Toename van het verkeersvolume: praktische methoden en prognosetechnieken

Het schatten van de groei van het verkeersvolume is een cruciaal onderdeel van de moderne transportplanning, infrastructuurontwikkeling en stedelijk beheer. Naarmate steden uitbreiden en de bevolking toeneemt, wordt het begrijpen van de manier waarop verkeerspatronen zullen evolueren essentieel voor het nemen van weloverwogen beslissingen die onze transportnetwerken vormgeven. Nauwkeurige verkeersprognoses stellen planners, ingenieurs en beleidsmakers in staat om te anticiperen op toekomstige vraag, middelen efficiënt toe te wijzen en infrastructuur te ontwerpen die voldoet aan de behoeften van groeiende gemeenschappen, terwijl de veiligheid en operationele efficiëntie behouden blijven.

Door het proces van verkeersvoorspelling moeten planners, ingenieurs en andere transportprofessionals de hoeveelheid verkeer dat in de toekomst op het transportsysteem zal bestaan, inschatten en de effecten op de korte en lange termijn beoordelen die het verkeer zal hebben op het transportnetwerk. Deze complexe onderneming vereist een combinatie van analytische methoden, dataverzamelingstechnieken en prognosemodellen die rekening kunnen houden met tal van variabelen die de verkeerspatronen beïnvloeden. De inzet is het hooggeplaatste verkeersvoorspelling juist is cruciaal om kritische projectbeslissingen te nemen over structurele en geometrische capaciteit, financiële levensvatbaarheid en milieueffecten.

Begrijpen van verkeersvolume Metrics

Voordat je in prognosemethoden gaat duiken, is het essentieel om de fundamentele metrieken te begrijpen die gebruikt worden in de verkeersanalyse. De meest gebruikte maatstaf is het jaarlijkse gemiddelde dagelijkse verkeer (AADT), dat dient als basis voor de meeste verkeersgroeischattingen en planningsbeslissingen.

Jaarlijks gemiddeld dagelijks verkeer (AADT)

Jaarlijks gemiddelde dagelijkse verkeer (AADT) is een maatregel die voornamelijk wordt gebruikt in de planning van het vervoer, transport engineering en retail locatie selectie. Traditioneel, het is het totale volume van het verkeer van een auto van een snelweg of weg voor een jaar gedeeld door 365 dagen. Deze metriek biedt een gestandaardiseerde manier om het verkeer volumes te vergelijken over verschillende locaties en tijdsperioden.

Het jaarlijkse gemiddelde dagelijkse verkeer (AADT) vertegenwoordigt het gemiddelde dagelijkse verkeersvolume gedurende een heel jaar. Het is verantwoordelijk voor weekdagen, weekends, feestdagen en seizoenschommelingen, wat een gestandaardiseerd aantal oplevert. Deze uitgebreide aanpak maakt AADT bijzonder waardevol voor langetermijnplanning en investeringsbeslissingen in infrastructuur.

AADT is de standaard meting voor het verkeer van voertuigen op een deel van de weg, en de basis voor sommige beslissingen over de planning van het vervoer, of de milieurisico's van vervuiling met betrekking tot het wegvervoer. Een van de belangrijkste toepassingen van AADT is voor het bepalen van de financiering voor het onderhoud en de verbetering van snelwegen. In de Verenigde Staten, federale financiering toewijzingen aan staten zijn direct gebonden aan het verkeer volume gemeten over snelwegnetwerken, waardoor nauwkeurige AADT berekeningen financieel significant.

Gemiddeld dagelijks verkeer (ADT) vs. AADT

Terwijl ADT en ADT vaak verward zijn, vertegenwoordigen ze verschillende meetperioden. AADT is het totale volume van het voertuig reizen op een weg voor een heel jaar, gedeeld door 365. ADT is het gemiddelde aantal voertuigen reizen door een locatie gedurende een periode korter dan een jaar. ADT kan worden berekend voor een bepaald seizoen, maand, of week, waardoor het nuttig is voor het begrijpen van korte termijn verkeer patronen of seizoensvariaties.

AADT wordt over het algemeen gebruikt om lange-termijn trends of veranderingen in de reisvraag te meten, terwijl ADT is meer nuttig voor kortetermijnplanning en -operaties. Beide metrics dienen belangrijke maar onderscheidende doeleinden in transportplanning en -analyse.

Methoden voor het verzamelen van gegevens voor AADT

Er zijn twee verschillende technieken om de AADT's te meten voor wegsegmenten met automatische verkeerstellers. Eén techniek wordt continue telgegevensverzamelingsmethode genoemd. Deze methode omvat sensoren die permanent in een weg zijn ingebed en verkeersgegevens worden de hele 365 dagen gemeten. Deze benadering biedt de meest nauwkeurige AADT metingen maar vereist aanzienlijke investeringen in apparatuur en onderhoud.

De meeste AADT's worden gegenereerd met behulp van korte termijn gegevensverzameling methoden soms bekend als de dekking tellen gegevensverzameling methode. Verkeer wordt verzameld met draagbare sensoren die zijn aangesloten op de weg en record verkeersgegevens meestal voor 2 . . . 14 dagen. Deze korte termijn tellingen worden vervolgens aangepast met behulp van uitbreidingsfactoren afgeleid van vaste telstations om jaarlijkse gemiddelden te schatten.

Fundamentele methoden voor het schatten van de verkeersgroei

Er zijn verschillende analysemethoden die afhangen van factoren zoals de complexiteit en omvang van het project, de omgeving en de toegang tot het project, en de toekomstige dichtheid en groei van het studiegebied. Planners en ingenieurs passen prognosetechnieken toe op projecten van alle grootte en complexiteit, variërend van enkele kruispunten tot statebrede aanbevelingen. De selectie van een geschikte prognosemethode is afhankelijk van beschikbaarheid van gegevens, projectomvang, vereiste nauwkeurigheid en de planningshorizon.

Historische gegevensanalyse en Trend Projectie

Het analyseren van historische verkeersgegevens vormt de basis voor de meeste verkeersgroeischattingen. Deze methode omvat het onderzoeken van verkeersaantallen uit het verleden om patronen en trends te identificeren die in de toekomst kunnen worden geprojecteerd. Voor prognoses zonder TDM-outputs worden groeipatronen en historische trends gebruikt als een middel om toekomstige volumes te schatten.

