VTI National Transport Research Database

Validering av cykeldata – designupplägg för test i kontrollerad och verklig miljö (Validation of cycle data – design approach for testing in a controlled and real environment)

  • Larsson, Magnus
  • Statens väg- och transportforskningsinstitut (VTI), Statligt forskningsinstitut, 202100-0704
Sponsors, duration, budget: Trafikverket ; 2023-04-01 -- 2024-06-30 Registration number:
  • Trafikverket 2022/105578
Subject(s): Abstract: Korrekta och validerade cykeldata är av stor vikt för att följa upp och utvärdera de mål som är uppsatta för cykling enligt hållbarhetsmålen med avseende på miljö, trafiksäkerhet och hälsa som återfinns i Agenda 2030 (Regeringskansliet, 2022). Primärt används idag cykelflöden för detta avseende, men ytterligare datakällor skulle kunna komplettera, ge en mer heltäckande bild eller visa och mäta andra faktorer och nyckeltal. Dessutom ligger cykelflöden och cykeldata till grund och är en förutsättning för en ökad och förbättrad analysförmåga, då data används inom flera olika områden såsom samhällsekonomi, utformning, underhåll, analyser, modeller, effektsamband m.fl. På individuell nivå (mikronivå) rör det sig till exempel om data som kan ge information om hjälmanvändning, konflikter för specifika utformningar i cykelinfrastrukturen och i blandtrafik, hastighetsanspråk på olika typer av cykelbanor och accelerationer. Denna data kan användas för att förbättra trafikförhållanden på specifika platser och kortare sträckor, samt ge indikationer på vilken typ av utformning som ger cyklister bäst förutsättningar. På aggregerad nivå (makronivå) handlar det om att få information om hur cykelflöden, hastighets- och accelerationsfördelningar rör sig vilket är användbart både för uppföljning av hur och när människor cyklar, men också för att modellera cykel och utvärdera olika förändringar och åtgärder med hjälp till exempel simuleringsmodeller. I detta projekt vill vi undersöka hur man på ett systematiskt sätt kan utvärdera kvaliteten av data från olika datakällor och vilka olika tekniker som kan användas för att fånga olika typer av data och hur data som fångas i slutändan kan användas för olika ändamål (samhällsekonomi, utformning, underhåll, analyser, modeller, effektsamband). Målet är att föreslå ett tillvägagångssätt för utvärdering både i en kontrollerad trafikmiljö (utan omkringliggande trafik) och i en verklig trafikmiljö och dessutom föreslå metoder för hur utvärderingen skulle kunna gå till, beroende på vilken typ av data man är intresserad av.Abstract: Correct and validated cycle data is of great importance to follow up and evaluate the goals set for cycling in accordance with the sustainability goals considering the environment, traffic safety and health found in Agenda 2030 (Regeringskansliet, 2022). Today, cycle flows are primarily to follow up and evaluate the goals, however, additional data sources could be a supplementary source, give a higher level of detail or show and measure other factors and key aspects that are not covered today. In addition, cycle flows and cycle data form the basis of and are a prerequisite for an increased and improved analytical ability, as data is used in several different areas such as social economy, design, maintenance, analyses, models, effect relationships, etc. At an individual level (micro level), it concerns, for example, data that can provide information on helmet use, conflicts between bicycles and other modes of transport to evaluate specific designs in the bicycle infrastructure and in mixed traffic, speed and acceleration for individual bicycles on different types of bicycle paths. This data can be used to improve traffic conditions for bicycles in specific locations and for shorter areas, as well as give indications of what type of measures that provides the best conditions for cyclists. On an aggregated level (macro level), important data are bicycle flows and its movement and speed and acceleration distributions, which are useful both for monitoring how and when people cycle, but also for modeling cycling and evaluating various improvements and measures with the help of for example simulation models. In this project, we want to investigate how to systematically evaluate the quality of data given different data sources, evaluate how different techniques can be used to catch different types of data and evaluate how data can be used for different purposes (cost-benefit analyses, design, maintenance, analysis, models and relationships between different data measurements). The goal is to propose a framework for evaluation of the quality of cycle data both in a controlled traffic environment (without surrounding traffic) and in a real traffic.
Item type:

Powered by Koha