Home » Milieu & RO » Precies weten waar de files staan

Precies weten waar de files staan

Door Peter van der Mede, onderzoeker Big Data en mobiliteit bij DAT Mobility en docent op de opleiding beleidsmedewerker Verkeer en Vervoer, begeleidt en adviseert overheden en vervoersbedrijven op het terrein van Big Data en mobiliteit.

Het gaat razendsnel met big data. Volgens Peter van der Mede, onderzoeker bij DAT Mobility duurt het nog maar enkele jaren voordat de steekproef voor verkeersgegevens verleden tijd is. Dan zijn verkeersmodellen niet alleen goedkoper maar kunnen ze ook exact aangeven waar de files komen te staan. Maar dan moeten data uit navigatiesystemen en mobiele telefoons wel op grote schaal beschikbaar worden gesteld. Een mooie taak voor de Nationale Databank Wegverkeersgegevens, vindt Peter van der Mede.

Big data, verkeersstromen en verkeersmodellen

Twee tot drie jaar. Zo lang duurt het volgens Peter van der Mede, business developer bij DAT Mobility – een nieuw IT-bedrijf binnen de Goudappel Groep – voor we verkeersstromen in verkeersmodellen alleen nog maar baseren op big data. Met als grootste winstpunt dat we niet alleen de globale capaciteitstekorten op een netwerk weten, maar ook precies kunnen aangeven waar de files komen te staan. Peter van der Mede: ‘Met big data als input kun je een dynamische herkomst-bestemmingsmatrix (HB-matrix) maken waarmee je voor elke dag en voor elk moment de verkeersstroom kunt bepalen. Nu werken de meeste verkeersmodellen nog met een statische HB-matrix, waar je prima scenarioberekeningen mee kunt maken, maar die geen actueel beeld geven van de toestand op de weg.’

Reizigersstromen en reistijden gedetailleerd in kaart brengen

In het algemeen wordt er pas van big data gesproken als het over petabytes aan informatie gaat. Bij verkeersdata is er ook bij kleinere hoeveelheden al sprake van big data, waar het om draait is dat de data niet meer afkomstig zijn van steekproeven. ‘De gegevens die wij gebruiken voor verkeersmodellen zijn floating car data en GSM data,’ vertelt Peter van der Mede. ‘Met deze locatieafhankelijke input kunnen we reizigersstromen en reistijden gedetailleerd in kaart brengen. En omdat het zo ontzettend veel gegevens zijn hoeven we niet meer na te gaan hoe goed ze zijn. Met steekproeven was dat nog wel nodig.’

Proof of concept

Wat er allemaal mogelijk is met deze data schetst Peter van der Mede aan de hand van een studieproject met GSM-data uit Ivoorkust. ‘De Franse telecomprovider Orange stelde enkele weken aan data van telefoons in dit land beschikbaar waarmee diverse partijen oplossingen mochten uitwerken die bijdragen aan de ontwikkeling van het land. Wij hebben een verkeersmodel gemaakt door het netwerk van Ivoorkust van internet te downloaden en een HB-matrix te maken met de telefoondata. Je kunt hieruit de verkeersstromen afleiden, maar ook regelmatige verkeerspatronen zoals woon-werk verkeer. We zien dit als een proof of concept, want we hebben het model nog niet kunnen valideren aan de werkelijkheid. Maar op het congres bij MIT, (Massachusetts Institute of Technology) waar we dit hebben gepresenteerd, waren ze wel onder de indruk van de mogelijkheden.’

Rekencapaciteit computers

We staan volgens Peter van der Mede op een breekpunt in de tijd. Big data zijn steeds meer in opkomst en dat houdt verband met een toename aan rekencapaciteit van computers. Evengoed is die capaciteit op dit moment nog niet voldoende om alle gegevens mee te nemen. ‘Als je een dynamisch verkeersmodel van een hele stad wilt maken, dan kun je niet alle auto’s individueel modelleren. Maar dat is ook niet nodig, als je er maar uit kunt halen waar de files precies staan. Daarvoor zijn minder rekenintensieve oplossingen ontwikkeld die tussen het niveau van de individuele voertuigen en de globale verkeersstroom inzitten. Desondanks verwacht ik dat we op termijn ook grotere netwerken aankunnen.