Betrouwbare groeisnelheid selectie vereist solide historische verkeersgegevens als basis. De meeste transportbureaus geven de voorkeur aan het gebruik van verkeersaantal informatie die 20+ jaar oud is om betrouwbare trendlijnen te creëren. Lange termijn historische gegevens helpen om korte termijn schommelingen te verzachten en biedt een stabielere basis voor het projecteren van toekomstige trends.

Bij het analyseren van historische trends, transport professionals moeten rekening houden met economische cycli en ongewone gebeurtenissen. Economische schommelingen hebben speciale aandacht nodig tijdens trendanalyse. De groei van het verkeer vaak tijdelijke dips tijdens recessies of neergangen die kunnen scheeftrekken projecties. Lange termijn analyse toont minimale effecten van korte termijn economische neergangen, hoewel langdurige trage groei periodes moeten zorgvuldig nadenken.

Formule van het lineaire groeipercentage

De lineaire groeisnelheidsformule is een van de eenvoudigste en meest gebruikte methoden voor verkeersvoorspelling. Lineaire groei - Lineaire toename van het verkeersvolume in de loop van de tijd. Deze methode veronderstelt een constante groei in elk jaar en houdt geen capaciteitsbeperking in. Deze benadering werkt goed voor kortetermijnprognoses en gebieden met stabiele, voorspelbare groeipatronen.

De basis lineaire formule berekent het toekomstige verkeersvolume door een constante groei toe te passen op het volume van het basisjaar. Bijvoorbeeld, als een weg momenteel 24.000 voertuigen per dag met een verwachte jaarlijkse groei van 2% vervoert, zou het verwachte volume na vijf jaar worden berekend als: Future Volume = Base Volume × (1 + Groeisnelheid × Jaar). Dit zou resulteren in 26.400 voertuigen per dag, wat een totale toename van 2.400 voertuigen over de periode van vijf jaar betekent.

Voor federaal gefinancierde projecten en milieubeoordelingen is doorgaans de projectie van het verkeersvolume 10/30 jaar in de toekomst vereist, waarbij doorgaans wordt uitgegaan van een jaarlijkse groei van het voertuigvolume met 1/2%. Deze standaardgroeicijfers zijn op grote schaal toegepast in de transportplanningssector, hoewel ze niet altijd de werkelijke omstandigheden op specifieke locaties weerspiegelen.

Methode voor het samengestelde groeipercentage

In tegenstelling tot lineaire groei, gaat de samengestelde groeimethode ervan uit dat het verkeer exponentieel toeneemt in de tijd, met groei die op de toename van voorgaande jaren is gebaseerd. Een samengestelde verkeersgroei van 2% verdubbelt het verkeer in 35 jaar. Dit dramatische langetermijneffect toont aan waarom de keuze tussen lineaire en samengestelde groeimethoden significante invloed kan hebben op de beslissingen over infrastructuurplanning.

De formule voor samengestelde groei is: Future Volume = Base Volume × (1 + Groeipercentage)^Jaars. Deze exponentiële berekening kan aanzienlijk andere resultaten opleveren dan lineaire groei over langere tijdsperioden, waardoor het belangrijk is om de geschikte methode te kiezen op basis van lokale omstandigheden en historische patronen.

De nauwkeurigheid van toekomstige prognoses en beslissingen inzake infrastructuurplanning hangt sterk af van de keuze van de juiste groeipercentages tussen lineaire en samengestelde formules. Vervoersplanners moeten deze cruciale beslissing nemen terwijl de verkeersvolumes voor 2025-2030 worden voorspeld.

Dalende groeicurves

In gebieden die capaciteitsbeperkingen benaderen, kunnen eenvoudige lineaire of samengestelde groeimodellen toekomstige verkeersvolumes overschatten. Gebieden die capaciteitsbeperkingen hebben of zullen hebben, moeten de hieronder getoonde dalende groeicurve gebruiken zolang er voldoende aanwijzingen zijn voor een mogelijke verandering. Afwijkende groeicurven erkennen dat wanneer wegen hun capaciteitsgrenzen benaderen, de verkeersgroei van nature vertraagt.

In veel gevallen wordt een lineaire groei toegepast, omdat er vaak onvoldoende gegevens zijn om het gebruik van een meer specifiek type curve te ondersteunen. Wanneer gegevens dit ondersteunen, bieden dalende groeicurves echter realistischere prognoses voor overbelaste stedelijke gebieden.

De groei van de eerste 20 jaar is doorgaans hoger dan de groei gedurende meer dan 20 jaar omdat de groei in de loop van de tijd zal afnemen naarmate de faciliteit capaciteit nadert. Deze erkenning van capaciteitsbeperkingen is essentieel voor nauwkeurige langetermijnprognoses.

Trend-Line Forecasting

De ontwikkeling van de verkeersstromen zal in de toekomst waarschijnlijk nog verder toenemen, aangezien deze trendlijnprognoses voor relatief korte tijd (5 jaar of minder) het meest betrouwbaar zijn, waardoor de recente trends worden geherwaardeerd, en deze gemakkelijk toegankelijk en uitvoerbaar worden.

De prognoses voor de trendlijn hebben echter belangrijke beperkingen, maar houden geen rekening met de mogelijkheden van toekomstige capaciteitsbeperkingen om de groei van de toekomstige vraag te beperken, zodat trendlijnprognoses het toekomstige verkeer in gebieden waar de rijbaancapaciteit de groei zal beperken, kunnen overschatten.

Geavanceerde prognosetechnieken

Terwijl eenvoudige historische trendanalyse een basis voor verkeersvoorspelling biedt, bevatten meer geavanceerde methoden aanvullende variabelen en modelleringstechnieken om de nauwkeurigheid te verbeteren en rekening te houden met complexe interacties tussen transportsystemen en landgebruikpatronen.

Reisdemand Modellering

Voorspellingen van de toekomstige vraag naar reizen worden het best verkregen uit een reisvraagmodel. Deze modellen vereisen veel inspanning en tijd om te ontwikkelen en te kalibreren. Als men niet al bestaat, dan kan de analist proberen om de vraag voorspellingen te ontwikkelen op basis van historische groeicijfers. Reizen vraag modellen vertegenwoordigen de meest uitgebreide aanpak van het verkeer voorspelling, hoewel ze vereisen aanzienlijke middelen om te ontwikkelen en te handhaven.

