Bogota is de meest overbelaste stad ter wereld volgens de Global Traffic Scorecard die onlangs door Inrix werd gepubliceerd. Gemiddeld verliezen bestuurders 191 uur per jaar in de Colombiaanse hoofdstad door files. Boston wordt gerangschikt als de meest overbelaste stad in de VS met meer dan zes dagen per chauffeur die per jaar verloren gaan. In Europa moeten chauffeurs ook geduld hebben: Rome, Parijs en Londen haalden ook de top tien. Kan Big Data helpen?
Verstoppingen op de wegen zijn een constante hoofdpijn voor steden over de hele wereld. Ze staan voor grotere uitdagingen dan ooit tevoren. Enerzijds willen steden leefbaar zijn voor mensen, anderzijds moeten ze voldoen aan een breed scala aan mobiliteitsbehoeften.
Verkeersgegevens kunnen niet alleen helpen bij het identificeren van knelpunten en congestie-hotspots in steden. Het gebruik van big data in het vervoer helpt stedenbouwkundigen ook bij het creëren van duurzame vervoerssystemen. Het is de sleutel tot het oplossen van stedelijke mobiliteitsproblemen.
Data-analyses stellen verkeersplanners in staat om diepgaande beslissingen te nemen in het stedenbouwkundig ontwerp. Software tools helpen hen bij het analyseren en combineren van een grote verscheidenheid aan gegevens, bijvoorbeeld binnenstedelijke bewegingen en parkeergegevens, weer- en evenementgegevens. Zo kunnen problemen worden geïdentificeerd en passende maatregelen worden ontwikkeld.
Meerdere toepassingen van big data in het vervoer
“Bij PTV gebruiken we verkeersgegevens van Inrix en vele andere mobiliteits- en raamwerkgegevens uit andere bronnen om diepgaande aanbevelingen te geven over mogelijke maatregelen en hun impact”, legt Carmen Nowack uit, een data-expert bij PTV. “We verwerken een grote verscheidenheid aan gegevens, waaronder sociaal-demografische en economische gegevens, bijvoorbeeld voor het maken van vervoersmodellen of tolgegevens en vrachtwagen gerelateerde beperkingen.“
Maar ook sensorgegevens van smartphones en apps, zoals bewegings- en gebruiksgegevens, zijn een waardevolle bron van informatie. Deze gegevens helpen ons te analyseren hoe snel iemand reist of welke route of vervoerswijze is genomen.
Stedenbouwkundigen en ingenieurs krijgen waardevolle ondersteuning bij het aanpakken van urgente en belangrijke kwesties met betrekking tot de mobiliteit van de toekomst. Bijvoorbeeld: hoe kunnen nieuwe micromobiliteitsdiensten effectief worden geïntegreerd in het bestaande mobiliteitsaanbod? Hoeveel voertuigen zijn er nodig om een nieuwe fietsdeling, e-scooter of on-demand pendeldienst winstgevend te laten functioneren
Big data kan op vele manieren worden gebruikt:
Big data biedt een holistisch beeld
De visualisatie van gegevens maakt alle relevante mobiliteitsparameters transparanter. Door het toenemend aantal nieuwe micromobiliteitsdiensten wordt de stedelijke mobiliteit elke dag diverser. Of het nu gaat om de bezetting van parkeerplaatsen, de beschikbaarheid en bewegingspatronen van huurfietsen en e-scootervloten, de huidige verkeerssituatie, de posities van de OV-vloot, het verkeersgedrag onder verschillende weersomstandigheden en op verschillende tijdstippen van de dag etc. Veel parameters waarmee rekening moet worden gehouden bij de ontwikkeling van duurzame stadsconcepten.
Data-analyse voor de implementatie van regelgevende maatregelen
Data-analyse kan beleidsmakers in de vervoerssector ondersteunen bij het direct testen en evalueren van de implementatie van regelgevende maatregelen: van transit en parkeerbeperking tot de introductie van lage-emissiezones.
Data-analyse voor vraagplanning
Bij het plannen van nieuwe on-demand services is het belangrijk om vooraf op betrouwbare wijze de vraag naar voertuigen onder verschillende omstandigheden te bepalen. Hoeveel voertuigen zijn er ’s ochtends nodig in stadsgebied A? Wat gebeurt er als het regent? De combinatie van historische gegevens en methoden voor kunstmatige intelligentie helpt bij het analyseren van gebieden met een overaanbod of een hogere vraag en dus bij het vooruit plannen.