Posted in 2014
Robuust openbaar vervoer vanuit een reizigersperspectief
De klachten van reizigers tijdens de sneeuwproblematiek in het openbaar vervoer de afgelopen jaren, Kamervragen over het hoge uitvalpercentage van de Intercity Direct en discussies over spooronderhoud in de Schipholtunnel maken één ding duidelijk: het belang van robuust openbaar vervoer. Desondanks richten discussies over robuustheid zich alleen op de kosten van robuustheidsmaatregelen. Tot op heden wordt nauwelijks gefocust op de waarde van robuustheid: wat zijn de robuustheidsbaten van de maatregelen en wat is die robuustheid waard?
In deze paper hebben we een methodologie ontwikkeld die ons in staat stelt om de maatschappelijke waarde van robuust openbaar vervoer te bepalen, in aanvulling op reeds vastgestelde tijd- en betrouwbaarheidswaarderingen. Robuustheidsbaten van maatregelen kunnen hiermee worden gemonetariseerd, en afgewogen worden tegen de benodigde kosten. Hiermee ondersteunt deze methodologie besluitvorming aangaande de implementatie van robuustheidsmaatregelen.
In deze paper wordt robuustheid vanuit een reizigersperspectief benaderd. Op dit moment wordt robuustheid door wetenschap en praktijk vooral vanuit een mono-level perspectief benaderd: voor elk netwerkniveau en elke modaliteit apart. In dit onderzoek richten we ons echter op robuustheid van het totale multi-level openbaar vervoer netwerk, waarbij alle openbaar vervoer netwerkniveaus en alle modaliteiten (trein, metro, lightrail, tram, bus) van verschillende vervoerders integraal worden geanalyseerd. Hierdoor kan inzichtelijk worden gemaakt in welke mate netwerkniveaus een verstoring op een ander netwerkniveau kunnen opvangen, en wordt op realistische wijze inzicht verkregen in de effecten van verstoringen op reizigers.
In dit onderzoek is eerst een nieuwe methodologie ontwikkeld om de meest kwetsbare plaatsen in het multi-level netwerk te identificeren. Door zowel verstoringskansen, verstoringsduur als verstoringsimpact expliciet in beschouwing te nemen, kan vervolgens de mate van onrobuustheid van deze kwetsbare netwerkdelen worden gekwantificeerd. De ontwikkelde methodologie is succesvol toegepast op de Randstad Zuidvleugel als casestudy. De resultaten illustreren dat vanuit een reizigersperspectief ruimte is om robuustheid van openbaar vervoer netwerken te verbeteren. Met name tijdelijke lijnvoeringmaatregelen (zoals een tijdelijke frequentieverhoging op een route parallel aan een kwetsbaar netwerkdeel) en kleine infrastructurele maatregelen hebben maatschappelijk gezien potentie om robuustheid verder te verbeteren. In de casestudy wegen robuustheidsbaten van grotere infrastructurele maatregelen (zoals de aanleg van extra wissels) tijdens verstoringen niet op tegen de kosten voor reizigers en vervoerders tijdens de onverstoorde situatie.
Uit de casestudy blijkt dat het niet eenvoudig is om vooraf de waarde van verschillende maatregelen te beoordelen. Onze aanpak helpt dit proces te verbeteren en biedt robuustheid daarbij een plek in de besluitvorming.
Lees meer:
Paper Menno Yap CVS2014 of
Presentatie
Betere OV prognoses met anonieme OV-Chipkaartdata
Door de introductie van de OV-Chipkaart komen er grote hoeveelheden data over reizigersstromen in het OV beschikbaar. Naast data over de voertuigprestaties (via GOVI bijv.) hebben de inzichten uit deze reizigersdata een enorm potentieel voor de optimalisatie van het OV-product. Dit artikel verkent de mogelijkheden om, de privacy van reizigers respecterend, deze data in te zetten voor de voorspelling van nieuwe reispatronen bij aanpassingen in het netwerk en/of de dienstregeling. Het doel is om een relatief eenvoudige “What-if”-methodiek te ontwerpen, die snel en voldoende nauwkeurig reizigersprognoses kan maken. Hiermee ontstaat een nieuwe generatie verkeersmodellen.
De aanpak combineert de eenvoud en snelheid van de “sigarenkist” en de visualisatie- en rekenkracht van een verkeersmodel. We hebben de methodiek ingebed in bestaande OmniTRANS-verkeersmodelsoftware. De anonieme OV-chipkaartdata wordt toegedeeld aan het OV netwerk in het model, waardoor huidige stromen gevisualiseerd kunnen worden. Door gebruik te maken van elasticiteiten over de relatie tussen OV-kwaliteit en OV-gebruik (zowel uit de literatuur als op basis van gangbare vuistregels) kunnen eenvoudige prognoses gemaakt worden. Die dienen bijvoorbeeld om inzicht te krijgen in inkomstenderving door omleidingen of om effecten te schatten van budgettaire maatregelen.