De reisvraagmodellering omvat de selectie van een toepasselijk model, kalibratie naar lokale omstandigheden, validatie van modelresultaten en herzieningen van de voorspelde volumes. Een TDM-output is gekalibreerd voor regionale tripgeneratie, tripdistributie, moduskeuze en toewijzing. Dit vierstappenproces vormt de basis van de meeste regionale transportplanningsinspanningen.

Het vierstappentraject van de vraag naar reizen omvat:

• Trip Generation: Schatting van het aantal reizen dat wordt geproduceerd door en aangetrokken tot verschillende zones op basis van landgebruikskenmerken, bevolking, werkgelegenheid en andere sociaaleconomische factoren
• Reisverdeling: Het bepalen waar reizen die in één zone ontstaan zullen eindigen, het creëren van oorsprongsbestemmingspatronen
• Modekeuze: Voorspellen welke vervoerswijze (auto, transit, fiets, wandelen) reizigers zullen gebruiken voor hun reizen
• Trip Opdracht: Reis op specifieke routes via het transportnetwerk toewijzen op basis van reistijden, kosten en andere factoren

TDM-uitgangen kunnen op een link-by-link basis inconsistenties hebben omdat deze modellen niet gekalibreerd zijn op het koppelingsniveau. Daarom worden verdere aanpassingen of nabewerking van de dagelijkse of piek-periode outputs van het model meestal toegepast voordat ze gebruikt worden in corridor- of projectanalyse. Deze post-processing helpt model outputs te combineren met waargenomen verkeersaantallen en lokale omstandigheden.

Voor projecten binnen de grenzen van een MPO kunnen de nieuwste MPO TDM-outputs worden gebruikt om corridorgroeicijfers voor projecten te bepalen. Voor projecten buiten de MPO-grenzen kan de SAM van TPP worden gebruikt om groeipercentages te bepalen. Deze hiërarchische benadering zorgt ervoor dat voorspellingen de beste beschikbare modellerende middelen voor elke locatie benutten.

Analyse en statistische methoden van tijdreeksen

De analyse van de tijdreeksen past statistische technieken toe op historische verkeersgegevens om patronen en toekomstige waarden te identificeren. Deze methoden kunnen seizoensschommelingen, trends en cyclische patronen vastleggen die eenvoudigere benaderingen kunnen missen. Gemeenschappelijke tijdreeksen technieken omvatten bewegende gemiddelden, exponentiële gladmaking, en autoregressieve geïntegreerde bewegende gemiddelde (ARIMA) modellen.

ARIMA modellen zijn vooral nuttig voor het voorspellen van het verkeer omdat ze rekening kunnen houden met zowel trends als seizoenspatronen in de gegevens. Deze modellen analyseren de autocorrelatie structuur van verkeersgegevens .toon verkeersvolumes in een periode van één keer betrekking hebben op volumes in voorgaande perioden .

Regressieanalyse

Regressieanalyse legt wiskundige relaties vast tussen verkeersvolumes en verklarende variabelen zoals bevolking, werkgelegenheid, inkomensniveaus, brandstofprijzen en landgebruikkenmerken. Door deze relaties te kwantificeren met historische gegevens, kunnen regressiemodellen toekomstige verkeer op basis van prognoses van de verklarende variabelen voorspellen.

Meerdere regressiemodellen kunnen meerdere variabelen tegelijk opnemen, waardoor analisten rekening kunnen houden met de complexe factoren die de verkeersgroei beïnvloeden. Bijvoorbeeld, een regressiemodel zou kunnen voorspellen verkeersvolumes gebaseerd op bevolkingsdichtheid, werkgelegenheid in de corridor, gezinsinkomen, afstand tot het centrale zakelijke district, en de beschikbaarheid van transit alternatieven.

Aanbevolen wordt de TDM-outputs en groeicijfers te vergelijken met andere bronnen, zoals historische gegevens, aangrenzende projecten, projecten uit het verleden, prognoses van de staatsdemografen en de Amerikaanse Census datapopulatie. Deze validatie met meerdere gegevensbronnen helpt de betrouwbaarheid van de prognoses te waarborgen.

Machine learning en kunstmatige intelligentie benaderingen

De ontwikkelingen in machine learning (ML) en Artificial Intelligence (AI), evenals verbeteringen in Internet of Things (IoT) sensortechnologieën hebben TCP-onderzoek cruciaal gemaakt voor de ontwikkeling van intelligente transportsystemen (ITS's). Deze opkomende technologieën transformeren de mogelijkheden voor verkeersvoorspelling.

Terwijl statistische modellen omgaan met eenvoudige patronen goed, machine learning, diep leren en ensemble technieken zijn beter geschikt voor complexe en veranderende verkeersomstandigheden, hoewel ze komen met uitdagingen zoals overpassen en hoge rekeneisen. Machine learning modellen kunnen niet-lineaire relaties en complexe patronen die traditionele statistische methoden zou kunnen missen identificeren.

Neurale netwerken, ondersteuning vector machines, en willekeurige bosmodellen zijn allemaal toegepast op verkeersvoorspellingen met veelbelovende resultaten. Deze modellen kunnen grote volumes van gegevens uit meerdere bronnen verwerken en zich aanpassen aan veranderende omstandigheden in de tijd. Echter, ze vereisen aanzienlijke trainingsgegevens en computationele middelen, en hun "zwarte doos" aard kan het moeilijk maken om hun voorspellingen te begrijpen en uitleggen.

Simulatie- en microsimulatietechnieken

Verkeerssimulatiemodellen creëren gedetailleerde voorstellingen van verkeersstromen, waardoor analisten verschillende scenario's kunnen testen en de effecten van voorgestelde wijzigingen kunnen evalueren. Microsimulatiemodellen simuleren individuele voertuigbewegingen door het netwerk, rekening houdend met bestuurdersgedrag, voertuigkenmerken en verkeerscontrolesystemen.

Deze modellen zijn bijzonder nuttig voor het analyseren van complexe kruispunten, het evalueren van operationele verbeteringen en het beoordelen van de effecten van nieuwe ontwikkelingen. Hoewel microsimulatie gedetailleerde inputgegevens en belangrijke rekenbronnen vereist, biedt het inzicht in verkeersoperaties die niet kunnen worden opgevangen door geaggregeerde modellen.

Belangrijkste factoren die de groei van het verkeersvolume beïnvloeden

Nauwkeurige verkeersvoorspellingen vereisen inzicht in de verschillende factoren die veranderingen in de reisvraag aansturen.Deze factoren werken op meerdere schalen.Van individuele reisbeslissingen tot regionale economische trends en interageren op complexe manieren.

