Transportmodellen voor luchtkwaliteit
19018
Van 2019 tot 2020
Dit project onderzocht een alternatieve methode voor het genereren van transportvolumes ter ondersteuning van luchtkwaliteitsmodellen, in plaats van het traditionele PROMOVIA-model. TML gebruikte de ClairCity-methodologie in Gent, wat positieve resultaten opleverde die de kwaliteit van luchtkwaliteitsmodellen kunnen verbeteren dankzij gedetailleerde gegevens en nieuwe bronnen zoals Telraam.
Dit project was een testcase om te onderzoeken of een alternatieve aanpak om transportvolumes te genereren, in vergelijking met de huidige aanpak met het PROMOVIA-model van Vlaanderen, voldoende kwaliteit kan leveren om luchtkwaliteitsmodellen te voeden. In deze aanpak wordt het wegennet niet vaak bijgewerkt en worden veranderingen erin niet in overweging genomen (bv. implementatie van nieuwe circulatieplannen).
In dit project hebben we een stapsgewijze aanpak gebruikt, waarbij bij elke stap meer detail en complexiteit werd toegevoegd om te onderzoeken in welke mate basistechnieken voor netwerktoewijzing toepasbaar zijn op luchtkwaliteitsmodellen. Meerdere aanvullende verfijningen werden voorgesteld om de verkeersvolumes te kalibreren tot het vereiste prestatieniveau.
De ClairCitybenadering werd gebruikt als een quickscan om de verkeersvolumes in de regio Gent in te schatten. Met deze resultaten onderzochten we de toepasbaarheid van deze methodologie op luchtkwaliteitsmodellen, met name of deze methodologie de modellen kan verbeteren. In het algemeen werd onze onderzoeksvraag positief beantwoord. De testcase van Gent leverde nuttige inzichten op en er wordt aangenomen dat deze resultaten voldoende kwaliteit kunnen leveren om luchtkwaliteitsmodellen te voeden, vooral door het toevoegen van detail tot op het fijnste niveau van het wegennet en de ruimtelijke referentie van de wegen.
We vonden een betere aansluiting bij de ruimtelijke planning van de wegeninfrastructuur door gebruik te maken van Open Street Mapgegevens. We hebben de beschikbare (meer gedetailleerde) vraaggegevens voor strategische vervoersmodellen toegepast op een meer gedetailleerd netwerk, waarbij we gebruikmaakten van geschikte vraagverdelingstechnieken en reiskostenparameters. Daarnaast hebben we laten zien hoe nieuwe gegevensbronnen zoals Telraamgegevens nuttig bleken te zijn bij het aanpassen van lokale verkeersvolumes.
In verdere ontwikkelingen zullen we ons richten op het uitbreiden van deze bevindingen naar grotere regio's, zoals het gehele netwerk van België. We hebben aangetoond dat geheugenvereisten het belangrijkste knelpunt vormen voor grootschalige netwerktoewijzingen. We verwachten oplossingen te vinden in algoritmische ontwikkelingen en decompositietechnieken.
Dit project was een testcase om te onderzoeken of een alternatieve aanpak om transportvolumes te genereren, in vergelijking met de huidige aanpak met het PROMOVIA-model van Vlaanderen, voldoende kwaliteit kan leveren om luchtkwaliteitsmodellen te voeden. In deze aanpak wordt het wegennet niet vaak bijgewerkt en worden veranderingen erin niet in overweging genomen (bv. implementatie van nieuwe circulatieplannen).
In dit project hebben we een stapsgewijze aanpak gebruikt, waarbij bij elke stap meer detail en complexiteit werd toegevoegd om te onderzoeken in welke mate basistechnieken voor netwerktoewijzing toepasbaar zijn op luchtkwaliteitsmodellen. Meerdere aanvullende verfijningen werden voorgesteld om de verkeersvolumes te kalibreren tot het vereiste prestatieniveau.
De ClairCitybenadering werd gebruikt als een quickscan om de verkeersvolumes in de regio Gent in te schatten. Met deze resultaten onderzochten we de toepasbaarheid van deze methodologie op luchtkwaliteitsmodellen, met name of deze methodologie de modellen kan verbeteren. In het algemeen werd onze onderzoeksvraag positief beantwoord. De testcase van Gent leverde nuttige inzichten op en er wordt aangenomen dat deze resultaten voldoende kwaliteit kunnen leveren om luchtkwaliteitsmodellen te voeden, vooral door het toevoegen van detail tot op het fijnste niveau van het wegennet en de ruimtelijke referentie van de wegen.
We vonden een betere aansluiting bij de ruimtelijke planning van de wegeninfrastructuur door gebruik te maken van Open Street Mapgegevens. We hebben de beschikbare (meer gedetailleerde) vraaggegevens voor strategische vervoersmodellen toegepast op een meer gedetailleerd netwerk, waarbij we gebruikmaakten van geschikte vraagverdelingstechnieken en reiskostenparameters. Daarnaast hebben we laten zien hoe nieuwe gegevensbronnen zoals Telraamgegevens nuttig bleken te zijn bij het aanpassen van lokale verkeersvolumes.
In verdere ontwikkelingen zullen we ons richten op het uitbreiden van deze bevindingen naar grotere regio's, zoals het gehele netwerk van België. We hebben aangetoond dat geheugenvereisten het belangrijkste knelpunt vormen voor grootschalige netwerktoewijzingen. We verwachten oplossingen te vinden in algoritmische ontwikkelingen en decompositietechnieken.
