Tato práce se zabývá využitím dat v městské hromadné dopravě, a to na příkladu tramvajové a trolejbusové dopravy v Plzni. Cílem práce je poskytnout přehled o sběru a využití dat v MHD, analyzovat provozní data a identifikovat možnosti zlepšení dopravního systému a demonstrovat, jak efektivní zpracování a využití dat může přispět k lepšímu pochopení provozu hromadné dopravy. V teoretické části jsou představeny různé zdroje dat, metody sběru a nástroje pro analýzu dat v oblasti dopravy. Praktická část se zaměřuje na konkrétní analýzu městské dopravy v Plzni a vytvoření nástroje, který tuto analýzu umožňuje. Jsou zde hodnoceny parametry jako kapacita, zdržení a rychlost, a to pomocí mnoha detailních grafů a vizualizací. Práce také obsahuje srovnání jednotlivých linek a identifikuje problematické segmenty. Na základě výsledků analýzy jsou navrhovány doporučení pro plánování dopravy.
Anotace v angličtině
The thesis examines data utilization in urban traffic management, using the example of tram and trolleybus transport in Pilsen. The thesis aims to provide a comprehensive overview of data gathering and application in public transport, analyze operational data and identify opportunities for improving the transport system, and demonstrate how effective data processing and use can contribute to a better understanding of public transport operations. The theoretical part introduces different data sources, collection methods and tools for data analysis in the transport sector. The practical part focuses on a specific analysis of urban traffic in Pilsen and the creation of a tool to facilitate this analysis. Factors such as capacity, delay and speed are evaluated using many detailed graphs and visualizations. The work also includes a comparison of individual lines and identifies challenging segments. Based on the findings, suggestions for transport planning are put forth.
Klíčová slova
Identifikace úzkých míst v hromadné dopravě, plánování hromadné dopravy, vizualizace dopravní sítě, využití dat v městské dopravě
Klíčová slova v angličtině
Bottleneck identification in urban traffic, transport network visualisation, urban traffic management, urban traffic planning
Rozsah průvodní práce
77 s. (94 385)
Jazyk
CZ
Anotace
Tato práce se zabývá využitím dat v městské hromadné dopravě, a to na příkladu tramvajové a trolejbusové dopravy v Plzni. Cílem práce je poskytnout přehled o sběru a využití dat v MHD, analyzovat provozní data a identifikovat možnosti zlepšení dopravního systému a demonstrovat, jak efektivní zpracování a využití dat může přispět k lepšímu pochopení provozu hromadné dopravy. V teoretické části jsou představeny různé zdroje dat, metody sběru a nástroje pro analýzu dat v oblasti dopravy. Praktická část se zaměřuje na konkrétní analýzu městské dopravy v Plzni a vytvoření nástroje, který tuto analýzu umožňuje. Jsou zde hodnoceny parametry jako kapacita, zdržení a rychlost, a to pomocí mnoha detailních grafů a vizualizací. Práce také obsahuje srovnání jednotlivých linek a identifikuje problematické segmenty. Na základě výsledků analýzy jsou navrhovány doporučení pro plánování dopravy.
Anotace v angličtině
The thesis examines data utilization in urban traffic management, using the example of tram and trolleybus transport in Pilsen. The thesis aims to provide a comprehensive overview of data gathering and application in public transport, analyze operational data and identify opportunities for improving the transport system, and demonstrate how effective data processing and use can contribute to a better understanding of public transport operations. The theoretical part introduces different data sources, collection methods and tools for data analysis in the transport sector. The practical part focuses on a specific analysis of urban traffic in Pilsen and the creation of a tool to facilitate this analysis. Factors such as capacity, delay and speed are evaluated using many detailed graphs and visualizations. The work also includes a comparison of individual lines and identifies challenging segments. Based on the findings, suggestions for transport planning are put forth.
Klíčová slova
Identifikace úzkých míst v hromadné dopravě, plánování hromadné dopravy, vizualizace dopravní sítě, využití dat v městské dopravě
Klíčová slova v angličtině
Bottleneck identification in urban traffic, transport network visualisation, urban traffic management, urban traffic planning
Zásady pro vypracování
Zpracujte teoretický úvod do problematiky využití dat v hromadné dopravě.
Charakterizujte možnosti sběru a současné využití dat při řízení MHD.
Ve spolupráci s konkrétním dopravním podnikem a s využitím příslušných dat (pro vybranou část sítě provozu MHD) analyzujte stávající stav.
Zhodnoťte poznatky z analýzy a navrhněte doporučení pro praxi.
Zásady pro vypracování
Zpracujte teoretický úvod do problematiky využití dat v hromadné dopravě.
Charakterizujte možnosti sběru a současné využití dat při řízení MHD.
Ve spolupráci s konkrétním dopravním podnikem a s využitím příslušných dat (pro vybranou část sítě provozu MHD) analyzujte stávající stav.
Zhodnoťte poznatky z analýzy a navrhněte doporučení pro praxi.
Seznam doporučené literatury
Hendl, J. (2021). Big data: věda o datech - základy a aplikace. Grada Publishing.
ITF. (2015). Big Data and Transport: Understanding and Assessing Options. International Transport Forum Policy Papers, 8, OECD Publishing. https://doi.org/10.1787/5jlwvzdb6r47en.
Krbálek, M., & Vacková, J. (2022). Matematické modelování dopravy. České vysoké učení technické.
Sharda, R., Delen, D., & Turban, E. (2021). Analytics, data science, & artificial intelligence: systems for decision support (11. vyd). Pearson.
Seznam doporučené literatury
Hendl, J. (2021). Big data: věda o datech - základy a aplikace. Grada Publishing.
ITF. (2015). Big Data and Transport: Understanding and Assessing Options. International Transport Forum Policy Papers, 8, OECD Publishing. https://doi.org/10.1787/5jlwvzdb6r47en.
Krbálek, M., & Vacková, J. (2022). Matematické modelování dopravy. České vysoké učení technické.
Sharda, R., Delen, D., & Turban, E. (2021). Analytics, data science, & artificial intelligence: systems for decision support (11. vyd). Pearson.
Přílohy volně vložené
-
Přílohy vázané v práci
mapy, grafy, tabulky
Převzato z knihovny
Ano
Plný text práce
Hodnocení z obhajoby práce
Velmi dobře
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomant zasvěceným způsobem vysvětlil danou problematiku, získání dat a využití v oblasti městské hromadné dopravy. Využil řadu cizojazyčných zdrojů a vytvořil vlastní nástroj pro vyhodnocení provozu MHD. Zodpověděl uspokojivě otázky vedoucího i oponenta.
V diskusi zazněly možnosti dalších upotřebení výsledků práce.