Bevolkingsgroei en demografische ontwikkelingen

Bevolkingsgroei is een van de meest fundamentele drijfveren van het verkeer volume stijgt. Naarmate meer mensen leven in een gebied, meer reizen worden gegenereerd voor werk, winkelen, school, en andere activiteiten. Echter, de relatie tussen bevolking en verkeer is niet altijd lineaire .demografische kenmerken belangrijk.

Leeftijdsverdeling beïnvloedt reispatronen, waarbij volwassenen in de werkende leeftijd meestal meer voertuig reizen dan kinderen of gepensioneerden. De grootte van het huishouden beïnvloedt trip generatie, omdat grotere huishoudens de neiging om meer reizen te maken, maar kan delen voertuigen efficiënter. Inkomen niveaus beïnvloeden zowel trip generatie en mode keuze, met hogere inkomens huishoudens meestal bezit meer voertuigen en het maken van meer reizen.

Volgens schattingen van de VN zal er in 2030 ongeveer 4,9 miljard mensen in stedelijke gebieden wereldwijd wonen, en tegen 2050 zal ongeveer 70% van de mensen stadsbewoners zijn. Deze voortdurende urbanisatietrend heeft ingrijpende gevolgen voor de verkeersgroei, met name in snelgroeiende regio's.

Economische ontwikkeling en werkgelegenheid

Economische activiteit drijft de verkeersgroei door middel van meerdere mechanismen. Werkgelegenheidsniveaus hebben rechtstreeks invloed op de patronen van het woonwerkverkeer, waarbij de groei van de werkgelegenheid doorgaans leidt tot een toename van het verkeer tijdens piekperioden.

Economische welvaart correleert over het algemeen met hogere voertuigeigenschapspercentages en verhoogde discretionaire reizen. Echter, economische neergang kan tijdelijk verminderen de groei van het verkeer of zelfs leiden tot dalingen van het verkeer volumes. Onderzoek toont werkgelegenheid, bevolking, en brandstofprijs voorspellingen vaak leiden tot onnauwkeurige verkeer voorspellingen. Dit benadrukt de uitdaging van de prognose van economische variabelen die het verkeer beïnvloeden.

Grondgebruikspatronen en stedelijke ontwikkeling

De ruimtelijke ordening van land maakt fundamenteel gebruik van vormen van reispatronen en verkeersvolumes. Uitgebreide, lage dichtheid ontwikkeling genereert meestal meer voertuig reizen en langere reislengtes dan compacte, gemengde-gebruik ontwikkeling. De scheiding van woonwijken van werkgelegenheidscentra, winkelen en diensten verhoogt de reisafstanden en de auto afhankelijkheid.

Omgekeerd kan de ontwikkeling van gemengd gebruik dat residentiële, commerciële en werkgelegenheidstoepassingen integreert, de reislengte verminderen en meer wandel-, fiets- en transitgebruik mogelijk maken. Transitgerichte ontwikkeling geconcentreerd rond transitstations van hoge kwaliteit kan het autoverkeer aanzienlijk verminderen in vergelijking met conventionele voorstedelijke ontwikkelingspatronen.

Belangrijke ontwikkelingen zoals winkelcentra, kantoorparken of woonwijken kunnen het verkeer op nabijgelegen wegen aanzienlijk beïnvloeden. Site-specifieke verkeersimpactstudies analyseren deze effecten en vereisen vaak dat ontwikkelaars bijdragen aan verbeteringen in het vervoer om het extra verkeer dat hun projecten genereren tegemoet te komen.

Vervoersbeleid en infrastructuurinvesteringen

Vervoersbeleid en infrastructuurbeslissingen beïnvloeden de verkeersgroeipatronen aanzienlijk. Het toevoegen van rijwegcapaciteit kan de groei opvangen maar kan ook extra verkeer veroorzaken. Een literatuuronderzoek van verschillende studies gericht op geïnduceerde vraag bleek dat tussen 50 en 100% van de nieuwe rijwegcapaciteit vaak wordt geabsorbeerd door het verkeer binnen drie of meer jaar. Dit geïnduceerde vraagfenomeen betekent dat capaciteitsuitbreiding alleen zelden congestieproblemen oplost.

De nauwkeurigheid van de projectie wordt niet voldoende in acht genomen, maar de nieuwe capaciteit van de weg wordt binnen drie jaar 50-100% gevuld met geïnduceerd verkeer. Standaardmodelleringsprocedures sluiten dit verschijnsel nog steeds grotendeels uit. Dit vormt een belangrijke uitdaging voor verkeersvoorspellingen en infrastructuurplanning.

Prijzenbeleid zoals tol, parkeertarieven, en congestiekosten kunnen het reisgedrag en de verkeersvolumes beïnvloeden. Transit-investeringen bieden alternatieven voor auto reizen en kunnen de groei van het verkeer op parallelle wegen verminderen. Complete straten beleid dat meerdere modi kan sommige reizen van auto's te verplaatsen naar wandelen, fietsen, of transit.

Stadsvervoer beleid vaak prioriteit lopen, fietsen, en transit. In sommige gevallen, steden streven naar expliciete mode delen doelstellingen te bereiken om de afhankelijkheid van de enkele bezetting voertuig gebruik te verminderen. Om deze agressieve doelen en doelstellingen zal een verschuiving in zowel infrastructuur investeringen en reizigers gedrag vereisen.

Technologische vooruitgang en veranderend reisgedrag

Technologische veranderingen zijn het hervormen van reispatronen op manieren die de traditionele prognose benaderingen uitdagen. Telecommuteren en remote werk verminderen pendelreizen, een trend dramatisch versneld door de COVID-19 pandemie. Veranderingen in reispatronen .zoals die van de pandemie en flexibele werkregelingen hebben lange-afstandsverkeer voorspellen moeilijker gemaakt.

E-commerce en online winkelen verminderen reizen naar winkels, terwijl de levering van voertuigen verkeer. Ride-hailing diensten zoals Uber en Lyft hebben toegevoegd voertuig mijlen reisde in vele stedelijke gebieden. Autonome voertuigen, wanneer ze wijdverspreid, kunnen drastisch veranderen reispatronen door het veranderen van de kosten en het gemak van auto reizen.

Elektrische voertuigen veranderen de economie van het voertuig, mogelijk meer rijden als gevolg van lagere kosten per mijl. Gedeelde mobiliteitsdiensten, waaronder auto-delen en fiets-delen bieden alternatieven voor het particulier voertuig eigendom en kunnen het verkeer in sommige contexten verminderen.

