Posted in 2015
Innovatieve toepassingen van OV chipkaartdata
Er wordt veel gesproken over nieuwe databronnen die helpen bij de uitdagingen in de OV wereld. De OV chipkaart is één van de bronnen, waarmee we het OV beter en efficiënter kunnen maken. Maar tot nog toe gebruikten we deze data vooral ter vervanging van eerdere handmatig verkregen data. In dit paper gaan we een stap verder. Aan de hand van drie innovatieve cases laten we zien dat er veel meer met deze data te doen is.
Met OV chipkaart data stelden wij een OV-model op voor Den Haag voor korte termijn prognoses. Dit is de basis geweest voor de drie cases:
De vraag voor eerste case was: zijn elasticiteits¬parameters af te leiden uit revealed preference data voor verschillende praktijksituaties? Wij merken dat dit goed mogelijk is. En dat het gedrag van reizigers verschilt per context: reizigers reageren heftiger op ‘tijdelijk ongemak’ dan in een vergelijkbare structurele situatie. De elasticiteitsparameter kan tot 25% hoger liggen.
Ook kijken wij naar een belangrijk, maar vaak in modellen genegeerd aspect van reisbeleving: comfort. Voor de regio Den Haag nemen wij expliciet comfort op in de (model) kostenfunctie door rekening te houden met de capaciteit van voertuigen. De bestaande vraag leiden wij direct af uit OV chipkaartgegevens. Onze studieresultaten tonen aan dat het niet beschouwen van capaciteit en comfort kan leiden tot een onderschatting van de vervoerwaarde-effecten tot 30%. We laten ook zien dat deze aanpak kan worden toegepast in de praktijk: de rekentijd is kort en het leidt tot een betere vraagraming van openbaar vervoer.
Tot slot kijken we naar de bruikbaarheid en inzet van andere databronnen. Als pilot hebben we een vergelijkende analyse tussen OV chipkaart- en GSM data uitgevoerd voor de regio Emmen. We tonen aan dat de GSM data aanvullend is: deze is namelijk ook bruikbaar voor analyse van de niet-ov-reizigers. Tot slot laten we zien dat het combineren van de twee databronnen inzicht verschaft in de potentie voor OV op specifieke HB relaties. Zo benoemen wij een aantal relaties in de regio Emmen waar op basis van de data het OV gebruik (vooralsnog) achter blijft en dus potentie heeft.
Alle drie de cases laten innovatie zien op onderzoek en toepassing van OV chipkaartdata. Wij gaan door met deze innovaties voor een beter en efficiënter OV!
Lees hier onze paper: CVS2015: Innovatie met chipkaartdata
De presentatie vind je HIER
Hoe maak en beoordeel je een dienstregeling? (ROCOV training)
ROCOV-trainingen bieden u praktische handvatten om uw taak als reizigersvertegenwoordiger uit te oefenen. Tijdens de training “Dienstregelingen” worden tweetal jaarlijks in de ROCOV’s terugkerende onderwerpen behandeld: de dienstregeling en de tarieven. We verkennen waaraan een goede dienstregeling voor de reiziger moet voldoen en wat de valkuilen zijn. Aan de hand van een concrete oefening leert u welke afwegingen een planner moet maken. Niels van Oort schetst u de ontwikkelingen die op dit vlak spelen. Hij geeft een beschrijving van de verschillende methodieken om een dienstregeling op te stellen en de consequenties daarvan voor de reizigers.
