Pyöräilyn nopeuksien ja matka-aikojen paikkatietopohjainen mallinnus pääkaupunkiseudulla

Show full item record

Permalink

http://hdl.handle.net/10138/228530
Title: Pyöräilyn nopeuksien ja matka-aikojen paikkatietopohjainen mallinnus pääkaupunkiseudulla
Author: Tarnanen, Ainokaisa
Contributor: Helsingin yliopisto, Matemaattis-luonnontieteellinen tiedekunta, Geotieteiden ja maantieteen laitos
Thesis level:
Abstract: Kaupunkiliikenteen keskeisiä haasteita ovat kasvavien liikennemäärien synnyttämä ruuhkautuminen ja ympäristöhaitat. Näitä haittoja voidaan pyrkiä vähentämään edistämällä kestäviä liikkumistapoja, kuten pyöräilyä. Pyöräilyn kulkutapaosuuden lisäämiseksi sen tulee olla houkutteleva ja saavutettavuuden näkökulmasta kilpailukykyinen vaihtoehto muihin kulkutapoihin verrattuna. Helsingin yliopiston Digital Geography Lab on kehittänyt keskenään vertailukelpoisia menetelmiä eri kulkutapojen saavutettavuuden mallinnukseen ja vertailuun pääkaupunkiseudulla, mutta pyöräily on puuttunut tarkastelusta, sillä sitä on aiemmin mallinnettu yksinkertaisin oletuksin vakionopeudella ikään kuin nopeutettuna kävelynä. Tämän oletuksen realistisuutta ei ole kuitenkaan aiemmin juuri tutkittu. Tämän työn tavoitteena onkin kehittää aiempaa realistisempi paikkatietomalli pyöräilyn optimaalisten reittien ja matka-aikojen laskentaan pääkaupunkiseudulla huomioiden mallin yleistettävyys ja toteuttamiskelpoisuus. Tämän lisäksi tarkastellaan mitkä tekijät vaikuttavat pyöräilynopeuksiin ja voiko nopeuksiin vaikuttavia ympäristötekijöitä käyttää matka-aikamallin vastuksina, millaisia alueellisia eroja pyöräilynopeuksissa on, ja kuinka realistista pyöräilyn matka-aikojen mallinnus vakionopeudella on seudullisessa mittakaavassa. Kirjallisuuden perusteella pyöräilyyn vaikuttavat useat tekijät, joista tämän työn analyysiin valittiin keskeisiksi ympäristötekijöiksi tunnistetut korkeusvaihtelut, risteykset ja liikennevalot. Niiden vaikutusta pyöräilynopeuksiin pääkaupunkiseudulla tarkasteltiin sekä yksittäisten reittien osalta että koko aineistosta reitti- ja segmenttikohtaisesti lineaarisen regression avulla. Pyöräilyaineistona käytettiin vapaaehtoisten pyöräilijöiden lahjoittamaa urheilusovelluksilla tallennettua GPS-dataa. Pyöräilijöistä kerättiin myös taustatietoja, joita käytettiin henkilökohtaisten tekijöiden vaikutusten tarkastelussa. Mallin tieverkostona käytettiin HSL:n kävelyn ja pyöräilyn reittioppaan verkostoa, johon GPS-aineisto yhdistettiin kehittämällä paikkatietopohjainen menetelmä aiempaa autoilun GPS-aineistolle tarkoitettua menetelmää soveltaen. Reittisegmenteille laskettiin suuntaisuuden huomioiva korkeusgradientti Maanmittauslaitoksen 2 metrin korkeusmallista ja liikennevalotiedot johdettiin Digiroadista. Mallinnuksessa käytetyt python-skriptit ovat saatavilla GitHubissa. Pyöräilynopeuksissa on havaittavissa pyöräilijäkohtaisia eroja muun muassa pyöräilyaktiivisuuden suhteen: lähes joka viikonpäivä pyöräilevien mediaaninopeus on 24 km/h, 3-5 päivänä viikossa pyöräilevien 22 km/h ja muutaman kerran viikossa pyöräilevien 18 km/h. Ylämäet ja liikennevaloristeykset hidastavat ja alamäet kasvattavat pyöräilynopeuksia yksittäisillä reiteillä. Koko aineiston tasolla nopeuden ja korkeusgradientin sekä nopeuden ja eri risteystyyppien välillä on heikko negatiivinen riippuvuussuhde. Seudullisella tasolla liikennevaloristeysten hidastava vaikutus on muita ympäristötekijöitä suurempi, mutta jyrkillä ylämäillä on voimakkain hidastava vaikutus reittikohtaisiin keskinopeuksiin. Regressiomallien selitysasteet ovat kuitenkin heikkoja (R2 ≈ 0,1), joten tieverkolle implementoitiin vakionopeuksiin perustuva matka-aikamalli. Nopeuksina käytettiin edellä mainittuja pyöräilyaktiivisuuteen perustuvia mediaaninopeuksia. Alueellisen tarkastelun perusteella pyöräilynopeudet ovat osissa Helsingin keskustaa 0,8 kertaa alueen muita nopeuksia hitaampia, joten kyseisille osuuksille asetettiin muuta verkostoa hitaammat pyöräilynopeudet. Korkeusvaihteluilla, liikennevaloilla ja muilla risteyksillä on vaikutusta pyöräilynopeuksiin yksilötasolla, muttei seudullisessa mittakaavassa. Validoinnin perusteella vakionopeuden mallin matka-ajat vastaavat hyvin GPS-aineiston todellisia matka-aikoja. Keskustan hidasteen huomioiva malli on marginaalisesti pelkkää vakionopeuden mallia parempi, mutta ero on hyvin pieni ja vaikuttaa vain keskustan kautta kulkevilla reiteillä. Eri vakionopeuksien aiheuttama ero matka-aikoihin on huomattavasti merkittävämpi. Vakionopeutta voidaan siis pitää pätevänä oletuksena pyöräilyn matka-aikojen vertailukelpoiseen mallintamiseen