Brandstofprijzen en transportkosten

Brandstofprijzen hebben een significante invloed op het reisgedrag en de verkeersvolumes. Hogere brandstofprijzen verminderen doorgaans discretionaire reizen en stimuleren modus verschuivingen naar transit, carpooling, of meer brandstof-efficiënte voertuigen. Lagere brandstofprijzen hebben de neiging om voertuig mijlen reizen te verhogen en kan de aankoop van grotere, minder efficiënte voertuigen aanmoedigen.

De prognoses voor de brandstofprijzen over de 20-30 jaar horizon typisch voor de planning van het vervoer is echter zeer moeilijk. Prijsvolatiliteit en onzekerheid over toekomstige energiemarkten bemoeilijken de inspanningen voor verkeersvoorspelling die proberen rekening te houden met de gevolgen van brandstofprijzen.

Milieu- en klimaatoverwegingen

Het groeiende bewustzijn van klimaatverandering en zorgen over de luchtkwaliteit beïnvloedt het vervoersbeleid en kan de verkeersgroeipatronen beïnvloeden.Veel rechtsgebieden hebben doelstellingen vastgesteld om de uitstoot van broeikasgassen door het vervoer te verminderen, hetgeen een beperking van de verkeersgroei of verschuiving van het verkeer naar minder-emissiemodi kan vereisen.

Deze groeischattingen vormen ook rechtstreeks de beoordeling van de luchtkwaliteit, geluidsstudies en berekeningen van het energieverbruik . . die drastisch veranderen op basis van verwachte verkeersniveaus. De milieueffecten van het verkeer maken nauwkeurige prognoses belangrijk voor de milieuplanning en naleving van de regelgeving.

Praktische toepassing van verkeersprognoses

De selectie en toepassing van geschikte voorspellingsmethoden vereist een zorgvuldige afweging van de projectkenmerken, de beschikbaarheid van gegevens en de beperkingen van de middelen. Verschillende projecttypes en contexten vereisen verschillende benaderingen.

De passende prognosemethode selecteren

Afhankelijk van de omvang en complexiteit van de analyse zijn verschillende toekomstige methoden nodig, van eenvoudige historische trends tot complexe reisvraagmodellen.

• Projectomvang: Grote regionale projecten rechtvaardigen doorgaans een uitgebreide reisvraagmodellering, terwijl kleinere projecten op adequate wijze kunnen worden bediend door eenvoudigere trendgebaseerde methoden
• Planning Horizon: Voorspellingen op korte termijn (5 jaar of minder) kunnen vaak op trendanalyses steunen, terwijl langere horizonten profiteren van meer verfijnde modellering
• Gegevens Beschikbaarheid: De beschikbaarheid van historische verkeersaantallen, sociaaleconomische gegevens en bestaande reisvraagmodellen beperkt de methodekeuze
• Resource Restricties: Budget, expertise van het personeel en tijdslimieten beïnvloeden welke methoden haalbaar zijn
• Vereist nauwkeurigheid: Projecten met grotere gevolgen voor fouten (zoals grote infrastructuurinvesteringen) rechtvaardigen strengere prognosemethoden
• Lokale context: Snel groeiende gebieden, gebieden met belangrijke geplande ontwikkelingen of gebieden met veranderende transportsystemen vereisen wellicht meer geavanceerde benaderingen

De groeisnelheid is een kritische component die nodig is om de verkeersvolumes te voorspellen. Het kan worden bepaald met behulp van verschillende methoden. Alle methoden in deze sectie kunnen worden gebruikt om de groeisnelheid te bepalen. De groeisnelheid kan variëren van methode tot methode, dus wordt aanbevolen om meerdere methoden te controleren voor validatiedoeleinden.

Ontwikkeling van de groeipercentages uit meerdere bronnen

De beste praktijk in de verkeersvoorspelling houdt in dat de groeicijfers uit meerdere bronnen worden ontwikkeld en de resultaten worden vergeleken. Deze driehoeksbenadering helpt uitschieters te identificeren en verhoogt het vertrouwen in de definitieve prognose.

• Historische verkeerstrends: Analyse van verkeersgegevens over 10-20 jaar of meer
• Reisvraagmodellen: Regionale of statebrede modellen die landgebruik en sociaaleconomische prognoses omvatten
• Demografische prognoses: Bevolkings- en werkgelegenheidsprognoses van staatsdemografen of planningsbureaus
• Aangrenzende projecten: Verkeersstudies voor nabijgelegen projecten die vergelijkbare corridors kunnen hebben geanalyseerd
• Peervergelijkingen: Groeicijfers uit vergelijkbare corridors of gemeenschappen

Wanneer de groeicijfers uit verschillende bronnen aanzienlijk uiteenlopen, moeten analisten de redenen onderzoeken en professionele beoordeling bij het selecteren van geschikte waarden uitoefenen. Documentatie van de motivering voor de selectie van de groeipercentages is essentieel voor transparantie en toekomstige verwijzing.

Boekhouding van onzekerheid in prognoses

De Commissie heeft de Raad verzocht de Raad en de Commissie te verzoeken de nodige maatregelen te nemen om de ontwikkeling van de infrastructuur te bevorderen, met name door de invoering van een gemeenschappelijke infrastructuur voor de ontwikkeling van de infrastructuur en de verbetering van de infrastructuur.

Kleine veranderingen in het tijdstip of ontwerp van geplande of voorgestelde capaciteitsverbeteringen buiten het studiegebied kunnen de hoeveelheid verkeer die tijdens de analyseperiode aan het studiegebied wordt geleverd, aanzienlijk veranderen. Veranderingen in toekomstige voertuigmix en pieken kunnen gemakkelijk de capaciteit met 10 procent beïnvloeden. Ook veranderingen in de economische ontwikkeling en de goedkeuring van nieuwe ontwikkeling door het openbaar agentschap kunnen de hoeveelheid toekomstige vraag aanzienlijk veranderen.

