Moving Things & People

Trivector visar att projektarbete gett resultat

Caroline Wendt
September 30, 2021

Trivector hade webbinarium om hur man kan samla in cykeldata med appen TravelVu och hur analysen av den data som skapas kan ge en bättre förståelse av cykeltrafiken och underlätta framtidens planering. En del av arbetet bakom detta har gjorts inom projektet Smarta Offentliga Miljöer (SOM) och det är alltid lika spännande att se hur idéer som provats i ett projekt varit en del av underlaget för att skapa något nytt!

På ett webbinarium i september 2021 berättade Trivectors trafikexperter Thaddäus Tiedje och Emeli Adell bland annat om hur cykeldata samlas in med hjälp av resevaneappen TravelVu och hur den data som samlas in kan ge en bättre och djupare förståelse av cykeltrafiken, bland annat för att underlätta planering. För Trivector är det här resultatet av ett flerårigt arbete med kunskapsskapande arbete i många städer, till exempel Göteborg, Umeå, Gävle och Lund.

Att gynna cykeltrafiken är en viktig del i samhällets omställning mot hållbara transporter. För att kunna förbättra för cyklister och göra cyklingen mer attraktiv behöver samhällsplanerare information. Det kan till exempel vara att få reda på hur mycket det cyklas, hur långt, var man cyklar, vem som cyklar och när under både veckan och dygnet cyklingen sker. Det här ger ett underlag för trafikplanerarna så de kan identifiera brister och behov, prioritera åtgärder och följa upp de åtgärder som utförts.

Under webbinariet fick deltagarna svara på frågor, och det visade att drygt 80 % tyckte att det i nuläget saknas tillräcklig information om cykling. Deltagarna ansåg att det allra viktigaste för att cykeldata ska vara användbar var att den är aktuell och att den går att följa under tid.

Deltagarna i Trivectors webbinarium fick fundera över vilken typ av cykeldata de saknar. Bild: Trivector

Traditionella datainsamlingar kan genomföras till exempel genom att man räknar trafiken på olika platser eller låter utvalda personer fylla i frågeformulär. Appen TravelVu gör på ett annat sätt – den finns i deltagarnas mobiltelefoner, detekterar resor och ger sedan deltagarna ett förslag på hur de rest, vilket deltagarna därefter kan granska, rätta och godkänna. Undersökningar visar att appen detekterar fler resor än traditionella undersökningar och att restider och sträckor blir mer exakta. Appen har redan använts i flera olika städer för att samla data, bland annat i Lund under SOM-projektet och nu också inom ett nytt Vinnova-projekt kopplat till projektet Lund Open Sensoring City (LOSC).

Visualisering av data insamlad i Gävle. Bild: Trivector.

Trivector har också tagit fram analysverktyget Travelviewer och under webbinariet visade de på exempel på vad verktyget kan hjälpa till med. Med det går det snabbt att få svar på frågor, som vilka är det som cyklar/inte cyklar, till vad cyklar man, när cyklar man och så vidare. Med geografiska analyser går det också att se mycket mer – som om det finns brister i cykelnätet och hur olika väder påverkar cyklingen. Genom att se på hastigheter kan man göra analyser av framkomlighet och genom att se var cyklisterna parkerar kan man få underlag för dimensionering och placering av cykelparkering. Den här typen av data kan också identifiera var cyklister cyklar med låg säkerhet, till exempel var de tvingas cykla ute på gatan tillsammans med övriga trafik.

Eventet går att se i efterhand: Bättre data för smartare cykelplanering - Trivector

Trivectors arbete i SOM-projektet

I projektet Smarta Offentliga Miljöer provade Trivector under hösten 2018 att samla in data om Lundabornas cykelvanor. Närmare 500 cyklister var med och bidrog, bland annat genom att logga sina resor med appen TravelVu. I projektet deltog också Tekniska förvaltningen i Lunds kommun för att se så att den data som samlades in passade för kommunens behov. Även Malmö universitet deltog och analyserade det insamlade materialet och såg att det gav ett bra underlag för undersökning av cyklister. I ett senare delprojekt provades det också ut sätt att visualisera sensordata för att ge bättre beslutsunderlag. Det delprojektet leddes av Mobile Heights. Slutligen genomfördes ett arbetspaket där LTH gjorde en djupdykning i representativiteten av geografisk data.

MER ATT LÄSA
Se alla artiklar