TranStat: an intelligent system for producing road and maritime transport statistics using big data sources

• Authors: Dominik Rozkrut , Anna Bilska , Michał Bis , Justyna Pawłowska

Title variants

PL

TranStat – inteligentny system produkcji statystyk transportu drogowego i morskiego z wykorzystaniem big data

Abstracts

PL

Rozwój technologii cyfrowych, zwiększenie dostępności danych typu big data oraz zaawansowane techniki ich przetwarzania umożliwiły polskiej statystyce publicznej unowocześnienie systemu produkcji statystyk transportu drogowego i morskiego. Dzięki działaniom podjętym w celu adaptacji nowoczesnych technologii big data i danych sensorycznych, m.in. z systemu automatycznej identyfikacji statków AIS (ang. Automatic Identification System) czy elektronicznego systemu poboru opłat e-TOLL, uzyskano nowe statystyki oraz przyspieszono proces udostępniania danych. Ponadto działania te zapewniają ciągłość w obszarze produkcji danych, szczególnie w sytuacji, gdy zbieranie danych od respondentów może być utrudnione (np. podczas epidemii COVID-19). Głównym celem niniejszego artykułu jest zaprezentowanie innowacyjnego, opracowanego w ramach programu GOSPOSTRATEG systemu TranStat, który umożliwia produkcję statystyk transportu drogowego i morskiego z wykorzystaniem wielkich wolumenów danych i tym samym służy kształtowaniu polityki transportowej kraju. Projekt TranStat został zrealizowany przez Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnikę Morską w Szczecinie oraz Politechnikę Krakowską. W pracy przedstawiono najważniejsze cechy systemu TranStat – scharakteryzowano źródła danych, opisano podsystemy funkcjonalne i założenia opracowanych modeli oraz podano informacje wynikowe dla statystyk natężenia ruchu, pracy przewozowej i emisji zanieczyszczeń dla obu rodzajów transportu. Omówiono też inteligentne formularze wdrożone przez statystykę publiczną, mniej obciążające dla respondentów i umożliwiające redukcję kosztów badań.

EN

The development of digital technologies, increasing the availability of big data and advanced processing techniques have enabled Statistics Poland to modernise the system for producing road and maritime transport statistics. As a result of the activities undertaken to adopt modern big data technologies and data from sensors, e.g. the Automatic Identification System (AIS) or the e-TOLL electronic toll collection system, new statistics have been obtained and data dissemination has accelerated. In addition, these activities ensure continuity in data production, especially in situations where collecting data from individuals may be difficult (e.g. the COVID-19 epidemic). The primary purpose of this article is to present the innovative TranStat system that enables the production of road and maritime transport statistics based on large volumes of data in order to shape the country's transport policy. The system was developed under the GOSPOSTRATEG programme and implemented by Statistics Poland, the Statistical Office in Szczecin, the Maritime University of Szczecin, and the Cracow University of Technology. The study presents the most important aspects of the TranStat system, i.e. the characteristics of data sources, the description of functional subsystems, assumptions of the developed models and result data for traffic statistics, transport performance and exhaust emissions calculations for both types of transport. This study also provides information on smart forms implemented by Polish official statistics, reducing the burden on respondents and the costs of surveys.

Keywords

EN

road transport; maritime transport; traffic intensity; transport performance; exhaust emissions; smart forms; big data; TranStat; GOSPOSTRATEG; AIS; e-TOLL

PL

transport drogowy; transport morski; natężenie ruchu; praca przewozowa; emisja zanieczyszczeń; inteligentne formularze; big data; TranStat; GOSPOSTRATEG; AIS; e-TOLL

• Publisher: Główny Urząd Statystyczny
• Journal: Wiadomości Statystyczne. The Polish Statistician
• Year: 2023
• Volume: 68
• Issue: 12
• Pages: 1-24

Dates

published

2023

Contributors

author

Dominik Rozkrut

• Uniwersytet Szczeciński, Wydział Ekonomii, Finansów i Zarządzania, Instytut Ekonomii i Finansów / University of Szczecin, Faculty of Economics, Finance and Management, Institute of Economics and Finance
• Główny Urząd Statystyczny / Statistics Poland