Om de onzekerheid te verhelpen, moeten analisten:

• Ontwikkel meerdere scenario's: Maak lage, gemiddelde en hoge groeiscenario's om het bereik van mogelijke toekomsten te koppelen
• Conduct sensitiviteitsanalyse: Test hoe de prognoseresultaten veranderen met verschillende aannames over belangrijke variabelen
• Bouw in Flexibiliteit: Ontwerpinfrastructuur die kan worden aangepast of uitgebreid naarmate de feitelijke omstandigheden duidelijk worden
• Monitor en update: Vergelijk regelmatig het werkelijke verkeer met prognoses en updates indien nodig
• Documentaannames: Geef duidelijk alle aannames die aan de basis liggen van de prognoses aan zodat ze opnieuw kunnen worden bekeken en herzien

Het is een goede praktijk om expliciet een zekere mate van onzekerheid in de analyse te plannen, dit niveau van onzekerheid is het doel van gevoeligheidstests.

Validatie en evaluatie na bouw

In een recente studie werd de nauwkeurigheid van de verkeersvoorspellingen na de bouw onderzocht en werd aangetoond dat het verkeer op wegen in stedelijke omgevingen (arteriële en verzamelaars) doorgaans met een aanzienlijke hoeveelheid werd overschat. Deze bevinding benadrukt het belang van validatie van prognosemethoden en het leren van prestaties uit het verleden.

Hoewel de trends erop wijzen dat het verkeersvolume de afgelopen tien jaar in de Verenigde Staten is afgevlakt of zelfs is gedaald, overschat de traditionele prognose het potentieel voor verkeersgroei aanzienlijk. Deze systematische vooroordeel suggereert dat de prognosemethoden moeten evolueren om de veranderende reispatronen en beleidsprioriteiten weer te geven.

De verkeersprognoses moeten verder groeien dan eenvoudige wiskundige formules als we kijken naar 2025 en daarna. Deze groei heeft actuele gegevens nodig na de bouwvalidatie. Het moet passende groeimodellen toepassen op basis van netwerkrijpheid en projecties opstellen met bredere beleidsdoelstellingen.

Agentschappen moeten programma's opstellen om prognoses te vergelijken met de werkelijke verkeersvolumes na de bouw. Deze feedbacklus maakt continue verbetering van de prognosemethoden mogelijk en helpt modellen te kalibreren naar lokale omstandigheden. Systematische evaluatie van de nauwkeurigheid van de prognoses kan bepalen welke methoden het beste werken in verschillende contexten en systematische vooroordelen die correctie nodig hebben blootleggen.

Uitdagingen en beperkingen in de verkeersvoorspelling

Ondanks de vooruitgang op het gebied van gegevensverzameling en modellering blijft de verkeersvoorspelling een uitdaging.Het begrijpen van deze beperkingen helpt realistische verwachtingen te stellen en leidt tot een passend gebruik van prognoses.

De fundamentele uitdaging van het voorspellen van de toekomst

Verkeersvoorspellingen proberen menselijk gedrag en maatschappelijke trends decennia in de toekomst te voorspellen. Onverwachte gebeurtenissen zoals economische recessies, pandemieën, technologische verstoringen of beleidsveranderingen kunnen de reispatronen drastisch veranderen op manieren die prognoses niet kunnen voorzien.

De voorspelde en werkelijke verkeersvolumes komen vaak niet overeen. Traditionele voorspellingsmethoden worstelen om gelijke tred te houden met recente trends. Voorspellingen over stadsverkeer missen hun doelen vaak. Deze kloof tussen voorspellingen en realiteit weerspiegelt de moeilijkheid om complexe, evoluerende systemen te voorspellen.

Gegevensbeperkingen en kwaliteitskwesties

De kwaliteit van de voorspellingen is fundamenteel afhankelijk van de kwaliteit van de gegevens. Historische verkeersaantallen kunnen hiaten, fouten of inconsistenties vertonen. Sociaaleconomische gegevens die worden gebruikt in reisvraagmodellen kunnen verouderd zijn of niet beschikbaar zijn op geschikte geografische schalen. Voorspellingen voor landgebruik die de reisvraag modellen stimuleren zijn zelf onzeker voorspellingen.

Het aantal verkeersstromen wordt gewoonlijk verzameld via stations met een verkeerstegen-/radar-drukte die slechts een klein deel van het wegennet bestrijken. Deze beperkte dekking betekent dat veel wegen niet de historische gegevens hebben die nodig zijn voor trendmatige prognoses, waarbij schattingsmethoden nodig zijn die extra onzekerheid veroorzaken.

Modelbeperkingen en aannames

Alle prognosemodellen vertrouwen op het vereenvoudigen van aannames over reisgedrag en systeemrelaties. Reisvraagmodellen gaan er meestal van uit dat historische relaties tussen landgebruik, sociaaleconomische kenmerken en reisgedrag in de toekomst zullen blijven. Deze veronderstelling kan niet houden als voorkeuren, technologieën, of beleid veranderen significant.

Modellen hebben ook technische beperkingen. Ze vertegenwoordigen mogelijk niet alle relevante factoren, kunnen kalibratiefouten hebben of niet-lineaire relaties of drempeleffecten vastleggen. De complexiteit van uitgebreide modellen kan ze moeilijk valideren en kunnen fouten of twijfelachtige aannames verduisteren.

De mismatch tussen prognose en beleidsdoelstellingen

De kloof tussen de prognosepraktijken en de huidige doelstellingen van het vervoersbeleid vormt ongetwijfeld een van onze grootste uitdagingen. Vele steden van drie jaar hebben ambitieuze doelstellingen vastgesteld om de niet-gemotoriseerde vervoerswijzen te verhogen. Hun verkeersprognoses maken vaak gebruik van verouderde aannames van continue groei van het voertuigvolume. Deze mismatch verzwakt de inspanningen om groenere, multimodale vervoerssystemen te creëren.

Traditionele prognosemethoden die eenvoudigweg de historische trends extrapoleren kunnen in strijd zijn met beleidsdoelstellingen om de afhankelijkheid van auto's te verminderen, het transitgebruik te verhogen of actief vervoer te bevorderen. Voorspellingen die aannemen dat de verdere groei van het verkeer zichzelf voltooit, kunnen profetieën worden als ze infrastructuurbeslissingen nemen die meer rijgedrag mogelijk maken en aanmoedigen.

Onzekerheid over de lange termijn

Transportplanners maken meestal groeiprognoses die 20 jaar na de verwachte openingsdatum van een project kijken. Deze lange planningshorizons, terwijl nodig voor grote infrastructuurprojecten, samengestelde prognose onzekerheid. Voorwaarden 20-30 jaar in de toekomst kan drastisch verschillen van vandaag op manieren die moeilijk te anticiperen zijn.

