200 likes | 314 Views
Danskernes transport – hvor meget, hvordan, hvornår og hvor henne?. Carsten Jensen Projektleder caj@transport.dtu.dk. Transportvaneundersøgelsen – en unik datakilde. Der indsamles mange forskellige typer data om persontransport i DK tællinger af bil- og cykeltrafik (VD og kommuner)
E N D
Danskernes transport – hvor meget, hvordan, hvornår og hvor henne? Carsten Jensen Projektleder caj@transport.dtu.dk
Transportvaneundersøgelsen– en unik datakilde • Der indsamles mange forskellige typer data om persontransport i DK • tællinger af bil- og cykeltrafik (VD og kommuner) • tællinger/undersøgelser i kollektiv trafik (Trafikselskaber, DSB m.fl.) • Bilparken, bilers årskørsel m.m. (VD og DST) • Pendlingsstatistik (DST) • Ad hoc undersøgelser til mange forskellige formål • Osv. osv. osv. • Men kun et sted, hvor der kan opnås et samlet overblik over danskernes persontransportadfærd: • Transportvaneundersøgelsen (TU) • Tema: Indsamling, behandling og anvendelse af TU-data • særligt fokus på geografi
Kort om undersøgelsen • Gennemføres og finansieres af: Transportministeriet, Vejdirektoratet, Trafikstyrelsen, DSB, Københavns Kommune, Aalborg Kommune, RfSF og DTU Transport • Flere medlemmer på vej? • DTU Transport styrer projektet, med Synovate som underleverandør • TU har en lang forhistorie • Enkeltstående undersøgelser er gennemført i 1975, 1981 og 1986 • Fra 1992 er undersøgelsen gennemført årligt, dog med pause i 2004-05 • I perioden siden 1992 er foretaget ca. 200.000 interviews • Med registrering af transportadfærden på næsten 600.000 enkeltture • Undersøgelsens kerne er stort set uforandret siden 1992, dog med løbende ændringer og forbedringer • Den lange historik – en styrke og en binding
Transportvaneundersøgelsens formål • En samlet beskrivelse af danskernes transportadfærd (inden for landets grænser) • Afdækker al persontransport på offentlig vej, korte og lange ture • Dækker befolkningen i aldersgruppen 10-84 år • At beskrive en lang række forhold, som f.eks. • transportomfang pr. person/for befolkningen, opgjort som ture, km, minutter osv. • transportens fordeling på transportmiddel, turformål, geografi, tid m.m. • kobling mellem transportadfærd og baggrundsvariable(køn, alder, indkomst, uddannelse, familietype, bilrådighed osv.) • transportadfærd ift. andre parametre (adgang til parkering ved arbejdsplads, fleksibel arbejdstid, nærhed til kollektiv trafik o.a.)
