Evaluering av friteksttavler i Trondheim

Effects on travel time: There is a large difference in reductions in total travel time, ie. An assessment of the local effects of congestion warnings shows that no effects on safety can be expected.

Figur 1: Plassering av teksttavlene i Trondheim.

Formål og bakgrunn

Teksttavlene som skal evalueres

Påvirkning av fremkommelighet, trafikksikkerhet og miljø

Tekstskilt kan ha miljøeffekter i form av støy og utslipp dersom de påvirker fordeling av trafikkstrømmer, hastighet og kø. Lavere hastighet (uten trafikkork) og færre trafikkork har som regel positive miljøeffekter.

Rapportens oppbygging

Lokale effekter på trafikksikkerhet utredes i den spesielle vurderingen av trafikksikkerhetseffekter ved bruk av fartsmålinger ved køvarselskilt i Moholtlia (kapittel 7). En omfordeling av trafikken kan føre til at et større antall mennesker blir direkte berørt av miljøeffektene (beboere langs ruter som sannsynligvis vil bli omdirigert).

Terminologi: Variable teksttavler

Spesielt ble vi bedt om å se nærmere på prosjektene E18 Oslo (Erke et al., 2006), Motorveg-Ring 3 i Københavnsområdet, FASAN-prosjektet i Stockholm, DynamIT og prosjekter evaluert under TEMPO. I den pågående revisjonen av Trafikksikkerhetshåndboken er det et eget kapittel om virkninger av tekstskilt på ulykker (www.toi.no).

Variable trafikkskilt og virkning på ulykker

Advarsel for motorveilinjer Ulykker med personskade Påkjørsel bakfra Materiell skade Ulykker Påkjørsel bakfra Sammendrag tilbakemeldingsskilt for hastighet Uspesifisert skadenivå Alle ulykker Sammendrag tilbakemeldingsskilt for. Derfor er det svært sannsynlig at forskningen overvurderte den faktiske effekten av skiltene på antall ulykker.

Sammenlignbare prosjekter i Norge og internasjonalt

E18 Oslo
M3/ring 3-motorvegen i København-området
Fasan-prosjektet i Stockholm
DynaMIT
Prosjekter under TEMPO

Sammenlignet med periodene uten tekst gikk gjennomsnittsfarten med tekst ned begge steder med henholdsvis 4,7 og 6,0 km/t. Det var en forsinkelse i sjåførenes tidsbruk og reisetid vist på variable teksttavler.

Figur 2.1.1: Gjennomsnittshastighet (km/t) for hvert målepunkt ved Strand (tavle 1), med og uten budskap på teksttavlen

Metodevurdering

Alt i alt kan det konkluderes med at prosjektet beskrevet i denne rapporten fokuserer mer på konkrete erfaringer med trafikkinformasjon og på effekter på kjøreatferd, både lokalt og med tanke på veivalg, enn studiene som er oppsummert her. I tillegg er nettverkseffekter på trafikkintensitet, reisetider, sikkerhet og miljø undersøkt ved bruk av simuleringer, noe som ikke er gjort i de fleste studiene som er oppsummert i litteraturgjennomgangen.

Sammenfatning og konklusjoner

Simuleringer, som utgjør en stor del av prosjektet beskrevet i denne rapporten, brukes i svært liten grad som metode i prosjektene beskrevet i. Trafikktellinger, som kunne vært et viktig supplement til simuleringer ved å vise hvor mange som faktisk endrer rutevalg med trafikkinformasjon, ble heller ikke gjennomført i stor grad i studiene som er oppsummert i litteraturgjennomgangen.

Formål og hypoteser

Metode

Utvikling av spørreskjema
Gjennomføring av vegkantundersøkelsen
Rekruttering og representativitet av deltakere i webundersøkelsen
Litteraturgjennomgang: Brukerevalueringer av variable

I en annen undersøkelse (det ble delt ut spørreskjemaer til sjåfører som ble stoppet av veiskilt med utskiftbar tekst) vil blant annet 24 % av sjåførene velge en annen vei enn den tiltenkte, 8 % vil kun velge annen vei dersom det er flere problemer i trafikken.