Hoe verder in de toekomst een prognose zich uitbreidt, hoe minder betrouwbaar het wordt. Maar infrastructuurinvesteringen hebben vaak een levensduur van 50 jaar of langer, waarvoor beslissingen moeten worden genomen op basis van zeer onzekere langetermijnprognoses. Deze spanning tussen de behoefte aan planning over lange afstand en de grenzen van de prognosenauwkeurigheid is een inherente uitdaging in de transportplanning.

Beste praktijken voor de groei van het verkeersvolume

Ondanks de uitdagingen kunnen transportprofessionals de verwachte kwaliteit verbeteren door de beste praktijken te volgen en te leren van ervaring.

Meerdere methoden gebruiken en resultaten vergelijken

Het toepassen van één enkele prognosemethode of databron verhoogt het risico op fouten. Het ontwikkelen van voorspellingen met behulp van meerdere benaderingen, zoals historische trends, reisvraagmodellen en demografische projecties.Het vergelijken van de resultaten helpt om uitschieters te identificeren en het vertrouwen in de definitieve prognose te versterken. Wanneer verschillende methoden vergelijkbare resultaten opleveren, neemt het vertrouwen toe. Wanneer de resultaten afwijken, kan onderzoek naar de redenen belangrijke inzichten onthullen.

Ground Forecasts in Quality Data

Investeer in het verzamelen en onderhouden van hoogwaardige verkeersgegevens. Stel vaste telstations op om trends op lange termijn te volgen. Zorg ervoor dat de kortetermijntellingen goed worden aangepast voor seizoens- en dag-van-weekvariaties. Valideer en schoon gegevens om fouten te verwijderen. De kwaliteit van de voorspellingen kan niet hoger zijn dan de kwaliteit van de onderliggende gegevens.

Documentmethoden en aannames

Documenteer grondig alle prognosemethoden, gegevensbronnen, aannames en beslissingspunten. Deze documentatie dient meerdere doeleinden: het maakt het mogelijk de prognose te evalueren en te valideren, geeft een record voor toekomstige referentie, laat voorspellingen toe om te worden bijgewerkt als de omstandigheden veranderen, en vergemakkelijkt het leren van vergelijking van voorspellingen met de werkelijke resultaten.

Het wordt aanbevolen de verkeersgroeicijfers uit de verschillende gegevensbronnen te documenteren en in te dienen als onderdeel van de Traffic Projections Methodology Memo. Deze formele documentatie zorgt voor transparantie en verantwoordingsplicht in het prognoseproces.

Context en lokale omstandigheden overwegen

Regionale verschillen spelen ook een belangrijke rol in het prognoseproces, aangezien de verkeerspatronen verschillen van dichte stedelijke centra tot minder ontwikkelde plattelandsgebieden. Generieke groeicijfers of één-maat-toepassen-alle methoden kunnen niet voldoende zijn om lokale omstandigheden te weerspiegelen.

• Lokale ontwikkelingspatronen en -plannen
• Regionale economische trends en grote werkgevers
• Kenmerken van het vervoerssysteem en geplande verbeteringen
• Lokale beleidsmaatregelen die van invloed zijn op vervoer en landgebruik
• Geografische beperkingen en mogelijkheden

Voorspellingen afstemmen op beleidsdoelstellingen

Zorg ervoor dat de prognosemethoden en aannames aansluiten bij het goedgekeurde beleid inzake vervoer en landgebruik. Als een gemeenschap doelstellingen heeft om het transitgebruik te verhogen, compacte ontwikkeling te bevorderen of de afgelegde voertuigmijlen te verminderen, moeten de prognoses scenario's weerspiegelen die consistent zijn met het bereiken van deze doelstellingen in plaats van simpelweg de trends in het verleden te extrapoleren.

Dit betekent niet dat prognoses zonder rechtvaardiging moeten uitgaan van succes in het beleid. In plaats daarvan moeten prognoses scenario's onderzoeken die verschillende niveaus van beleidsuitvoering en doeltreffendheid weerspiegelen, zodat beleidsmakers begrijpen welke resultaten verschillende beleidskeuzes kunnen opleveren.

Regelmatig bijwerken en valideren van prognoses

Bij de beschikbaarheid van nieuwe gegevens, naarmate de omstandigheden veranderen en de tijd verstrijkt, moeten de prognoses worden bijgewerkt. Regelmatige vergelijking van de prognoses met de werkelijke verkeersaantallen helpt bij het bepalen wanneer de prognoses afwijken van de werkelijkheid en herziening nodig is.

Stel een systematisch proces in voor het monitoren van de werkelijke verkeersgroei en vergelijk deze met voorspellingen. Wanneer significante afwijkingen optreden, onderzoekt u de oorzaken en past u de prognosemethoden dienovereenkomstig aan. Deze adaptieve aanpak helpt voorspellingen relevant te houden en verbetert de nauwkeurigheid in de tijd.

Onzekerheid communiceren Duidelijk

Wees transparant over de onzekerheid en beperkingen van de prognoses. Voorspellingen presenteren als marges of scenario's in plaats van slechts één punt voorspellingen indien nodig. Geef duidelijk door welke aannames de onderliggende voorspellingen zijn en hoe veranderingen in die aannames de resultaten beïnvloeden. Help beleidsmakers te begrijpen dat voorspellingen instrumenten zijn voor planning, niet voor precieze voorspellingen van de toekomst.

Opkomende trends en toekomstige richtingen

De verkeersprognoses blijven evolueren naarmate nieuwe gegevensbronnen, technologieën en methoden beschikbaar komen. Verschillende trends vormen de toekomst van de groei van het verkeersvolume.

Big Data en informatie over de tijd in de praktijk

De verspreiding van aangesloten apparaten, GPS-enabled smartphones, en voertuigtelematica genereert ongekende volumes van verkeersgegevens. Deze "grote data" bronnen bieden veel uitgebreidere dekking van het wegennet dan traditionele verkeerstellers en kunnen gedetailleerde informatie over reispatronen, snelheden en routes vastleggen.

Analytics platforms maken het voor transportbureaus gemakkelijker om toegang te krijgen tot en deze gegevens te gebruiken voor AADT schatting en verkeer voorspelling. Real-time gegevens maken het mogelijk vaker updates van verkeer schattingen en kunnen helpen bij het identificeren van opkomende trends sneller dan traditionele jaarlijkse telprogramma's.

