ANALÝZA DAT O POHYBU CYKLISTŮ VE MĚSTĚ A JEJÍ INTEGRACE PŘI PLÁNOVÁNÍ DOPRAVY VE MĚSTĚ BRNĚ

Autor práce: Mgr. Jiří Komínek

Konzultant práce: doc. RNDr. Jaroslav Burian, Ph.D.

Rok a místo vzniku práce: 2025 Olomouc

Úvod

Cyklistická doprava je v posledních letech stále důležitějším tématem pro města a jejich plánování. Hraje zásadní roli v udržitelné mobilitě a ovlivňuje rozhodování urbanistů i dopravních inženýrů. S rozvojem cyklistiky roste potřeba efektivně sledovat a vyhodnocovat pohyb cyklistů. Kromě tradičních metod, jako je manuální sčítání, se dnes využívají i moderní technologie – videodetekce, cyklodetektory nebo data ze sportovních aplikací s GPS. Například Strava Metro v Brně v roce 2024 zaznamenala přes 300 000 aktivit. Cenným zdrojem jsou také data z kampaně Do práce na kole. Přesto stále chybí příklady, jak různé datové zdroje efektivně kombinovat a využívat v praxi. Právě na tuto problematiku se zaměřuje tato práce.

Cíle práce

Cílem rigorózní práce je analyzovat a integrovat dostupné datové sady o pohybu cyklistů ve městě Brně za účelem efektivnějšího plánování cyklistické infrastruktury a dopravy.

Popis dostupných dat o pohybu cyklistů

Identifikovat a analyzovat dostupné datové sady mapující cyklistickou dopravu v Brně (např. dopravní průzkumy, bikesharing, Strava, cyklistické detektory, záznamy o nehodách a přestupcích).

Sjednocení datových sad

Sjednotit analyzovaná data do komplexní liniové sítě, která umožní systematické prostorové analýzy a plánování.

Případové studie použití

Demonstrovat praktické využití integrovaných dat prostřednictvím případových studií (např. identifikace klíčových tras, analýza intenzity využití, bezpečnostní analýzy).

Doporučení pro volbu dat

Formulovat doporučení pro optimalizaci sběru a využití dat o cyklistické dopravě v městském prostředí s důrazem na praktickou aplikovatelnost nejen v Brně, ale i v dalších městech ČR.

OpenStreetMap

OpenStreetMap a příprava liniové sítě

Základním pilířem analýzy byla tvorba komplexní liniové sítě města Brna na bázi otevřených dat OpenStreetMap (OSM). Data byla stažena ve formátu PBF, oříznuta na území Jihomoravského kraje a následně importována do databáze PostgreSQL s rozšířením PostGIS. Pro správnou identifikaci cyklistické infrastruktury byly vybrány specifické OSM tagy (např. cycleway, oneway:bicycle, surface). Síť byla validována oproti pasportu města Brna a připravena pro následné prostorové a síťové analýzy.

V samotné práci figuruje síť OSM extrahovaná z aplikace Strava Metro z důvodu jejího rozdělení po úsecích aplikace Strava.

Dopravní průzkumy

Dopravní průzkumy a manuální sčítání

Prostorové rozložení a intenzitu cyklistické dopravy v Brně určují pravidelné dopravní průzkumy, organizované společností BKOM. Sčítání probíhá na vybraných úsecích každé dva roky, doplněné o videodetekci a manuální zápisy. Výstupem jsou detailní kartogramy a časové řady, které umožňují sledovat trendy a identifikovat klíčové trasy. Data jsou agregována na úrovni úseků a validována proti dalším zdrojům.

Strava Metro

Strava Metro a crowdsourcovaná data

Moderní analytické metody využívají také data z aplikace Strava Metro, která poskytuje anonymizované záznamy o pohybu cyklistů včetně časových a demografických atributů. Data jsou agregována na liniovou síť OSM a umožňují sledovat trendy, rozlišovat pracovní a rekreační jízdy či analyzovat původ a cíl cest pomocí hexagonální sítě. Výhodou je široké pokrytí města a možnost exportu dat do GIS.

Bikesharing

Bikesharing a sdílená kola

Data z provozu bikesharingu (nextbike, Rekola) poskytují informace o krátkých cestách a prostorovém rozložení jízd. Analýza ukazuje vliv městské podpory na intenzitu využívání a pomáhá identifikovat oblasti s největším potenciálem pro rozvoj infrastruktury. Prostorové vzorce využití jsou porovnávány s ostatními zdroji dat.

Senzor Telraam

Testování senzoru Telraam

V rámci práce byl v Brně otestován senzor Telraam V1, který umožňuje automaticky sčítat cyklisty, chodce i auta přímo z okna domu. Zařízení bylo nainstalováno na vybraném místě a po dobu několika týdnů sbíralo data o pohybu v ulici. Výsledky byly porovnány s ručním sčítáním a ukázaly, že Telraam poskytuje spolehlivé údaje o intenzitě dopravy, i když může mít omezení při rozlišování jednotlivých typů účastníků provozu. Data ze senzoru byla využita pro doplnění prostorové analýzy a ověření výsledků z jiných zdrojů.