Meer info: Website ROVER
New generation of public transport models: predicting ridership by smartcard data
In the public transport industry we observe the rise of a new generation of transport demand models. We applied Dutch smart card data for analysis of passenger volumes and routing and performed what-if analyses by using existing transport planning software. We focused specifically on public transport operators by providing them relative simple (easy to build, low calculation time) models to perform these what-if analyses. The data, including transfer information, is converted to passengers per line and an OD-matrix between stops. This matrix is assigned to the network to reproduce the measured passenger flows. After this step, what-if analysis becomes possible. The effects of line changes on route choice can already be investigated when fixed demand is assumed. However, by introducing an elastic demand model the realism of the modeled effects is improved, because network changes induce changes in level of service, which affects the demand for public transportation. This elastic demand model was applied on a case study in The Hague. We imported the smart card data into a transport model and connected the data with the network. The tool turned out to be very valuable for the operator to gain insights into the effects of small network changes.
In addition to this basic model, we also applied a capacity constrained assignment method. The most important aspects on which passengers base their choice for public transport travelling are the perceived travel time, costs, reliability and comfort. Despite this importance, comfort is often not explicitly considered when predicting demand. The case study results indicate that not considering capacity and comfort effects can lead to a substantial underestimation of effects of certain measures aiming to improve public transport. This means that benefits of measures that reduce crowding for both passengers and operators can now be quantified and incorporated in the decision-making process. We also illustrate that this extended modelling framework can be applied in practice, requiring short calculation times and leading to better predictions of public transport demand.
Find our ETC 2015 presentation HERE
Improving public transport decision making, planning and operations by using Big Data: Cases from Sweden and the Netherlands
New big data (sources) in the public transport industry enable to deal with major challenges such as elevating efficiency, increasing passenger ridership and satisfaction and facilitate the information flow between service providers and service users. This paper presents two actual cases from the Netherlands and Sweden in which automated data sources were utilized to support the planning and operational processes. The cases illustrate the benefits of using smartcard and vehicle positioning data. Due to the data (processing), valuable insights were gained helping to make the right choices and improve the public transport system.
Read our paper: Workshop paper IEEE ITSC 2015 and check our presentation: Presentation IEEE ITSC15
Robustness of multi-level public transport networks: A methodology to quantify robustness from a passenger perspective
Despite the importance of robust public transport networks, this topic has not been considered from a full passenger perspective yet in scientific literature and practice. To our best knowledge, this study is the first in which both exposure to large, non-recurrent disturbances and impact of these disturbances are analysed in a systematic and realistic way. Contrary to single-level network perspectives, we considered the integrated, total multi-level public transport network which remains available when a disturbance occurs. We developed a new methodology to identify the most vulnerable links in the multi-level public transport network and to quantify the societal costs of non-robustness of these vulnerable links. Besides, applying our methodology enables quantification of the robustness benefits of robustness measures, next to the costs of such measures. Therefore, our methodology can support and rationalize the decision-making process of public transport operators and authorities regarding the implementation of different robustness measures.
Read the full paper: INSTR2015-Yap et al.
Find our presentation: INSTR2015 Presentation Yap et al.
Urban Mobility Lab: benut databerg
CROW-KpVV hield op 28 mei in Utrecht de eerste landelijke kennisdag over het benutten van data in het openbaar vervoer. Het delen van data levert veel op, maar is nog geen gemeengoed. Tijdens de bijeenkomst stond onder andere het Urban Mobility Lab in de schijnwerpers: een proeftuin vol data over vervoerpatronen in Amsterdam.
Lees het hele artikel: Urban Mobility Lab in OV Magazine
Data-driven public transport ridership prediction approach including comfort aspects
The most important aspects on which passengers base their choice whether to travel by public transport are the perceived travel time, costs, reliability and comfort. Despite its importance, comfort is often not explicitly considered when predicting demand for public transport. In this paper, we include comfort level in a modelling framework by incorporating capacity in the public transport assignment. This modelling framework is applied in the public transport model of HTM, the urban public transport operator of The Hague. The current transportation demand is directly derived from smart card data and future demand is estimated using an elasticity based approach. The case study results indicate that not considering capacity and comfort effects can lead to a substantial underestimation of effects of certain measures aiming to improve public transport (up to 30%). We also illustrate that this extended modelling framework can be applied in practice: it has a short computation time and leads to better predictions of public transport demand.