Geavanceerde modelleringstechnieken

Activity-gebaseerde reisvraag modellen vertegenwoordigen een evolutie voorbij de traditionele vier-stap modellen. Deze modellen simuleren de dagelijkse activiteit patronen van individuele reizigers, waardoor meer gedrag realisme en een betere mogelijkheid om beleid dat invloed heeft op reiskeuzes te evalueren. Agent-gebaseerde modellen simuleren de beslissingen en interacties van individuele reizigers, potentieel het vastleggen van opkomende gedrag dat samengevoegd modellen missen.

Machine learning en kunstmatige intelligentie technieken worden toegepast op het verkeer voorspellingen met toenemende verfijning. Deep learning modellen kunnen complexe patronen in grote datasets identificeren en kunnen de nauwkeurigheid van de prognoses verbeteren, met name voor korte termijn voorspellingen. Echter, deze methoden vereisen zorgvuldige validatie en hun langetermijnvoorspelling prestaties wordt nog steeds geëvalueerd.

Integratie van meerdere gegevensbronnen

Toekomstige prognose benaderingen zullen waarschijnlijk verschillende gegevensbronnen integreren, waaronder traditionele verkeersaantallen, GPS-probe-gegevens, transitrijderschap, fiets-share gebruik, voetgangerstellingen en landgebruikinformatie. Het gebruik van deze meerdere datastromen kan een vollediger beeld geven van reispatronen en hoe ze veranderen.

Cloud-gebaseerde platforms en verbeterde data-uitwisseling maken het makkelijker om toegang te krijgen tot en gegevens te integreren uit meerdere bronnen. Gestandaardiseerde dataformaten en API's faciliteren de uitwisseling van gegevens tussen agentschappen en systemen.

Scenarioplanning en adaptief beheer

Gezien de onzekerheid die inherent is aan lange-afstandsvoorspellingen, omvat transportplanning steeds meer scenarioplanningsbenaderingen. In plaats van te proberen één toekomst te voorspellen, onderzoekt scenarioplanning meerdere plausibele toekomsten en ontwikkelt zij strategieën die goed presteren in verschillende scenario's.

Adaptive management approachs erkennen dat de toekomst onzeker is en dat flexibiliteit in plannen en infrastructuur wordt ingebouwd. In plaats van het ontwerpen van een enkele prognose, creëren adaptive approachs opties om zich aan te passen naarmate de toekomst zich ontvouwt en de feitelijke omstandigheden duidelijk worden.

Focus op multimodale planning

Traditionele verkeersvoorspellingen waren bijna uitsluitend gericht op autoverkeer. Toekomstige benaderingen zullen steeds meer de vraag naar alle modi moeten voorspellen. Loop, fiets, transit en opkomende modi zoals e-scooters en ride-hailing.En begrijpen hoe deze modi interageren.

Multimodale prognoses vereisen verschillende gegevens en methoden dan autogerichte benaderingen. Het vereist ook inzicht in hoe investeringen in een bepaalde modus de vraag naar anderen beïnvloeden en hoe de keuze van de modus reageert op veranderingen in de kwaliteit, kosten en gemak van de dienstverlening.

Conclusie

Het schatten van het verkeersvolume is zowel een wetenschap als een kunst, die technische expertise, professioneel oordeel en begrip van de lokale context vereist. Hoewel tal van methoden en tools beschikbaar zijn .Terwijl eenvoudige trendanalyse tot geavanceerde reisvraagmodellen . geen enkele aanpak perfect kan voorspellen de toekomst . De sleutel tot effectieve verkeersvoorspelling ligt in het begrijpen van de sterke punten en beperkingen van verschillende methoden , met behulp van meerdere benaderingen om resultaten te valideren , grondse voorspellingen in kwaliteitsgegevens , en duidelijk communiceren onzekerheid .

Verkeersvoorspellingen zijn de levensader van de planning van transportinfrastructuur wereldwijd. De afgelopen jaren zijn de prognosemethoden met veel veranderd, en ze bepalen nog steeds hoe we miljarden aan infrastructuur uitgeven. De inzet voor het juiste resultaat van de verkeersgroeiprognoses is nooit hoger geweest als we naar 2025 gaan.

Naarmate vervoerssystemen complexer worden, naarmate nieuwe technologieën ontstaan en beleidsprioriteiten zich ontwikkelen, moeten de methoden voor verkeersvoorspelling zich blijven aanpassen. De integratie van big data, geavanceerde modelleertechnieken en scenarioplanningsbenaderingen biedt veelbelovende mogelijkheden om de prognose nauwkeurigheid en bruikbaarheid te verbeteren. De fundamentele uitdaging blijft echter: geïnformeerde beslissingen nemen over investeringen in infrastructuur die lang zullen duren op basis van inherent onzekere voorspellingen over toekomstige reisvraag.

Succes in verkeersvoorspellingen vereist niet alleen technische bekwaamheid, maar ook nederigheid over de grenzen van de voorspelling, transparantie over aannames en onzekerheid, en toewijding aan het leren van ervaringen. Door beste praktijken te volgen, nieuwe gegevensbronnen en methoden te benutten, en een kritisch perspectief te behouden op de voorspellingsbeperkingen, kunnen transportprofessionals verkeersvolumegroeischattingen ontwikkelen die de planning en besluitvorming effectief ondersteunen.

Voor degenen die hun inzicht in verkeersvoorspellingsmethoden willen verdiepen, publiceert de Federale Highway Administration uitgebreide richtsnoeren en middelen.De Transportation Research Board publiceert onderzoek naar voorspellingsmethoden en hun toepassing. Staatsafdelingen van vervoer onderhouden vaak verkeersvoorspellingen en databronnen die specifiek zijn voor hun rechtsgebieden. Professionele organisaties zoals het Institute of Transportation Engineers[] bieden trainings- en netwerkmogelijkheden voor transportprofessionals die werken aan verkeersanalyse en -voorspelling.

Als we naar de toekomst kijken, zal het belang van nauwkeurige verkeersvolumegroei alleen maar toenemen. Groeiende populaties, evoluerende technologieën, klimaatoverwegingen en veranderende reisvoorkeuren creëren zowel uitdagingen als mogelijkheden voor transportplanning. Door voortdurend te verbeteren voorspellingsmethoden en ze doordacht toe te passen, kan het transportberoep gemeenschappen beter bedienen en transportsystemen creëren die op efficiënte, duurzame en billijke wijze aan toekomstige behoeften voldoen.