• https://orcid.org/0000000209498605

author

Anna Bilska

• Urząd Statystyczny w Szczecinie, Ośrodek Statystyki Morskiej / Statistical Office in Szczecin, Maritime Statistics Centre

author

Michał Bis

• Urząd Statystyczny w Szczecinie, Ośrodek Inżynierii Danych / Statistical Office in Szczecin, Data Engineering Centre

• https://orcid.org/0009000708302889

author

Justyna Pawłowska

• Urząd Statystyczny w Szczecinie, Ośrodek Statystyki Transportu i Łączności / Statistical Office in Szczecin, Transport and Communications Statistics Centre

• https://orcid.org/0009000977986457

References

• Daas, P. J. H., Puts, M. J., Buelens, B., & van den Hurk, P. A. M. (2015). Big Data as a Source for Official Statistics. Journal of Official Statistics, 31(2), 249–262. https://doi.org/10.1515/jos-2015-0016.
• De Gennaro, M., Paffumi, E., & Martini, G. (2016). Big Data for Supporting Low-Carbon Road Transport Policies in Europe: Applications, Challenges and Opportunities. Big Data Research, 6, 11–25. https://doi.org/10.1016/j.bdr.2016.04.003.
• e-TOLL. (n.d.). Sieć dróg płatnych. Retrieved June, 1, 2021 from https://etoll.gov.pl/ciezarowe/kalkulator-trasy/siec-drog/.
• Główny Urząd Statystyczny. (n.d.). TranStat. https://transtat.stat.gov.pl.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie. (n.d. a). TDE. Retrieved May, 1, 2021 from https://tde.stat.gov.pl.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie. (n.d. b). TransMor. Retrieved June, 30, 2021 from https://transmor.stat.gov.pl.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2019). Periodic report No. 1 on implementing the TranStat project under the Social and economic development of Poland in the conditions of globalising markets GOSPOSTRATEG Program.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2020a). Periodic report No. 2 on implementing the TranStat project under the program Social and economic development of Poland in the conditions of globalising markets GOSPOSTRATEG Program.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2020b). Report on the methodology for estimating the volume of pollutants emitted using transport – road/maritime transport – task no. 4 as part of the research phase of the TranStat project.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2020c). Report on the methodology for estimating the volume of transport performance – maritime transport – task no. 3 as part of the research phase of the TranStat project.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2020d). Report on the methodology of measuring traffic statistics using large volumes of data – road/maritime transport – task no. 2 as part of the research phase of the TranStat project.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2020e). Technical design of the system for measuring traffic intensity, transport performance and pollution generated by means of transport – task no. 5 as part of the research phase of the TranStat project.
• Główny Urząd Statystyczny, Urząd Statystyczny w Szczecinie, Politechnika Morska w Szczecinie, Politechnika Krakowska. (2021). Final report on implementing the TranStat project under the Social and economic development of Poland in the conditions of globalising markets GOSPOSTRATEG Program.
• Rozkrut, D., Świerkot-Strużewska, O., & Van Halderen, G. (2021). Mapping the United Nations Fundamental Principles of Official Statistics against new and big data sources. Statistical Journal of the IAOS, 37(1), 161–169. https://doi.org/10.3233/SJI-210789.
• Vasilev, J., & Sulova, S. (2023). An Approach for the In-Depth Data Analysis of the Marine Traffic of Independent Nearby Ports. Folia Oeconomica Stetinensia, 23(2), 402–426. https://doi.org/10.2478/foli-2023-0038.
• Welch, T. F., & Widita, A. (2019). Big data in public transportation: A review of sources and methods. Transport Reviews, 39(6), 795–818. https://doi.org/10.1080/01441647.2019.1616849.
• Yin, Y., Lam, J. S. L., & Tran, N. K. (2021). Emission accounting of shipping activities in the era of big data. International Journal of Shipping and Transport Logistics, 13(1–2), 156–184. https://doi.org/10.1504/IJSTL.2021.112922.
• Zhang, G., Feng, S., & Wang, S. (2018). A Study on the Necessity of Statistical Index of Freight Multimodal Transport. Management & Engineering, (30), 3–9. https://doi.org/10.5503/J.ME.2018.30.001.

Identifiers

DOI

10.59139/ws.2023.12.1

Biblioteka Nauki

31232011