Check our presentation: Presentation CASPT2015
Read our full paper: Van Oort et al: Datadriven PT modelling CASPT2015
Urban Mobility Lab
Op 28 mei 2015 organiseerde CROW-KpVV in de Galgenwaard in Utrecht de eerste landelijke bijeenkomst over het benutten van data in het openbaar vervoer. Het doel van deze onafhankelijke kennisdag was om te laten zien welke toepassingsmogelijkheden er zijn voor data die beschikbaar is. Zo kan slim gebruik hiervan overheden helpen bij het nemen van beleidsbeslissingen en beheren van een concessie. Daarnaast kunnen verschillende regio’s van elkaar leren door data te koppelen en te vergelijken. Er liggen kortom volop kansen op het gebied van datagebruik in het ov.
Niels van Oort, assistant professor ov aan de TU Delft, vertelde tijdens het plenaire deel over hoe Amsterdam als levend mobiliteitslaboratorium fungeert. Hoe kunnen we alle voetgangers-, fiets-, auto- en OV-data verzamelen, combineren en visualiseren om te komen tot een beter begrip en kennis van het totale mobiliteitssysteem? In een verdiepende deelsessie stonden de mogelijkheden voor het ov centraal: wat kunnen we leren over het ov door gebruik te maken van databronnen als GSM, GOVI en OV-chipkaart?
Bekijk hier de presentatie: Urban Mobility Lab
Transport Thursday: Investing in cities
In recent years, state-of-the-art public transport, including light rail, has seen strong worldwide growth. Increasing numbers of different types are emerging, both on the drawing board and on the streets. What lessons can we learn from all of these ideas and projects? Rob van der Bijl, Bert Bukman and Niels van Oort conducted research into 47 light-rail projects in the Netherlands and elsewhere and wrote a book on this entitled, ‘Investeren in de stad. Lessen uit 47 light rail projecten ‘ (‘Investing in the city. Lessons from 47 light-rail projects’). On this special Transport Thursday, they will be sharing their most important lessons and experiences (from decision-making through to operation) in achieving successful state-of-the-art public transport, a key driver in our new smart cities.
Check our presetation: Transport Thursday Van Oort 2015
Opportunities and challenges for automated vehicles (individual, public and freight transport)
Since several years many developments regarding self-driving, automated vehicles (AVs) take place. Within the coming years it is expected that automated vehicles are becoming part of our transportation system. Therefore it’s becoming more and more important for policy makers to get insights into the state-of-the-art developments around AVs, in order to foster applications of AVs which are promising from a societal point of view and to take these developments into consideration during the decision-making process.
Definition and function of automation
Automation in this study refers to the transport system including all of its components, such as vehicles, drivers, users, infrastructure, information systems and applications. The level in which the driver is still ‘in the loop’ is used in order to discriminate between the different levels of vehicle automation: driver assistance (level 1), partial automation (level 2), conditional automation (level 3) and high/full automation (level 4).
In this study, our aim is to analyze strengths, weaknesses, opportunities and threats related to different applications of automation for autonomous private vehicles, freight transport and handling, and public transport. The potential of different applications of AVs in the Zuidvleugel in this study is strictly considered from a societal perspective (demand driven), in which AVs have a societal contribution to answer challenges the Zuidvleugel will face the upcoming years. Each application of automation is analyzed based on its functional ability to contribute to more agglomeration power of the Randstad Zuidvleugel, which in turn can improve the position of the Randstad Zuidvleugel relative to other European metropolitan areas.
Conclusions
We can conclude that a variety of (developments of) applications of automation exist in the Netherlands and worldwide regarding autonomous vehicles, freight and public transportation. We see several opportunities for the Zuidvleugel to benefit from these developments. Some of them are relevant for the short term (4 years), whereas other developments need more time to may be applied.
Read more: Essay TU Delft and Presentation workshop automated vehicles