Figur 3.2.1. Reisetider som ble vist på tavlen ved Storlersbakken mens intervjuene ble gjennomført

Resultater fra vegkantundersøkelsen

Bakgrunnsfakta om respondentene

Det er dermed ikke store forskjeller mellom sjåførgruppene, men de som ikke har sett tavle og tekst vet litt mindre om Trondheim i gjennomsnitt.

Svar på enkelte spørsmål

Resultatene i figur 3.3.12 viser at kun to personer (1,6 %) oppga at de hadde tenkt å kjøre på en annen vei enn planlagt. Resultatene i figur 3.3.17 viser at de fleste sier de ville tatt en annen rute enn planlagt dersom reisetiden som vises på teksttavlen var lengre enn 40 minutter.

Figur 3.3.8: Var det vanskelig å se hva som sto på tavlen? (N = 124).

Resultater fra webundersøkelsen

Bakgrunnsfakta om respondentene

Andelen som kjører til Trondheim mindre enn én gang i uken er lavere i nettundersøkelsen (10,7 %) enn i veikantundersøkelsen (23,1 % eller 30,0 %, hvis de som aldri kjører i Trondheim er ekskludert). Det betyr at sjåfører som kjører mye i Trondheim er mye mer representert i nettundersøkelsen enn i veikantundersøkelsen.

Bakgrunnsfaktorer som påvirker svar på andre spørsmål

Selv om svarene på spørsmål 26 har vist seg å ha sammenheng med alder, kan man ikke se noe tydelig mønster, for eksempel at unge tar en omvei dersom det er mindre forsinkelse enn eldre. Var det vanskelig å se hva som sto på tavlen? på skiltet du kjørte forbi forrige gang).

Tabell 3.4.1: Svarfordelingene til spørsmålene som har signifikant sammenheng med årlig kjørelengde (originale, ikke justerte svarfordelinger)

Svar på spørsmål om ”siste gang du kjørte forbi en av

Blant de som kjører småbil i Trondheim er det flere som syntes det var vanskelig å se hva som sto på tavlen (se avsnitt 3.4.2). De som syntes det var litt eller veldig vanskelig å se hva som sto på tavla er inne.

Figur 3.4.5: Svarene på spørsmål 7 ”Omtrent når på døgnet så du informasjon på trafikkinformasjonstavlen?”(N = 206)

Svar på spørsmål om ”generelle erfaringer med

Link til spørsmål 18: Blant de 16 personene som svarte at de ikke stolte på informasjonen på teksttavler, svarte 62,5 % på spørsmål 18 at de hadde opplevd feil informasjon på teksttavlen. Blant de som ikke svarte med «Jeg vet ikke», er andelen av de som svarte at de stoler mer på informasjonen på trafikkinformasjonstavlen bare litt lavere enn blant alle respondentene (53,8 %).

Figur 3.4.13: Svar på spørsmål 16 ”Har det hendt at du har ringt eller sendt sms til noen for å gi beskjed om noe du har lest på en trafikkinformasjonstavle i Trondheim?”(N = 206)

Faktorer som påvirker den generelle vurderingen av teksttavlene

Justering for andel kvinner og menn: Svarene ser ut til å være forskjellige mellom kvinner og menn. Den justerte fordelingen viser hvordan svarene ville fordelt seg dersom forholdet mellom kvinner og menn hadde vært det samme som i

Metodevurdering og feilkilder

Det er en del respondenter som har sluttet å fylle ut spørreskjemaet, men disse er ikke inkludert i analysene. I svarfordelingen justert for kjøring i Trondheim er det omvendt at det er flere som mener reisetiden bør vises hele tiden.

Sammenfatning og konklusjoner

Utforming av teksttavlene og teksten
Virkninger på kjøreatferd på operasjonelt / taktisk nivå
Virkninger på kjøreatferd på strategisk nivå (rutevalg)
Teksttavlenes nytteverdi og holdninger til teksttavlene
Konklusjoner

I veikantundersøkelsen er andelen av de som sier de ikke ville kjørt uansett på en annen rute enn den planlagte (med mindre veien er stengt) 27 %, mens samme andel i nettundersøkelsen er kun 7 % (i rushtiden; 18 % lavtrafikk). Imidlertid sa bare noen få at de faktisk ville reise en annen rute enn planlagt.

