Het creëren van een meer leefbare stedelijke omgeving ligt op het bord van vele steden wereldwijd. Op het gebied van mobiliteit brengt dit heel wat uitdagingen met zich mee.
Enerzijds moeten steden garanderen dat mensen op een comfortabele, veilige en betaalbare manier van A naar B komen. Aan de andere kant moeten ze rekening houden met economische en milieuaspecten. Ook hebben nieuwe mobiliteitsaanbiedingen en -diensten voortdurend invloed op het vervoerslandschap.
Om toekomstige mobiliteit vorm te geven, moeten steden hun volledige, complexe mobiliteitsecosystemen begrijpen. Hier spelen big data-analyse en visualisatie een sleutelrol.
Zelfs politici hebben ingezien dat big data cruciaal in vervoersplanning is. De Duitse bondskanselier Angela Merkel heeft onlangs een plan aangekondigd om een “Mobility Data Room” voor Europa op te zetten. Het zal real-time gegevens verzamelen uit verschillende bronnen: de automobielindustrie, het openbaar vervoer en nieuwe mobiliteitsaanbieders.
Slim gebruik van data biedt vele mogelijkheden om mobiliteit te begrijpen, te beheren en te reguleren.
Evaluatie van de infrastructuur
Data-gestuurde analyse helpt bij het evalueren van de bestaande infrastructuur en het onderzoeken van what-if-scenario’s: Wat is de reisbehoefte op verschillende momenten van de dag? Wat is de capaciteit van een openbaar vervoersysteem? Zijn er knelpunten? Zullen nieuwe mobiliteitsmodaliteiten de dienstverlening in een bestaand vervoersnetwerk verbeteren?
Of het nu gaat om specifieke wegen, buurten of zelfs hele regio’s – de zogenaamde heat maps kunnen het verkeersvolume over het hele routenetwerk illustreren en hotspots markeren. Dergelijke visualisaties stellen verkeersplanners in staat om vast te stellen waar het potentieel ligt voor het optimaliseren van de infrastructuur.
Regulerende maatregelen implementeren
Met behulp van big data-analyse en visualisatie kunnen beleidsmakers ook direct de implementatie van regelgeving testen en evalueren: Zal een nieuwe congestieheffing het verkeer in het stadscentrum verminderen? Hoe kunnen doorgangs- of parkeerverboden worden ingevoerd? Waar kan een emissievrije zone het beste worden ingesteld?
Visualisaties op een digitale kaart ondersteunen het besluitvormingsproces – bijvoorbeeld door transparante en uitgebreide communicatie tussen belanghebbenden en het publiek mogelijk te maken. Dit maakt het gemakkelijker om feedback te verzamelen, alternatieven te bespreken en biedt een solide basis voor de implementatie van verkeersmaatregelen.
Nieuwe mobiliteitsaanbiedingen plannen
Een ander gebied waarop big data-analyse kan helpen, is de planning en exploitatie van nieuwe mobiliteitsdiensten.
Met een steeds groeiend aantal nieuwe mobiliteitsoplossingen die het aanbod aan vervoersdiensten verrijken, is het aan de steden om het voortouw te nemen. Alleen met het juiste kader zullen nieuwe diensten het bestaande mobiliteitsaanbod doeltreffend aanvullen en de burgers en het milieu ten goede komen.
Met behulp van data-analyse kunnen steden de effecten, kansen en risico’s op voorhand evalueren: Is er een andere leverancier van e-scooters nodig? Wat zijn de beste locaties voor aanlegplaatsen? Welk werkgebied zou geschikt zijn voor een nieuwe dienst voor het delen van fietsen? In welke gebieden zouden carpooldiensten, zoals Uber, mogen opereren?
Als steden deze vragen en uitdagingen aanpakken, kunnen ze het kader bieden voor aantrekkelijke en succesvolle mobiliteitsmaatregelen.
Data is ook een belangrijke informatiebron voor wagenparkbeheerders die van plan zijn nieuwe mobiliteitsdiensten aan te bieden. Het stelt hen in staat de beste voorwaarden te evalueren om hun bedrijfsmodel te laten werken. Bijvoorbeeld: Wat is de verwachte vraag naar de dienst? Hoeveel passagiers en voertuigen zijn er nodig om op de meest economische manier aan deze vraag te voldoen?
Big data analyse- en visualisatietools zijn de sleutel tot het opbouwen van een slim en toekomstbestendig mobiliteitsbeleid. Ze bieden transparantie en stellen stads- en verkeersplanners in staat om strategische en operationele beslissingen te nemen op basis van verifieerbare feiten.