We hebben de gepresenteerde methodiek succesvol toegepast op het tramnetwerk van HTM in Den Haag, waarmee sneller en nauwkeurige dan voorheen prognoses gemaakt kunnen worden. Voor het afwegen van scenario’s in de ontwikkeling van het railnetwerk en bij het afwegen van tijdelijke omleidingsscenario’s gebruikt HTM de aanpak inmiddels om reizigerseffecten te prognosticeren. Deze analyses helpen in het maken van betere keuzes en in het besluitvormingsproces met de OV-autoriteit Haaglanden.
Hoewel waardevol, zijn er ook een aantal beperkingen aan deze methode. De aanpak is unimodaal en door het gebruik van elasticiteiten slechts toepasbaar voor kleine veranderingen op relatief korte termijn. Nu met de OV-Chipkaartdata meer inzichten kunnen worden verkregen, raden wij aan de gehanteerde elasticiteiten te actualiseren. Gedrag van reizigers bij kleine veranderingen kan relatief eenvoudig bepaald worden nu deze data voorhanden is. De volgende stap in ons onderzoek is het koppelen van de reizigersdata aan de voertuigdata, waardoor gedetailleerdere analyses gemaakt kunnen worden van bijvoorbeeld reizigerspunctualiteit.
Lees meer:
Paper CVS2014 of Presentatie
Urban Mobility Lab in Amsterdam
Amsterdam Institute for Advanced Metropolitan Solutions (AMS), het nieuwe instituut voor toegepaste stedelijke technologie en ontwerp start met drie projecten. Deze projecten gaan nog dit jaar van start; Rain Sense, Urban Pulse en Urban Mobility Lab. Deze projecten voldoen aan belangrijke criteria van AMS-projecten: er zijn partners van het instituut én inwoners van de stad betrokken, de onderzoek is nuttig voor de inwoners van Amsterdam en de projecten zijn wereldwijd gezien innovatief.
Urban Mobility Lab (olv Serge Hoogendoorn, Hans van Lint en Niels van Oort) houdt zich bezig met het begrijpen en kunnen voorspellen van verkeersstromen. In een metropool als Amsterdam is dat complex, omdat verkeer en vervoer het resultaat zijn van miljoenen kleine en grote beslissingen. Neemt u de auto, de tram of gaat u lopen? Waar gaat u wonen en werken? Op welke manier worden bedrijven bevoorraad? Waar moet dat nieuwe station komen? Alles hangt met alles samen. AMS gaat hiervoor een uniek laboratorium bouwen waarmee we dat soort vragen integraal en in samenhang kunnen onderzoeken. Met dit Urban Mobility Lab kunnen gemeente, bedrijven en bewoners straks werken aan nieuwe, schonere en betrouwbaardere mobiliteit voor iedereen.
Kijk voor meer informatie over UML op: Slides UML
Renée Hoogendoorn, directeur van AMS, is trots op deze stappen. ‘De impact van deze projecten voor de stad is groot. Wat is er mooier dan te werken aan de kwaliteit van wonen, werken en verblijven in de stad, te werken aan de lééfkwaliteit en dus te zorgen voor minder schade, minder files, minder milieuvervuiling en om te helpen dat essentiële zaken – als energie, water en voedsel – voor iedereen beschikbaar zijn? Komende tijd zullen meer projecten starten en zal ook zichtbaar worden wat AMS qua Onderwijs en Data-Platform te bieden heeft. De feitelijke start van AMS is nu gemaakt. Dat we nu dus ook een eigen locatie hebben in Amsterdam is niet alleen noodzakelijk maar ook een groot genot. Op deze interessante plek in Amsterdam kunnen we komende jaren AMS flink uitbouwen.’
Over AMS
AMS is een internationaal instituut dat vanuit een multidisciplinaire aanpak onderzoek doet naar grootstedelijke vraagstukken en hiervoor oplossingen ontwikkelt en implementeert. Bewoners van de stad worden betrokken als testers, gebruikers en co-creators van producten en ideeën die de stad leefbaarder moeten maken. Amsterdam fungeert daarmee als het ‘living lab’ van AMS. AMS is een initiatief van de academische partners TU Delft, MIT en Wageningen UR, samen met de Gemeente Amsterdam. De basis van AMS is een open platform waarbij allerlei partijen kunnen aansluiten. Het instituut werkt nu al samen met partners als Accenture, Alliander, Cisco, IBM, KPN, Shell en Waternet, Amsterdam Smart City, ESA, TNO, Waag Society, het Havenbedrijf Amsterdam en de stad Boston.
EMTA Report: Light rail explained
The need for viable, cost effective and attractive public transport in high-density areas is immanent. Transport Authorities have a responsibility to foster innovations in urban transport and look at smart replies to match the growth of demand for quality mass transit. A good living climate, economic efficiency, social inclusion, sustainability and competitiveness depend on the capacities of a city to invest in high quality transport services. The authors of this paper explain what especially in urbanised areas should be main reasons to persuade cities to improve accessibility and liveability by engage and develop a light rail solution. It comes down to a very basic question: “why light rail?” or more in general “why chose for high quality public transport?”.