Tabell 3.6.1: Andeler som ville kjøre en annen veg enn planlagt ved ulike viste reisetider i vegkant- og webundersøkelsen

Metode

Resultater

Loggbokutskriften viser at den mest rapporterte hendelsen er redusert tilgjengelighet som følge av en ulykke. Fritekstskiltet ved Okstadbakken ble imidlertid med hell brukt til å varsle om redusert adkomst på grunn av en trafikkulykke dagen etter.

Metodevurdering og feilkilder

Dette styringssystemet ga imidlertid i utgangspunktet vanskeligheter, fordi det var problemer med kommunikasjonen mellom brett og servere.

Sammenfatning og konklusjoner

For å sikre konsekvent platebruk kan det også være nyttig å standardisere registreringen av når og hvordan plater brukes i større grad.

Metode

Modelleringer i CONTRAM
Samlede virkninger i løpet av ett år
Validering av CONTRAM resultatene med trafikktellinger
Virkninger på reisetid - eksperimentell
Litteraturgjennomgang: Rutevalg med trafikkinformasjon

Hendelse og anbefaling av alternativ rute: Når informasjon om en hendelse og anbefaling av alternativ rute vises, velger mellom null og 41 % alternativ rute. Kø / redusert tilgang / forsinkelse: Når informasjon om køer eller redusert tilgang vises, velger mellom null og 25 % en alternativ rute.

Figur 5.2.1: Hendelsesstrekninger i CONTRAM.

Resultater

Modelleringer i CONTRAM
Samlede virkninger på reisetiden i løpet av ett år
Validering av CONTRAM
Virkninger på reisetid eksperimentell

Det ble ikke funnet relevante hendelser der informasjon sto på teksttavlen på Ila. På Moholtlia ble det i to av de fire sakene foretatt tellinger med hendelse og opplysninger på teksttavlen.

Tabell 5.3.2: Antall kilometer veg hvor trafikkmengden er redusert i scenariene med teksttavle

Metodevurdering og feilkilder

I dette prosjektet ble det gjennomført trafikksimuleringer i stedet for målinger i reell trafikk for å studere effekten av tekstskiltene ved hendelser. Det er også usikkert i hvilken grad de simulerte effektene av teksttavlene ved arrangementer påvirkes av de simulerte effektene av hendelser.

Sammenfatning og konklusjoner

For å ta hensyn til usikkerheten ble det laget scenarier med ulike forutsetninger om effekten av teksttavlene (liten, middels eller stor effekt). Spørsmålet er med andre ord om de simulerte effektene av tekstskiltene ved hendelser ville endret seg dersom de simulerte effektene av hendelser på trafikken ble endret.

Metode

Litteraturgjennomgang: Trafikkindikatorer og ulykker

Sammenhengen mellom trafikkintensitet og antall ulykker er undersøkt i en lang rekke studier, som er oppsummert i Høye (2010). For kollisjoner med flere kjøretøy involvert er sammenhengen tilnærmet lineær, den prosentvise endringen i antall kollisjoner med 1 % økning i trafikkintensiteten avviker ikke nevneverdig fra 1 %.

Figur 6.2.1: Sammenheng mellom trafikkmengde (antall kjøretøy per time) og relativt antall ulykker

Trafikksimuleringer i CONTRAM

Basert på studiene oppsummert i litteraturgjennomgangen er det ikke mulig å estimere endringen i antall ulykker avhengig av endring i kjøreandel (eller kø) eller forholdet mellom trafikkmengde og kapasitet. Sammenhengen mellom gjennomsnittshastighet og antall ulykker er i stor grad basert på ulykker som ikke skjer når det er kø.

Samlede virkninger i løpet av ett år

Derfor beregnes også påvirkningen på antall ulykker avhengig av gjennomsnittshastighet og køer. Effektene beregnet ut fra endringene i kjøretøykilometer, trafikkmengde, gjennomsnittshastighet og køer multipliseres for å få teksttabellenes totale effekt på antall ulykker.

Resultater

Deskriptive analyser

Gjennomsnittlig timetrafikk i scenarier uten teksttavle er vist i tabell 6.3.3, vektet med antall kjøretøykilometer per samband eller med antall vegkilometer per samband. Hvor mange kjøretøykilometer som kjøres i kolonnen i scenarier uten teksttavle og endringer med teksttavle er vist i tabell 6.3.5.

