Время в пути грузовиков по автомагистралям и участкам в Германии на основе FCD за 2019 год

Почему важно время в пути грузовиков

Каждый онлайн‑заказ, полка в супермаркете и производственная линия зависят от того, чтобы грузовики прибывали вовремя. И всё же тот, кто стоял в автомобильной пробке, знает: время в пути может быть крайне непредсказуемым — особенно для тяжёлых грузовиков, которым ограничена скорость и которые не могут легко наверстать упущенное. Это исследование решает эту повседневную проблему в масштабах всей страны: оно строит подробные, основанные на данных оценки времени в пути грузовиков по сети автомагистралей Германии, используя миллиарды реальных перемещений подключённых автомобилей, чтобы показать, когда и где грузы, вероятно, задержатся.

Отслеживая реальные грузовики на дороге

Вместо того, чтобы полагаться на редкие придорожные датчики, исследователи используют так называемые данные плавающих автомобилей — сигналы, посылаемые навигационными системами в автомобилях и бортовыми блоками, фиксирующие координату, время и скорость. Только за 2019 год автомобильный клуб Германии собрал более 25 миллиардов таких точек данных от транспортных средств на автомагистралях. Эти сырые сигналы сначала привязывают к цифровой карте дорожной сети, собранной из открытых картографических данных. Специализированный движок привязки маршрутов «щёлкает» каждую GPS‑точку к наиболее вероятному сегменту дороги, учитывая направление движения и структуру сети. Этот этап превращает облако анонимных точек в точные траектории вдоль участков дороги длиной по 100 метров.

Отделение грузовиков от легковых автомобилей

Поскольку сигналы поступают от разных типов транспортных средств, следующая задача — определить, какие из них являются тяжёлыми грузовиками. Авторы создают базу данных, описывающую, с какой скоростью каждое анонимное транспортное средство обычно движется по разным типам дорог. При построении распределения этих скоростей выявляются две чёткие группы: более медленные транспортные средства, которые редко превышают типичные грузовые скорости, и более быстрые, соответствующие легковым автомобилям. Вместо простого деления на две группы команда применяет метод кластеризации, формирующий три группы по скорости. Дополнительная средняя группа помогает учесть транспортные средства в смешанных или загруженных условиях, которые иначе могли бы быть ошибочно идентифицированы как грузовики, — жертвуя частью объёма выборки ради более чистых и надёжных данных по грузовикам.

От разрозненных наблюдений к непрерывной картине

Даже при миллионах наблюдений данные не покрывают каждого грузовика на каждом участке дороги в каждую минуту. Чтобы оценить, насколько представительной является выборка, исследователи сравнивают её с официальными счётчиками, фиксирующими потоки транспорта и скорости. Они находят, что их данные представляют примерно 6% грузовиков в среднем, чего достаточно для описания общих условий, особенно если усреднять скорости по нескольким минутам. Чтобы заполнить оставшиеся пробелы, они применяют метод сглаживания, широко используемый в транспортных исследованиях, который объединяет близкие наблюдения по пространству и времени. Это даёт непрерывную картину того, как меняются скорости вдоль каждой автомагистрали, выявляя, например, протяжённые зоны дневных заторов, где скорость грузовиков резко падает перед тем, как позднее восстановиться.

Построение динамических таблиц времени в пути

Имея эти непрерывные поля скоростей, авторы вычисляют, сколько времени потребуется грузовику, чтобы проехать каждый сегмент автомагистрали при различных моментах отправления. Они делят каждую трассу на короткие элементы по 100 метров и моделируют движение грузовика от одного элемента к следующему, обновляя предполагаемую скорость каждые десять минут, чтобы учесть текущие дорожные условия. Таким образом, поездка, начавшаяся до пробки, может быстро пройти через загруженный участок, тогда как поездка, выехавшая позже, накапливает растущую задержку. При сравнении полученных времен в пути с измерениями, полученными непосредственно из индивидуальных поездок грузовиков в данных, расхождения обычно составляют всего несколько секунд, а большие ошибки ограничены небольшим числом необычных случаев.

Что это означает для повседневной логистики

Результат этой работы — свободно доступный набор подробных времен в пути грузовиков для автомагистралей Германии, разбитых по трассам и сегментам с шагом в десять минут в обычные будние дни. Для отправителей, перевозчиков и планировщиков эти данные превращают расплывчатый риск задержки в конкретные цифры, которые можно интегрировать в расписания, программное обеспечение для маршрутизации и планы пропускной способности. Для широкой публики это означает, что те же подключённые автомобили, уже находящиеся на дороге, могут незаметно предоставлять информацию, необходимую для более надежного управления цепочками поставок — помогая грузам прибывать вовремя, снижая пустые пробеги и экономя топливо, а также улучшая использование существующей дорожной инфраструктуры без установки ни одного нового датчика в землю.

Цитирование: 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

Ключевые слова: время в пути грузовика, заторы на автомагистралях, данные плавающего автомобиля, грузовая логистика, надежность движения