Ny app kan forbedre den kollektive trafik
Scroll ned for at læse mere
Scroll ned for at læse mere
Af Christina Tækker, DTU
Når de første selvkørende shuttle-busser begynder at køre på DTU Lyngby Campus i juli 2020, vil omkring 500 testpassagerer være udstyret med en LINC app, der er udviklet af DTU i samarbejde med Roskilde Universitet og IBM.
Med appen kan testpassagererne se, hvor de selvkørende shuttle-busser er, og hvornår de kører. Samtidig bruger forskerne appen til at indsamle data om testpassagerernes adfærd og bevægelsesmønster i forbindelse med deres brug af busserne.
Det særlige ved appen er, at den på en ny måde kombinerer velkendte teknologier fra bl.a. løbe- og sundhedsapps med elementer fra trafikforskning. Appen har f.eks. indbygget GPS og bluetooth beacons, der er forbundet med radiotransmittere, som bliver monteret i busserne og på stoppestederne.
Det gør det muligt at se, hvem der sidder i køretøjet, og hvornår de går ind og ud. Derudover anvender forskerne spørgeskemaer, der bliver udsendt i realtid til brugerne.
”Vi tager appen et skridt videre end andre. Det er ikke bare er en tracking app, hvor vi kan se, hvor mange, der har taget den selvkørende shuttle-bus. Vi kan faktisk bruge den som et værktøj og integrere den med et spørgeskema. Ved hjælp af bluetooth beacons kan vi analysere data mere nøjagtigt, mens passagererne er i bussen. Det kan forhåbentlig give os en endnu mere detaljeret indsigt i deres transportmønstre,” siger Per Bækgaard, der er lektor på DTU Compute.
I øjeblikket er DTU-forskerne sammen med IBM i gang med at identificere, hvilke situationer, der kan give dem de bedste data til at kortlægge passagerernes transportmønster. Det kan f.eks. være data som, hvor mange passagerer, der er i bussen, hvor mange, der står ved et stoppested, hvor længe de har ventet, og hvor de typisk står af.
De samler også data om testpassagerernes typiske adfærd og brugsmønstre. Det er oplysninger, som kan være et væsentligt input til at designe en optimal køreplan. Adfærdsdata kan f.eks. handle om, hvorvidt brugerne afholder sig fra at tage de selvkørende shuttle-busser, hvis der er mange med – eller hvis de er alene i bussen. Og hvordan testpassagererne typisk reagerer, hvis der står mange og venter ved stoppestedet i forhold til, hvis de venter alene.
Som en ekstra feature i appen henter forskerne også informationer om, hvordan testpassagererne opfører sig i forhold til vejret. Vil de f.eks. planlægge deres tur hjemmefra, hvis vejrudsigten melder om regn hele dagen?
Planen er, at alle data bliver analyseret på et dashboard, hvor forskerne løbende kan følge med i, hvordan bussen bliver brugt. Hvis en af busserne pludselig går i stå, kan forskerne efter en halv time sende et spørgeskema til de passagerer, der er i bussen, og spørge, hvordan de oplevede det uventede stop.
”Traditionel trafikforskning baserer sig i høj grad på spørgeskemaer, der bliver udsendt op til tre måneder efter, man har kørt med offentlige transportmidler. Og så kan det være svært at huske den enkelte tur i detaljer,” siger Per Bækgaard.
”Vi forventer at få et mere præcist svar fra brugerne. Og vi regner med at få en større svarrate, fordi vi spørger mere specifikt. Vi tror også, at vi kan få et mere korrekt svar, fordi passagererne ikke har været igennem en masse efterrationaliseringer. Hvis du er i det rigtige miljø, når du svarer på spørgsmålet, er det nemmere at huske, hvad der er sket.”
Forskningsprojektet er begrænset til at samle data om brugen af selvkørende shuttle-busser inden for DTU’s område og fokuserer på den såkaldte ’last-mile’-udfordring – altså transporten til og fra den offentlige transport. Selv om projektet er af mindre størrelse, er Per Bækgaard spændt på at følge med i brugsmønsteret og se, hvor præcise data forskerne får. Resultaterne kan nemlig overføres til den kollektive trafik, hvis appen også bliver testet i en større skala:
”Jeg tror, at den danske kollektive trafik på en række punkter er nødt til at blive gennemtænkt. Hvis vi i dette projekt kan forstå testpassagerernes bevægelsesmønstre bedre, kan vi designe løsninger, der er tilpasset brugernes individuelle behov meget bedre. De resultater kan vi bruge til at forbedre den offentlige transport – og måske optimere brugen – så vi ikke alle sammen skal holde i kø på motorvejen.”