Afwachtende overheden

Volgens Peter van der Mede zouden overheden een minder afwachtende rol moeten hebben ten aanzien van big data in verkeer en vervoer. ‘Eigenlijk wachten ze af tot er een kant en klaar product is, maar het proces gaat veel sneller als ze meewerken in de ontwikkeling met pilotprojecten. Ik merk dat ze vaak denken dat big data ook meteen open data zijn. Dat is een misverstand, het kost telecombedrijven geld om hun data te ontsluiten, daarvoor zijn deze organisaties namelijk in eerste instantie niet opgezet. Ik zou graag zien dat de Nationale Databank Wegverkeersgegevens deze data aankoopt en voor iedereen beschikbaar stelt. Dan pas kun je spreken van big open data.’

Statistische kennis, verkeerskundige domeinkennis en IT kennis

‘Om met big data in verkeer en vervoer overweg te kunnen is het wel nodig dat je beschikt over statistische kennis om grote hoeveelheden data te analyseren, verkeerskundige domeinkennis om de data te kunnen interpreteren en toe te passen in verkeersmodellen, en IT-kennis voor het opslaan en ontsluiten van de data. De ontwikkelingen gaan heel snel, dus deze drie componenten zouden nu al in verkeerskundige opleidingen moeten terugkomen.’

Tot slot

Het gaat dus snel met big data, en Nederland moet daar ook snel op inspelen, vindt Peter van der Mede. ‘Verkeersmodellering kan zo veel goedkoper met big data. Het zou mooi zijn als Nederland daar een leading rol in gaat vervullen.’

Meer weten?
Op de opleiding beleidsmedewerker Verkeer en Vervoer leert u van Peter van der Mede hoe u met Big Data het verkeer en vervoer in uw gemeente kunt bevorderen.

Bron: Verkeerskunde

Over Frank van Summeren

Frank van Summeren
Congres- en opleidingsmanager veiligheid bij het Studiecentrum voor Bedrijf en Overheid.

Bekijk ook

Bodemverontreiniging: misschien toch in de BRO?

De internetconsultatie tweede tranche Wet basisregistratie ondergrond (BRO) van het ministerie van BZK herinnerende me …

èèn Reactie

  1. Avatar

    Precies weten waar de files staan, een leuke titel maar van veruit de meeste files weten we dit al, ook vooraf. Iedere morgen staan er files op de A4, de A13 de A2 enz, (en iedere morgen gaat de forens er weer in staan).

    Veel interesanter is het om big data te gebruiken voor systemen om dynamisch carpoolen aan te bieden zoals Google doet met Waze in Israël of flinc in Duitsland, waarbij zelfs de combinatie met openbaar vervoer wordt aangeboden. Dan hoeven we uiteindelijk wellicht helemaal geen files meer te voorspellen en sparen we met zijn allen ook nog veel uit op het éen na grootste budget van onze huishoudens: het vervoer.

    Is het mogelijk om data uit te splitsen naar vervoerwijze? Dan zouden big data ook interessant kunnen zijn om fiets en voetgangerstromen in kaart te brengen, deze worden nu systematisch onderschat en te “licht” bevonden om geteld te worden, zodat ze vervolgens weer systematisch onderschat blijven!

    Een andere toepassing is het modelleren van reizigerspatronen (overstaprelaties) in de metro van Parijs of het inventariseren van toeristenstromen aan de Côte d’Azur zoals Orange doet.

    Ik kan me dan ook alleen maar aansluiten bij het pleidooi dat de Nationale Databank Wegverkeersgegevens data van telecombedrijven aankoopt en voor iedereen beschikbaar stelt, niet om files beter te kunnen voorspellen, maar om oplossingen voor onze mobiliteitsproblemen een stap dichterbij te brengen.

    Saskia Hermans, verkeerskundige

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *