne poruszanie się po mieście. Rozwiązania konstrukcyjne stosowane w strefach wejściowych tramwajów i autobusów są stale modyfikowane w celu przyspieszenia tych procesów. Zrozumienie zachowań pasażerów jest niezbędnym elementem optymalizacji przepływu pasażerów między przystankiem a pojazdem szynowym, jak również wewnątrz samego pojazdu. Brakuje jednak danych, które mogłyby posłużyć do oceny konkretnych rozwiązań. W artykule zmierzono czasy wsiadania i wysiadania na przykładzie tramwaju Pesa 122NaB, eksploatowanego w mieście Bydgoszczy, które liczy około 340 500 mieszkańców. Ze względu na specyfikę funkcjonowania miasta analiza przepływu pasażerów w tramwajach różni się od tej w obszarach metropolitalnych, gdzie liczba mieszkańców przekracza milion, ponieważ podróże tramwajowe w miastach tej wielkości odbywają się na dłuższych trasach niż w transporcie metropolitalnym, co wynika z braku alternatyw dla transportu tramwajowego. Większość analiz jest przeprowadzana w transporcie metropolitalnym, gdzie dynamika przepływu pasażerów będzie inna niż w miastach średniej wielkości. W niniejszym badaniu przeanalizowano konkretny przypadek, w którym dzielnica Fordon obsługiwana przez analizowaną linię tramwajową jest oddzielona od reszty miasta, co generuje większą liczbę podróży na długich dystansach. Zarejestrowano 106 przypadków wsiadania i 126 przypadków wysiadania z tramwaju. Badania miały charakter wstępny w ramach projektu rozwojowego platformy AI umożliwiającej analizę przepływu pasażerów w czasie rzeczywistym. Artykuł analizuje częstość występowania liczby pasażerów. Średni czas przepływu pasażerów został przybliżony za pomocą funkcji liniowej R2 = 0.94. Czas na osobę malał wraz z liczbą pasażerów; wahał się od 1 do 1,5 sekundy dla 5 lub więcej pasażerów. Przedstawione dane mogą być wykorzystane do dalszej analizy porównawczej procesów przepływu pasażerów, zarówno na potrzeby proponowanego algorytmu AI, jak i do celów analitycznych dla producentów pojazdów szynowych oraz miejskich operatorów transportu publicznego.