AI Analýzy

Pokročilé analýzy a umělá inteligence

Pro zpracování rozsáhlých datových sad byly využity moderní nástroje umělé inteligence a automatizace v prostředí Jupyter Notebook a Python. Skripty umožnily efektivní manipulaci s daty, jejich harmonizaci a přípravu pro síťové a statistické analýzy. Výsledkem je robustní datová základna připravená pro prostorové modelování a plánování.

Výsledky

Výsledky rigorózní práce lze rozdělit do tří hlavních oblastí:

  • Rešeršní a analytická část
  • Integrace a zpracování datových sad
  • Případové studie a praktická aplikace

Rešerše a analytická část

Úvodní část práce se zaměřila na zmapování dostupných datových zdrojů o cyklistické dopravě v Brně, jejich výhod a omezení. Byly popsány hlavní typy dat (manuální průzkumy, bikesharing, Strava Metro, cyklodetektory, data o nehodách a přestupcích) a provedena jejich SWOT analýza. Práce se věnovala i kontextu městského plánování a významu cyklistické dopravy pro udržitelnou mobilitu.

Integrace a zpracování datových sad

Klíčovým výstupem bylo sjednocení různorodých dat do komplexní liniové sítě na bázi OpenStreetMap. Prostorová data byla validována a harmonizována, aby umožnila následné analýzy. Byly využity GIS nástroje, statistické metody a prvky umělé inteligence pro efektivní zpracování rozsáhlých datových sad. Výsledkem je jednotná datová sada, která poskytuje komplexní pohled na pohyb cyklistů v městském prostředí.

Screenshot výsledné aplikace – integrace dat
Obrázek: Ukázka výsledné aplikace po integraci datových sad

Případové studie a praktická aplikace

Praktické využití integrovaných dat bylo demonstrováno na několika případových studiích:

  • Analýza dat Strava Metro: Ukázala hlavní cyklistické trasy, časové trendy a rozdíly mezi pracovními a rekreačními jízdami.
  • Využití dat bikesharingu: Identifikovalo vliv městské podpory na intenzitu využívání sdílených kol a prostorové rozložení jízd.
  • Analýza cyklodetektorů: Přinesla detailní pohled na intenzitu provozu na klíčových úsecích a srovnání s ostatními datovými zdroji.

Výsledky případových studií potvrdily, že kombinace více datových zdrojů umožňuje detailnější a přesnější plánování cyklistické infrastruktury.

Vyhodnocení a doporučení

Analýza prokázala, že integrace různých datových sad přináší komplexnější pohled na cyklistickou dopravu a umožňuje efektivnější plánování i identifikaci problematických míst. Byla formulována doporučení pro optimalizaci sběru a využití dat v městském prostředí, která jsou využitelná nejen v Brně, ale i v dalších městech. Práce zároveň upozornila na limity jednotlivých datových zdrojů a potřebu jejich dalšího rozvoje a standardizace.

Datový zdroj Výhody Omezení
Manuální průzkumy Detailní lokální data, dlouhodobá kontinuita Vysoké náklady, omezený časový rozsah
Strava Metro Široké pokrytí, detailní časové údaje Selektivita vzorku, anonymizace dat
Bikesharing Informace o krátkých cestách, vliv podpory Omezené na uživatele služby
Cyklodetektory Automatizovaný sběr, dlouhodobé trendy Bodové pokrytí, technická omezení
Do práce na kole Dlouhodobá dostupnost, široké pokrytí města, nízké náklady Výběrová skupina uživatelů, omezená přesnost lokalizace, chybějící prostorová data u části záznamů

Závěr

Hlavním výstupem rigorózní práce je vytvoření integrované datové sady o pohybu cyklistů v Brně, která propojuje různé zdroje informací – od manuálních průzkumů, přes data z bikesharingu, Strava Metro, cyklistických detektorů až po záznamy o nehodách a přestupcích. Analýza ukázala, že kombinace těchto dat umožňuje detailněji porozumět prostorovým vzorcům cyklistické dopravy a identifikovat klíčové trasy i problematická místa v infrastruktuře. Praktické využití integrovaných dat bylo demonstrováno na případových studiích, které potvrdily jejich přínos pro efektivnější plánování a rozvoj městské cyklistické infrastruktury. Výsledky práce zároveň poukázaly na limity jednotlivých datových zdrojů a potřebu jejich dalšího rozvoje a standardizace. Navržený metodický postup a doporučení mohou sloužit nejen Brnu, ale i dalším městům při optimalizaci sběru a využívání dat o cyklistické dopravě.

Summary

This rigorous thesis focuses on analyzing cyclist movement data in the city of Brno and integrating it into transport planning. The aim of the work is to analyze and describe available datasets mapping cycling traffic, unify them into a comprehensive linear network, and demonstrate their practical use. The study utilizes a wide range of data sources including traffic surveys, bikesharing data, Strava application data, cycling detectors, and records of accidents and offenses. Methodologically, it relies on geoinformation and statistical analyses complemented by modern artificial intelligence tools. The result is an integration of diverse datasets into a unified network that provides comprehensive information for spatial planning of cycling infrastructure. The thesis also presents case studies of the practical application of this data and formulates recommendations for optimizing the collection and use of cycling data in urban environments.