Czy można prognozować ruch pasażerski w trakcie epidemii?

Prognozowanie ruchu samochodowego i potoków pasażerskich stało się prawie dziedziną naukową. Stworzono wiele teorii opartych o różnorodne badania naukowe. Dominujące jeszcze 30 lat temu podejście, oparte na przeliczaniu potoków ruchu wskaźnikami zmian wyliczonymi na podstawie archiwalnych pomiarów, zastąpiły bardziej wyrafinowane metody wykorzystujące modele matematyczne odwzorowujące zachowania komunikacyjne ludzi w zamodelowanych sieciach transportowych. Badania nad tymi modelami pozwalają na budowę coraz to lepszych narzędzi, mających dokładniej i trafniej prognozować ruch. Nic dziwnego, że rozwój metod prognozowania ruchu jest gwałtowny. Potrzebne są trafne prognozy i to już nie tylko dla analiz ekonomicznych czy wymiarowania nowych inwestycji. Prognozy obecnie wykorzystywane są również dla projektowania i optymalizacji zmian organizacji ruchu, analiz środowiskowych, dopasowywania rozkładów jazdy, ale również dla celów komercyjnych, jak określenie widowni dla reklam zewnętrznych czy potencjalnych klientów obiektów handlowych.

Czy jednak w świetle ostatnich wydarzeń związanych z pandemią Covid-19 możemy ufać prognozom?

Najpierw należy odpowiedzieć sobie na pytanie, jak zmienił się ruch w wyniku pandemii? Trzeba zauważyć, że przez ostatni rok atakowani jesteśmy codziennie artykułami prasowymi opisującymi konsekwencje pandemii. Niestety, tylko mała część tych informacji oparta jest na solidnych badaniach i analizach. W dobie stałej pogoni za sensacją, rzadko która informacja jest weryfikowana a liczba przeróżnej maści szarlatanów wzrasta szybciej niż liczba osób zakażonych. Podobnie sytuacja ma się w przypadku informacji o wpływie pandemii na ruch drogowy i pasażerski. Wydawałoby się, że nic prostszego – wystarczy porównać pomiary ruchu z okresu z przed i w trakcie pandemii. Niestety nie jest to takie proste, jak by się to mogło wydawać.

Po pierwsze nie można porównywać pojedynczych pomiarów. Sieci transportowe stale się zmieniają. Są to zmiany planowane, np. otwarcia nowych ulic i połączeń, jak i nieplanowane, np. wypadki, awarie. Przy takich zmianach różnice na pojedynczych punktach pomiarowych mogą wynikać nie tyle ze zmian zachowań kierowców czy pasażerów wywołanych obostrzeniami, co z wyboru innych alternatywnych tras przejazdu wymuszonych zmianami w sieciach transportowych. Tak więc porównanie powinno odbywać się dla dużej liczby punktów pomiarowych, najlepiej na kordonach (np. granicach miast) lub ekranach (np. na wszystkich mostach w mieście).

Kolejnym wymogiem jest porównywanie wystarczająco długich okresów pomiarowych. Co więcej, powinny to być okresy miarodajne. Porównując wielkości ruchu z roku na rok, powinniśmy uwzględnić to, że kalendarz świąt, ferii, długich weekendów różni się w poszczególnych latach. Różne też są warunki pogodowe. Może to mieć większe znaczenie dla zmian wielkości ruchu niż pandemia. Dlatego powinniśmy porównywać ruch w okresach miesięcznych, a nawet kwartalnych. Wreszcie interpretacja wyników bez pełnego obrazu zmian może być nie trafna. Przykładowo, spadek ruchu samochodowego może wiązać się ze zmianą przez kierowców środka transportu na transport zbiorowy lub rower i bez wyników pomiarów dla tych środków transportu wysunięcie wniosku, że spadek ruchu samochodowego jest spowodowany innymi czynnikami niż wybór środka transportu będzie błędne.

