Czasy przejazdu ciężarówek na autostradach i odcinkach w Niemczech oparte na FCD z 2019 roku

Dlaczego czas przejazdu ciężarówki ma znaczenie

Każde zamówienie online, półka w supermarkecie i linia produkcyjna zależą od tego, że ciężarówki przyjadą na czas. Każdy, kto stał w korku na autostradzie, wie jednak, że czasy przejazdu mogą być skrajnie nieprzewidywalne — zwłaszcza dla ciężkich pojazdów, które są ograniczone do niższych prędkości i nie mogą łatwo nadrobić opóźnień. To badanie zajmuje się tym codziennym problemem w skali krajowej: buduje szczegółowe, oparte na danych czasy przejazdu ciężarówek dla sieci autostrad Niemiec, wykorzystując miliardy rzeczywistych ruchów z pojazdów połączonych, aby ujawnić, kiedy i gdzie ładunki prawdopodobnie będą opóźnione.

Śledząc rzeczywiste ciężarówki na drodze

Zamiast polegać na rzadkich czujnikach przydrożnych, badacze wykorzystują tzw. dane z pływających pojazdów — sygnały wysyłane przez systemy nawigacyjne w pojeździe i jednostki pokładowe rejestrujące pozycję, czas i prędkość. Tylko w 2019 roku niemiecki automobilklub zebrał ponad 25 miliardów takich punktów danych z pojazdów poruszających się po autostradach. Surowe sygnały są najpierw łączone z cyfrową mapą sieci autostradowej zbudowaną na podstawie otwartych danych mapowych. Specjalistyczny silnik trasowania dopasowuje każdy punkt GPS do najbardziej prawdopodobnego odcinka drogi, uwzględniając kierunek pojazdu i strukturę sieci. Ten krok przekształca chmurę anonimowych punktów w precyzyjne trasy wzdłuż 100‑metrowych fragmentów drogi.

Oddzielanie ciężarówek od samochodów osobowych

Ponieważ sygnały pochodzą z różnych typów pojazdów, kolejnym wyzwaniem jest identyfikacja, które z nich to ciężkie ciężarówki. Autorzy tworzą bazę opisującą, jak szybko każdy anonimowy pojazd zazwyczaj porusza się po różnych rodzajach dróg. Po zwizualizowaniu tych prędkości pojawiają się wyraźnie dwie grupy: wolniejsze pojazdy, które rzadko przekraczają typowe prędkości ciężarówek, oraz szybsze — bardziej zgodne z samochodami osobowymi. Zamiast prostego podziału na dwie grupy, zespół stosuje metodę klasteryzacji tworzącą trzy grupy oparte na prędkości. Dodatkowa środkowa grupa pomaga wychwycić pojazdy w warunkach mieszanych lub zatłoczonych, które w przeciwnym razie mogłyby zostać błędnie sklasyfikowane jako ciężarówki, wymieniając część wielkości próby na czystsze, bardziej wiarygodne dane o ciężarówkach.

Od rozproszonych odczytów do ciągłego obrazu

Nawet przy milionach obserwacji dane nie obejmują każdej ciężarówki na każdym odcinku drogi o każdej minucie. Aby ocenić, jak reprezentatywna jest próbka, badacze porównują ją z oficjalnymi stacjami liczącymi, które rejestrują natężenie ruchu i prędkości. Stwierdzają, że ich dane reprezentują średnio około 6% ciężarówek, co wystarcza do opisu warunków ogólnych, zwłaszcza gdy prędkości są uśrednione w ciągu kilku minut. Aby wypełnić pozostałe luki, stosują metodę wygładzania powszechnie używaną w badaniach ruchu drogowego, która łączy pobliskie obserwacje w przestrzeni i czasie. Powstaje w ten sposób ciągły obraz ewolucji prędkości wzdłuż każdej autostrady, ukazujący na przykład rozległe popołudniowe strefy korków, gdzie prędkość ciężarówek gwałtownie spada, zanim później się odbuduje.

Budowanie dynamicznych tabel czasów przejazdu

Posiadając te ciągłe pola prędkości, autorzy obliczają, ile czasu zajęłoby ciężarówce pokonanie każdego odcinka autostrady przy różnych godzinach odjazdu. Dzielą każdą trasę na krótkie, 100‑metrowe elementy i symulują przejazd ciężarówki z jednego elementu do następnego, aktualizując przyjętą prędkość co dziesięć minut, aby odzwierciedlić najnowsze warunki ruchu. W ten sposób podróż, która zaczyna się przed korkiem, może przejechać przez zatłoczony obszar szybko, podczas gdy wyjazd później gromadzi rosnące opóźnienie. Gdy uzyskane czasy przejazdu porównuje się z tymi zmierzonymi bezpośrednio na podstawie pojedynczych przejazdów ciężarówek w danych, różnice zwykle wynoszą tylko kilka sekund, a większe błędy pojawiają się tylko w nielicznych, nietypowych przypadkach.

Co to oznacza dla codziennej logistyki

Wynikiem tej pracy jest publicznie dostępny zestaw szczegółowych czasów przejazdu ciężarówek dla niemieckich autostrad, rozbitych według dróg i odcinków w krokach co dziesięć minut w typowe dni robocze. Dla nadawców, przewoźników i planistów dane te przemieniają niejasne ryzyko opóźnienia w konkretne liczby, które można uwzględnić w harmonogramach, oprogramowaniu trasującym i planach przepustowości. Dla ogółu społeczeństwa oznacza to, że te same połączone pojazdy już poruszające się po drogach mogą cicho dostarczać informacje potrzebne do bardziej niezawodnego funkcjonowania łańcuchów dostaw — pomagając towarom przyjeżdżać na czas, zmniejszając marnotrawstwo paliwa i lepiej wykorzystując istniejącą infrastrukturę autostradową bez instalowania jednego nowego czujnika w ziemi.

Cytowanie: Schlott, M., Abdul, L. & Leerkamp, B. Truck Travel times on freeway facilities and segments in Germany based on FCD from 2019. Sci Data 13, 588 (2026). https://doi.org/10.1038/s41597-026-07198-z

Słowa kluczowe: czas przejazdu ciężarówki, korek na autostradzie, dane z pływających pojazdów, logistyka towarowa, niezawodność ruchu