Tabell 6.3.2: Virkning av informasjon på teksttavle på det totale antall kjøretøykilometer som kjøres på mindre istedenfor på større veger på grunn av informasjon på teksttavlene

Virkninger på antall ulykker

I de fleste scenarier fører endringer i kjørelengde til en økning i antall ulykker på opptil omtrent én prosent. I bare noen få scenarier er en stor påstått effekt av tekstskilt en økning i antall ulykker opp til ca. 0,9 %.

Tabell 6.3.7: Virkning av informasjon på teksttavle på det totale antall ulykker i prosent, basert på endringen i antall kjøretøykilometer i vegnettet; gjelder ulykker med alle skadegrader

Samlede virkninger i løpet av ett år

Samlede effekter på totalt antall kjørte kjøretøykilometer og på antall kjørte kjøretøykilometer i konvoier i løpet av ett år. Anslått samlet påvirkning på totalt antall kjøretøykilometer og på antall kjøretøykilometer i konvoier i Trondheim er vist i tabell 6.3.12.

Tabell 6.3.12: Samlede virkninger av teksttavlene på det totale antall kjøretøykilometer og på antall kjøretøykilometer som kjøres i kø

Metodevurdering og feilkilder

Hastigheten hvor mange ulykker endres i køer er basert på mer eller mindre kvalifiserte forutsetninger. Effekter beregnet på grunnlag av alle indikatorer samlet gir derimot et mer konsistent bilde, og virker dermed noe mer pålitelig.

Sammenfatning og konklusjoner

Det er også knyttet usikkerhet til om antall ulykker brukt som utgangspunkt representerer ulykker som skjer i Trondheimsområdet modellert i CONTRAM (det er antatt at ulykker som skjer i dette området utgjør 80 % av ulykkene i tettbygde strøk i Trondheim kommune). Det er stor usikkerhet om hvor store effektene på antall ulykker vil være, hovedsakelig på grunn av usikkerheten knyttet til om simuleringene reflekterer virkeligheten, og også på grunn av usikkerheten knyttet til hvordan de skiller seg.

Metode

Forsøksopplegg

Ettersom køvarslingssystemet er manuelt styrt, er det ikke tilgjengelig informasjon om skiltene ville ha vist «Ønskes» de dagene systemet var slått av.

Målinger og videoobservasjoner

For hvert kjøretøy som passerer tellepunktet, registreres både hastighet (km/t; målt med induktive sløyfer) og avstand til kjøretøyet foran (avstand fra slutten av forrige kjøretøy til fronten av det aktuelle kjøretøyet i hundredeler av et sekund). Det ble gjort videoobservasjoner fra brua som det første køvarselskiltet var montert på (Jonsvannsveien; S3 på kartet i figur 7.2.1).

Figur 7.2.1: Teksttavler og tellepunkter ved Moholtlia (fra Tveit m.fl., 2008, Figur 13 på s

Litteraturgjennomgang: Trafikkindikatorer og ulykker

Abdel-Aty og Pande (2005) viste at logaritmen til fartsvariasjonen i 5-minutters intervaller rett før ulykken har en større korrelasjon med ulykker enn gjennomsnittshastigheten. Abdel-Aty og Abdalla (2004) viste at høy hastighetsvariasjon i en periode på 15 minutter før ulykken har sammenheng med om en ulykke inntreffer.

Figur 7.2.3: Sammenhengen mellom trafikktetthet og trafikkvolum på freeway i tettbygd strøk (Lord m.fl., 2005)

Resultater

Fart og tidsluker

Profiler av volum-, hastighets- og tidslukeindikatorer i periodene med visning av "Ønsker" og sammenligningsperiodene på en dag uten køvarsel. De første analysene (visning av "Wou" vs. ingen visning av "Wou" på dager med visning av.

Tabell 7.3.1: Antall minutter med fartsdata og antall kjøretøy som inngår i resultatene (dager som er brukt i analysene i lysegrå)

Skifte av kjørefelt

Samlet sett tyder resultatene på at visning av «Kø» kan føre til at færre kjører med svært korte tidsluker. Men i sammenligningsperioden på dag 5 er antallet kjøretøy større enn i perioden med visning av "Kø" (21 % flere i høyre felt og 37 % flere i venstre felt).