Porównanie metod zbierania danych dla mikroskopowej symulacji ruchu w programie VISSIM na przykładzie planowania przestrzennego fragmentu osiedla Złotno w Łodzi

Abstract

This paper presents a case study on a comparison of data collection methods for the calibration and validation of a microsimulation traffic model in PTV VISSIM software, based on the example of a section of the street network of Złotno in Łódź. The aim of the study was to assess the practical usability and reliability of two data sources: limited field measurements and commercial floating car data (FCD) provided by TomTom MOVE, in the context of traffic modelling for urban planning. Two parallel VISSIM models were built and calibrated, each based on one of the analysed data sources. The GEH-statistic, scalable quality value (SQV), root mean square error (RMSE) and correlation coefficient (CC) indices were used to assess the quality of the fit. The analysis showed that although both approaches can lead to acceptable calibration results, their characteristics and limitations imply the need for an informed choice of data collection method, adapted to the specifics of the area under analysis, the scale of the project and the spatial planning objectives.

Niniejszy artykuł prezentuje studium przypadku porównania metod zbierania danych na potrzeby kalibracji i walidacji mikrosymulacyjnego modelu ruchu ulicznego w programie PTV VISSIM, na przykładzie fragmentu sieci ulicznej osiedla Złotno w Łodzi. Celem pracy była ocena praktycznej użyteczności i wiarygodności dwóch źródeł danych: ograniczonych pomiarów terenowych oraz komercyjnych danych typu floating car data (FCD) dostarczanych przez TomTom MOVE w kontekście modelowania ruchu na potrzeby planowania przestrzennego. Zbudowano i skalibrowano dwa równoległe modele VISSIM, każdy oparty na jednym z analizowanych źródeł danych. Jakość dopasowania modeli oceniono za pomocą szeregu wskaźników, w tym: statystyki GEH, skalowalnego wskaźnika jakości SQV (z ang. scalable quality value), pierwiastka błędu średniokwadratowego RMSE (z ang. root mean square error) oraz współczynnika korelacji CC (z ang. correlation coefficient). Analiza wykazała, że choć oba podejścia mogą prowadzić do akceptowalnych wyników kalibracji, to ich charakterystyki i ograniczenia implikują konieczność świadomego doboru metody zbierania danych, dostosowanej do specyfiki analizowanego obszaru, skali projektu oraz celów planowania przestrzennego.