Łatwo jest takie wskazówki dać, trudniej jest znaleźć wyniki pomiarów zgodnych z tymi wskazówkami. Niestety, mimo dynamicznie rozwijających się systemów IT oraz BigData, dostęp do wyników rzetelnych pomiarów jest mocno ograniczony.

W przypadku ruchu samochodowego najlepszym źródłem informacji o zmienności tego ruchu są automatyczne stacje pomiarowe. Stacje takie z reguły w sposób ciągły zbierają informację o przejeżdżających w konkretnym miejscu pojazdach. Zainstalowane są na sieci dróg krajowych oraz w dużych polskich miastach. Niestety,  wyniki pomiaru dobrze raportuje jedynie Generalna Dyrekcja Dróg Krajowych i Autostrad i są to wyniki ze stacji na drogach pozamiejskich. W polskich miastach dobrym przykładem mogłaby być Warszawa, która raportuje wyniki ruchu na warszawskich mostach w okresach wiosennych i letnich, ale pomiaru z roku 2019 brakuje.

W zakresie ruchu pasażerskiego w transporcie zbiorowym cykliczne statystyki opracowuje Urząd Transportu Kolejowego w zakresie przewozów kolejowych oraz Zarząd Transportu Miejskiego w Warszawie, publikujący co miesiąc liczbę osób korzystających z metra oraz liczbę sprzedanych biletów w komunikacji miejskiej i podmiejskiej.

Warto również zwrócić uwagę na raporty firm z sektora BigData, chociażby raport Trafic Index https://www.tomtom.com/en_gb/traffic-index/. W przypadku tych raportów musimy jednak zachować ostrożność. Mimo zbierania ogromnej ilości danych, trudno jest wyniki tych badań przenieść na całą populację, bo może to rodzić dość duże błędy. W dodatku, wnioski w tych raportach z reguły wyciągane są nie z pomiarów ilościowych, tylko z pomiaru warunków ruchu, a to nie to samo.

Co wiec możemy powiedzieć o wpływie pandemii na ruch na podstawie dostępnych raportów?

Analizując wyniki pomiarów ruchu samochodowego na drogach zamiejskich zauważymy, że najwyższymi spadkami cechuje się okres pełnego lockdown’u  od marca do czerwca 2020 roku. Spadek w tym okresie dotyczył zarówno ruchu samochodów osobowych, jak i ciężarowych. Najgorszy był miesiąc kwiecień, w którym ruch samochodów osobowych porównywany do kwietnia roku 2019 spadł o 47%, a ruch samochodów ciężarowych o 15%. Poza tym okresem, ruch pojazdów ciężarowych cechował się wzrostem rok do roku, natomiast ruch samochodów osobowych spadkiem (poza wrześniem). Ogólnie, w okresie roku ruch samochodów osobowych na drogach zamiejskich spadł o 14%, natomiast ruch samochodów ciężarowych wzrósł o 2%. W odniesieniu do wszystkich pojazdów możemy mówić o rocznym spadku ruchu o 11%.

Jeszcze większe spadki w ruchu krajowym i zamiejskim odnotowujemy na kolei. Spadek przewozów pasażerskich w przeciągu roku trwania pandemii wyniósł 51%, wobec 14% analogicznego spadku w ruchu samochodów osobowych. Podobnie jak w przypadku ruchu drogowego, mniejszymi spadkami charakteryzuje się kolejowy ruch towarowy. W tym przypadku następuje pięcioprocentowy spadek przewozów wobec dwuprocentowego wzrostu ruchu samochodów ciężarowych. W przeciwieństwie do ruchu samochodów osobowych, przewozy pasażerskie w kolei charakteryzują się spadkami w każdym miesiącu roku pandemii. Jedynie w miesiącach wakacyjnych i we wrześniu spadek jest trochę mniejszy, ale i tak przekracza trzydzieści procent. W kolejowym ruchu towarowym spadki odnotowano w pierwszych sześciu miesiącach, natomiast w kolejnych miesiącach pandemii sytuacja zmieniała się z miesiąca na miesiąc. Wysokich spadków już nie odnotowano, natomiast w grudniu odnotowano wysoki 13% wzrost przewozów.