pääkaupunkiseudulla, mutta pyöräilynopeuksien henkilökohtaiset ja alueelliset erot tulee ottaa huomioon.Transportation in cities is facing the challenges of congestion and environmental impact caused by the increase in traffic flows. These issues can be reduced by promoting more sustainable transport modes, such as cycling. To increase its modal share, cycling has to be an attractive and competitive choice compared to other travel modes. Digital Geography Lab in University of Helsinki has developed comparable measures for modelling accessibility with different travel modes in Helsinki region. However, cycling is missing from the data because it has been previously modelled with simplistic assumptions of constant travel speed. Little research has been carried out to assess the applicability of this assumption. The main objective of this thesis is to develop a more realistic GIS model for calculating optimal routes and travel times of cycling in Helsinki region taking into account the feasibility of the model. Other objectives are to find out what factors affect cyclists’ travel speed and can the environmental factors be used as impedances in the travel time model, what kind of spatial differences the cycling speeds have, and how realistic it is to model cyclists’ travel times with constant speed on a regional scale. According to previous research, among the various things affecting cycling some of the main environmental factors are slope, junctions and traffic lights. The effects of these factors to cycling speeds in Helsinki region were analysed based on individual cycling routes and on a route and segment level from the whole data with linear regression models. GPS data of cycling was collected from volunteers who had been tracking their cycling in Helsinki region with mobile sports applications. Basic background information of the cyclists was also collected to analyse the variations in speed between different background variables. Road network for cycling and walking by Helsinki Region Transport was used as the modelling network. A GIS based map-matching method for the cycling GPS data was developed by applying a method developed for map-matching GPS data of cars. Slope was calculated for route segments using NLS 2 meter digital elevation model and the traffic light information was derived from Digiroad. Python scripts used in modelling are available on GitHub. The cycling speeds vary by cycling frequency: cyclists who stated to cycle almost every day of the week, 3-5 times a week, or a few times a week have median speeds of 24 km/h, 22 km/h and 18 km/h, respectively. Uphill slope and signalized junctions decelerate and downhill slopes accelerate cycling speeds on individual routes. Looking at the whole data, speed has a weak negative correlation between slope and different junction types. On a regional scale the effect of signalized junctions is the greatest, whereas uphill slope has the greatest effect on route-based mean speeds. The regression models do not explain the variation in cycling speeds very well (R2 ≈ 0.1) so a travel time model based on constant speeds corresponding to the different median speeds of frequent and less frequent cyclists was implemented on the network. Spatial examination shows that mean cycling speeds in parts of central Helsinki are 0.8 times slower than in rest of the area, so the cycling speeds of the model were slowed down on those segments. Slope, traffic lights and other junctions affect cycling speeds on an individual level but not on the regional scale. Based on model validation the travel times of the constant speed model correlate strongly with the real travel times of the GPS data. The model taking into account the slower parts of central Helsinki is marginally better but the difference is only slight and affecting only the routes going via the city centre. The difference in travel times caused by different constant speeds is much greater. Constant speed can hence be seen as an adequate assumption to model cyclists’ travel times in Helsinki region but the personal and spatial differences in cycling speeds should be taken into account.
URI: http://hdl.handle.net/10138/228530
Date: 2017-09-27
Subject: pyöräily
saavutettavuus
paikkatieto
pääkaupunkiseutu
matka-aika
urheilusovellusaineisto
cycling
accessibility
GIS
Helsinki region
travel time
mobile sports application data
Discipline: Maantiede


Files in this item

Total number of downloads: Loading...

Files Size Format View
Gradu_Tarnanen_A.pdf 6.323Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record