Hvordan samler vi data? • Ca. 13-14.000 interview/år – fordelt på alle årets dage • Interviewpersoner repræsentativt udvalgt (efter geografi, alder, køn) • De udvalgte personer bliver først kontaktet pr. brev • Herefter kombination af internet- og telefoninterview (ca. 20/80) • Egenudviklet, ganske komplekst spørgeskema • I interviewet udspørges personen om • transportadfærden på (normalt) dagen før interviewet, ved en detaljeret gennemgang af alle dagens ture • diverse supplerende oplysninger om forhold vedr. bolig/arbejdsplads • baggrundsoplysninger om personen • baggrundsoplysninger om husstanden • mulighed for supplerende spørgsmål, fx om aktuelle emner • Gns. telefoninterview 10-11 minutter • Gns. internetinterview ca. 20 minutter
Centrale begreber:ture, delture, turkæder og formål Tur 1 Bolig-arbejde (5 delture) Tur 2 Arbejde-indkøb (1 deltur) Tur 3 Indkøb – hjem (1 deltur) Tur 4 Hjem – fritid (1 deltur) Tur 5 Fritid – hjem (1 deltur) Turkæde 1 = tur 1-3 Turkæde 2 = tur 4-5
Centrale begreber:transportmiddel og hovedtransportmiddel Tur 1 Gang-bus-tog-bus-gang Tur 2 Bilfører Tur 3 Bilfører Tur 4 Løb (gang) Tur 5 Løb (gang) Tid (inkl. ventetid) og afstand registreres på delture
Adressedata indsamlet i interview • Bopæl (normalt leveret fra CPR) • “Sædvanligt dagligt udgangspunkt” • Arbejdsplads/uddannelsessted • Startpunkt/slutpunkt for hver tur • Adressedatabase baseret på 3 hovedkilder: • OSAK-data (Officielle standardadresser og koordinater) • CVR-data (filtreres og kvalitetscheckes inden brug) • Supplementsdata, egen produktion • naturområder o.l. • aliasnavne • mangler i CVR (kirker, sportshaller, genbrugspladser m.m.) • grænseovergange, havne, lufthavne • udenlandske stednavne/landenavne • I alt 5+ mio. records – høje krav til søgetid og søgealgoritme
Kvalitet af adressedata 2007 Adresse fundet i interview 94,4% Efterkodet: eksakt adresse 3,3% Efterkodet: indenfor 100 m 0,5% Efterkodet: sandsynligt bud 0,1% Efterkodet: kommuneniveau 0,5% 98,3% Mgl. efterkodning 1,0% Kodning opgivet 0,2%
Datastruktur og variable • Grundlæggende struktur i dag (historisk betinget):5 SAS-datasæt med 700+ variable (spørgeskema og afledte) • Mange analysemuligheder • Kompleks databehandling • Lang leveringstid • Anvendelse kræver indsigt • Udviklingsprojekt i gang:Omlægning til relationel DB-struktur (MS SQL Server) • Enklere databehandling/kvalitetssikring • Geografiske elementer håndteres i samlet GIS-flow • Stærkt reduceret procestid • Enklere data til slutbrugere • Lidt færre muligheder for superbrugere • Krav: Nyudvikling uden at tabe historikken
Geografiske zonebegreber i TU • TU-zoner (by- og landzoner) • Urbaniseringsgrader • Bydelstyper • Gl. kommuner • Amter • Nye kommuner • Regioner • (Udland) • Kommende trafikmodelzoner • Kvadratnet??
Hvordan bruges TU-data? • Overordnede nøgletal • Analyser, analyser, analyser • stat, regioner, kommuner • presse • interesseorganisationer • private virksomheder, konsulenter • Input til forskningsprojekter, trafikmodeller o.l • I kombination med andre data
Transportmiddelfordeling/turlængde/formål- start-/slutpunkt i København/Frederiksberg
Hvor er begrænsningerne? • TU er stærk til tværsnitsanalyser, men mindre god til at beskrive udvikling fra år til år • det kan gøres alligevel, men med forsigtighed • Ændringer i dataindsamlingen over tid betyder følsomhed overfor valg af periode • f.eks. er geografi og helt korte ture bedre registreret i de seneste år • men mange centrale variable uændrede siden 1992 • Man skal være opmærksom på datagrundlag/stikprøvestørrelse • Restriktioner på meget detaljerede geografiske data (registerlovgivning) • Interviewmetoden med registrering af adfærd på en bestemt dag giver en god registrering af den gennemsnitlige adfærd, men vi ved ikke hvordan spredningen er omkring dette gennemsnit • Kun overordnede data stilles gratis til rådighed
Videreudvikling – de næste skridt • Ny, forbedret datastruktur • Forbedret formidling af resultater (tabeller, GIS, specialanalyser) • Øget stikprøve ifm. trafikmodeludvikling • Øget GIS-understøttelse af dataindsamling • Specialundersøgelser • Dataindsamling vha. GPS/mobil (bl.a. rutevalg)