Trudno jednoznacznie odpowiedzieć na pytanie, czy podobnie sytuacja kształtowała się w ruchu miejskim. Po pierwsze, ruch i przewozy miejskie są dużo gorzej monitorowane niż zamiejskie. Po drugie nie mamy żadnych podstaw do tego, by uogólniać zmiany na wszystkie miasta. Epidemia i obostrzenia, ale również zachowania mieszkańców były różne w poszczególnych miastach, co może świadczyć o różnym wpływie pandemii na ruch w tych miastach.

Dobrym materiałem do analizy zmian liczby pasażerów są statystyki publikowane co miesiąc przez Zarząd Transportu Miejskiego w Warszawie. W szczególności analiza liczby osób korzystających z metra (pomiar na bramkach) oraz liczby sprzedawanych biletów pozwoli nam na uzyskanie obrazu zmian ruchu pasażerskiego  w wyniku pandemii. Roczny spadek liczby pasażerów w metrze był podobny jak w przypadku kolei i wyniósł 54%. Co ciekawe, w tym samym okresie spadek liczby sprzedawanych biletów był niższy i wyniósł 35%. Może to być związane ze specyfiką sprzedaży biletów na komunikację zbiorową opartą zarówno o bilety okresowe, jak i jednorazowe. Jednak może to również oznaczać, że w autobusach i tramwajach, które nie były tak mocno obciążone jak metro, wprowadzenie reżimów osób podróżujących nie powodowało tak dużego ubytku pasażerów jak w metrze.

Podobnie jak w ruchu krajowym, największe spadki nastąpiły na początku pandemii. W kwietniu i maju 2020 spadki liczby pasażerów w metrze przekroczyły 70% (w maju było to rekordowe 85%). Dość ciekawe, że w kwietniu 2020 spadek liczby sprzedawanych biletów był większy niż spadek liczby pasażerów w metrze i wyniósł 92%. Później taka sytuacja nie miała już miejsca.

Wysokie spadki liczby osób korzystających z metra utrzymywały się prawie przez cały rok pandemii. W okresie wakacyjnym i wrześniu spadki zmalały, ale nadal wynosiły ponad 30%.

Z uwagi na brak dobrych raportów, trudno jest porównać spadki ruchu w transporcie zbiorowym ze spadkami ruchu samochodowego w Warszawie. Z wyrywkowych danych udostępnionych przez Zarząd Dróg Miejskich w Warszawie spadek ruchu można określić dla kwietnia, września i października. Spadek ten określony na podstawie porównania wyników pomiarów na stacjach automatycznego pomiaru ruchu z lat 2019 i 2020 wynosi: 32% dla kwietnia, 5% we wrześniu i ponad 7% w październiku. Niestety raporty nie pozwalają na rozróżnienie ruchu samochodów osobowych i ciężarowych. Niemniej spadki ruchu samochodowego są znacznie niższe niż w przypadku ruchu pasażerskiego w transporcie zbiorowym.

Jak widać, zmiany w ruchu w wyniku pandemii są mocno zróżnicowane w różnych środkach transportu i różnych okresach.

Czy w takim razie możemy przewidzieć jaki ruch będzie za tydzień, miesiąc, rok?