In a thorough evidence-based description Rob van der Bijl and Niels van Oort demonstrate how it has been overlooked that light right rail does not only provide benefits that are obvious to all, like speed and comfort,
but that in cost-benefit terms also reliability of service should be valued in money. Efficiency benefits
thereby are incomplete and therefore impeded chances on smart light rail realisation. If taken into
account the social context of projects and awareness of the influence of the difference in types of
legal context, governance and institutional legacy a transformation of urban networks by light rail
can be an asset to spatial urban revival. The Light Rail can be an impetus to the urban quality of
life and more importantly provide a sustainable way of accommodating mobility needs of city
denizens and visitors.
Read the full report: EMTA Report
Data driven optimisation of public transport
Presentation at EMTA meeting at TfL in London:
Feedforward mechanisms in public transport; How data improves service quality and increases efficiency.
Find the presentation HERE
Verkeersmodellen verrijken met onbetrouwbaarheid OV vanuit een reizigersperspectief
In verkeersmodellen rijdt al het OV op tijd. Huidige, state of the art, verkeersmodellen houden namelijk geen expliciete rekening met de betrouwbaarheid van de dienstuitvoering van OV, terwijl het door reizigers als één van de belangrijkste aspecten wordt gezien. Om dit aspect mee te kunnen nemen in een verkeersmodel, wordt in dit paper een driestappenplan gepresenteerd, gebruik makend van data over de gerealiseerde dienstuitvoering uit GOVI (Grenzeloze OV Informatie). Deze drie stappen bestaan uit het bepalen van de rijtijdspreiding van de voertuigen, het bepalen van het effect op wacht- en in-voertuigtijd en uiteindelijk het bepalen van het verwachte effect van onbetrouwbaarheid op de gemiddelde reistijd per reiziger. Deze benadering is succesvol getest op het verkeersmodel van de regio Utrecht: door het toevoegen van OV onbetrouwbaarheid per lijn of traject in het model, is de verklarende waarde van het model toegenomen: het resultaat voor kalibratie komt 18% dichter bij de telcijfers. Doordat OV onbetrouwbaarheid expliciet wordt meegenomen, is het mogelijk om verbeteringen in de betrouwbaarheid expliciet mee te nemen als modelvariant. Dit biedt mogelijkheden voor het evalueren van maatregelen die niet zo zeer de snelheid van het OV beïnvloeden, maar wel de betrouwbaarheid. De modelresultaten kunnen bijvoorbeeld input zijn voor een maatschappelijke kosten-baten analyse. Verbeterde betrouwbaarheid kan immers substantiële maatschappelijke baten tot gevolg hebben. Het driestappenplan is een eerste aanpak én toepassing van het meenemen van onbetrouwbaarheid van OV in verkeersmodellen. De volgende stap is het verfijnen van deze methodiek door bijv. onbetrouwbaarheid als zelfstandig aspect in de nutsfunctie mee te nemen.
Lees meer: Tijdschrift vervoerwetenschappen 3, 2014
OV-chipdata als tool voor efficiënt OV
De kosten in het OV staan onder druk, maar tegelijkertijd eist de reiziger hogere
kwaliteit. Dat vraagt om een hogere kostendekkingsgraad en een hogere bezettingsgraad.
Hoe kan big data hier een rol in spelen? “Het draait vooral om een
combinatie van voertuig- en reizigersdata; een analyse van het verleden en een
voorspell¡ng van de toekomst”, stelt OV-adv¡seur Niels van Oort. “Analyse kan
leiden tot verbetervoorstellen en uiteindelijk optimalisatie van de OV-dienst.”
Lees hier het volledige interview: Verkeer in Beeld
Wie volgt @verkeerskunde?
@Niels_van_oort is het twitteraccount van Niels van Oort, Adviseur ov bij Goudappel Coffeng en assistant professor OV, TU Delft. Wat vindt hij van Twitter?
Lees meer: Verkeerskunde
OV data wereldwijd omarmd
Niels van Oort was begin juli bij de eerste ‘Workshop on Smart Card Data Analysis’ in
Japan. “Het feit dat wij één nationaal systeem hebben met de OV-chipkaart maakte
indruk op mijn collega’s. Toch kijk ik ondanks onze landelijke dekking met enige
jaloezie naar hoe andere landen data omarmen voor beter ov.”
Lees het artikel: OV-Magazine aug 2014
International Workshop on Utilizing Transit Smart Card Data for Service Planning
Collecting fares through “smart cards” is becoming standard in most advanced public transport networks of major cities around the world. Using such cards has advantages for users as well as operators. Whereas for travellers smartcards are mainly increasing convenience, operators value in particular the reduced money handling fees. Smartcards further make it easier to integrate the fare systems of several operators within a city and to split the revenues. The electronic tickets also make it easier to create complex fare systems (time and space differentiated prices) and to give incentives to frequent or irregular travellers.
Less utilised though appear to be the behavioural data collected through smartcard data. The records, even if anonymous, allow for a much better understanding of passengers’ travel behaviour as various literature has begun to demonstrate. This information can be used for better service planning.
First International Workshop on Utilizing Transit Smart Card Data for Service Planning; 2nd – 3rd July, 2014; Gifu, Japan
My contribution to the workshop: Short term public transport modelling using smart card data