IBO wspólnie z Biurem Inżynierii Transportu opracowało algorytm krótkookresowych prognoz ruchu uwzględniających sytuacje nietypowe, takie jak pandemia. Algorytm ten w dużej mierze bazuje na informacjach z komputerowych modeli ruchu oraz kompleksowych badań ruchu, których wynikami dysponuje większość dużych miast w Polsce. Prognoza wielkości potoków ruchu oparta jest o prognostyczne modele ruchu wykonywane dla krótkich horyzontów, jednak dokonywana jest korekta w oparciu o informację o motywacjach podróży. Informacja o strukturze motywacji podróży w modelach ruchu możliwa jest do pozyskania na każdym odcinku sieci transportowej. Dzięki tej informacji możliwe jest wprowadzenie zróżnicowanych – w zależności od obostrzeń – przeliczników ruchu dla konkretnych motywacji. Przykładowo zamknięcie szkół i przejście na naukę zdalną powoduje wyzerowanie podróży w motywacjach dom – szkoła i szkoła – dom, co będzie miało duży wpływ  zwłaszcza na potoki pasażerskie w transporcie zbiorowym. W grupie podróży związanych z pracą możliwe jest wprowadzenie korekty związanej z absencją wynikającą z opieki, choroby, kwarantanny czy pracy zdalnej (wielkości te raportował GUS w okresie pandemii). Trudniejsze jest określenie wpływu pandemii na grupę podróży w motywacjach innych, ale również tutaj możemy wprowadzać korekty z uwagi na strukturę wiekową osób podróżujących czy odsetek podróży związanych z rekreacją.

Opracowano dwa podejścia metodyczne. Oba opierają się na współczynnikach redukcyjnych prognozowanego potoku samochodów, pieszych lub pasażerów, które odzwierciedlają rezygnacje z podróży przez różne grupy osób i są wyliczone na podstawie danych GUS i badań ankietowych.

W pierwszym podejściu przemnażane są potoki w poszczególnych motywacjach. Jest to podejście bardzo dokładne, pozwalające zróżnicować prognozę w konkretnych miejscach, wymaga jednak posiadania informacji o potokach ruchu w podziale na motywację podróży. Takie dane dostępne są w bazach IBO. Drugie podejście jest uproszczone pozwala na prognozowane potoku wyłącznie na podstawie danych o natężeniu ruchu np. pomiaru. W podejściu tym współczynniki redukcyjne wyliczone są dla poszczególnych objętych bazami IBO metropolii. Obliczenie współczynników według poniższego wzoru, uwzględnia specyficzną dla poszczególnych miast strukturę motywacji podróży, wyboru środków transportu czy strukturę wiekową mieszkańców.

Współczynnik

Współczynnik redukcyjny z uwagi na obostrzenia związane z pandemią Covid – 19, możemy obliczyć ze wzoru:

WKPAS = 1 – UNAS*K – UPAS*(0,023*K+0,06+0,005)-U65+AS*0,19    

Gdzie:

UNAS       – Udział podróży związanych z nauką we wszystkich podróżach wykonywanych środkiem transportu S w aglomeracji A

UPAS       – Udział podróży związanych z pracą we wszystkich podróżach wykonywanych środkiem transportu S w aglomeracji A

U65+AS    – Udział wszystkich podróży osób grupy emeryt/rencista w podróżach środkiem transportu S w aglomeracji A

K            – współczynnik przyjmujący wartości 1 – gdy szkoły są zamknięte i 0 – gdy szkoły są otwarte.

Wartości udziałów UX zostały wyliczone na podstawie badań i modeli ruchu, i zebrane  w poniższej tabeli.

Chcąc wyliczyć jaki wpływ na potok samochodów osobowych w Warszawie miały obostrzenia spowodowane pandemią przy pełnym zamknięciu szkół, współczynnik redukcyjny przyjmie wartość:

WKPAS = 1 – 0,053*1 – 0,503*(0,023*1+0,06+0,005)-0,036*0,19 = 0,896

Otrzymujemy więc prawie 11% redukcję ruchu. Pamiętajmy jednak, że nie wszystkie czynniki są w tym obliczeniu uwzględnione. Do najważniejszych należą zmiany w podziale zadań przewozowych, czyli fakt, iż w trakcie pandemii cześć osób przesiadło się z transportu zbiorowego do samochodu czy na rower.

Nie jesteśmy więc bezbronni wobec zjawisk takich jak pandemia (ale również innych trudnych do przewidzenia). Musimy jednak do prognoz ruchu podchodzić bardziej kreatywnie. Pamiętajmy, że rzeczywistość zmienia się według możliwych do opisania algorytmów.  Niestety algorytmy te również się zmieniają i dlatego musimy stale ich poszukiwać.

Jacek Thiem

Biuro Inżynierii Transportu