Posts in category Presentations

Modelling Multimodal Transit Networks: Integration of bus networks with walking and cycling

Demand for (public) transportation is subject to dynamics affected by technological, spatial, societal and demographic aspects. The political environment, together with financial and spatial constraints limit the possibilities to address transit issues arising from growing demand through the construction of new infrastructure. Upgrading of existing services and improving integration over the entire trip chain (including cycling) are two options that can address these transport issues. However, transport planners and transport service operators often fail to include the entire trip when improving services, as improvement is normally achieved through the adaptations of characteristics (e.g. speeds, stop distances) of the services.
Our developed framework consists of two parts: one to assess the characteristics of the different bus services and their access and egress modes, and one to assess the effects of integration of these services, which includes the modelling and analysis in a regional transit model. The framework has successfully been applied to a case study showing that bus systems with higher frequencies and speeds can attract twice the amount of cyclists on the access and egress sides. It also shows that passengers accept longer access and egress distances with more positive characteristics of the bus service (higher speeds, higher frequencies).

Find the presentation of Judith Brand at MT-ITS in Napoli HERE

Find our paper HERE

A data-driven approach to infer spatial characteristics and service reliability of public transport hubs

Public transport hubs play an important and a central role in public transport networks by connecting several public transport lines from one or multiple network levels. Hubs can be characterized by a large relative and absolute number of transferring passengers between public transport services within the same network level and/or between different network levels. Hubs are especially important with respect to service reliability of passenger journeys, since missing connections at hubs can substantially increase the nominal and perceived passenger journey travel time. The availability of AFC and AVL data allows an in-depth analysis of hub definition, identification, characterization and reliability performance evaluation. Such analysis enables optimisation of synchronisation of schedules, thereby increase the level of service reliability.

Find our TransitData2017 presentation HERE

Insights into door-to-door travel patterns of public transport passengers

Public transport enables fast and reliable station to station journeys. To assess passenger travel patterns and to infer actual quality of service, smartcard and AVL data offer great opportunities. There is, however, an increasing interest in insights into access and egress dynamics of public transport riders as well. What is the size of a stop’s catchment area, which modes are used, and how long and reliable are access and egress times? The answers to these and other questions enable optimization of the total mobility system, thereby also increasing public transport ridership and efficiency. Sufficient biking access of public transport stops (routes and parking), for instance, offer opportunities to increase public transport stopping distances, thereby increasing operational speed and reliability, without compromising accessibility of service areas. We developed a methodology to calculate and demonstrate these dynamics by using new and existing data technologies, namely AVL, survey and new promising app.

Find the Transit Data Conference abstract HERE and our presentation HERE

Monitoren van kwaliteit en beleving van multimodale OV ketens voor betere prognoses

De bereikbaarheid van steden staat onder druk. Door de toename van bewoners, bedrijven en bezoekers is de verwachting dat de stedelijke bereikbaarheid verder onder druk komt te staan. Tot voorkort was het niet goed mogelijk om de kwaliteit (reistijd, betrouwbaarheid en beleving) van de gehele OV deur-tot-deur reis en de first en last mile te meten. Deze inzichten zijn essentieel om het effect van ontwikkelingen en maatregelen in te schatten.

Samen met het ministerie van I en M en de Metropoolregio Amsterdam hebben we een werkmethode ontwikkeld en toegepast om de kwaliteit van de gehele deur-tot-deur reis te beoordelen. In de eerste maanden van 2016 is een pilot voor de werkmethode uitgevoerd tussen Amsterdam en Haarlem. In deze pilot is de kwaliteit (reistijd, betrouwbaarheid en beleving) van de deur-tot-deur reis onderzocht met bestaande data (OV-chipkaart en NDOV) en direct vanuit de reiziger (enquêtes en apps). Met een nieuw ontwikkelde tool is met behulp van open data van zowel het stedelijke als landelijke OV (bijv. GVB en NS) inzicht gekregen in de geleverde kwaliteit. Met behulp van een nieuwe app zijn inzichten verkregen in ketenverplaatsingen, zoals fiets-OV.

De methodiek en nieuwe tooling heeft bewezen de benodigde inzichten op te leveren. Daarnaast blijkt uit de pilot onder meer dat:
– de combinatie van gegevens een goede werkmethode oplevert voor auto, OV, fiets en combinaties daartussen en voor de gehele deur-tot-deur reis (inclusief first en last mile).
– de objectieve en subjectieve waarde van reistijd, betrouwbaarheid en beleving per stukje van de reis regelmatig van elkaar verschillen. Zo wordt een betrouwbare en gemiddeld snelle OV-reis toch beleefd als lage kwaliteit.

De resultaten van de pilot zijn veelbelovend voor verdere ontwikkeling en toepassingen.

Bekijk de Platos presentatie HIER

Inzichten in dynamische effecten van openbaar vervoer door combinatie van statische en dynamische OV modellen

Steden worden steeds populairder om te wonen, werken en te recreëren. Deze trek naar de stad legt steeds meer druk op de hoogwaardige OV-assen in en van/naar de stad. Naast snelheid en frequentie zijn betrouwbaarheid en drukte belangrijke kwaliteitsaspecten voor zowel reiziger als vervoerder. Om deze OV-assen hoogwaardig en efficiënt te kunnen (blijven) exploiteren zijn inzichten in te verwachte effecten van nieuwe ontwikkelingen en maatregelen essentieel. Afgelopen decennium zijn er grote stappen gezet op het gebied van OV modellering. Er zijn goede, statische modellen beschikbaar voor OV prognoses. Desondanks is voor beter inzicht in bijvoorbeeld toekomstige betrouwbaarheid en drukte behoefte aan een meer dynamische modelomgeving, zonder het hoge detailniveau van microsimulatie. TU Delft en Goudappel zijn daarom een verkenning gestart naar toepassing van dynamische OV toedelingsmodellen, (agent-based, mesoscopisch). De basis hiervoor, BusMezzo, is ontwikkeld door KTH Stockholm en wordt daarnaast ook al via TU Delft toegepast in Nederlandse studies.

Deze verkenning richt zich op het modelleren van openbaar vervoer met zowel OmniTRANS, de modelleringsoftware voor het gros van de regionale en stedelijke modellen in Nederland, als BusMezzo, een dynamisch simulatiemodel voor OV toedeling. Het doel van dit project is om te verkennen in hoeverre een dynamisch model waarde kan toevoegen ten opzichte van een statisch model, en welke stappen genomen moeten worden om deze modellen met elkaar te laten communiceren. Naast theoretische analyse is een case studie van de metro van Amsterdam uitgevoerd.

BusMezzo is in staat om elk voertuig en elke reiziger individueel te simuleren en kan daarmee de volledige interactie tussen reiziger en voertuig meenemen in de toedeling. De impact van crowding wordt volledig gemodelleerd, door het toepassen van volume-afhankelijke halteertijden, denied boarding, en door reizigers ervaren reistijd als gevolg van discomfort in drukke voertuigen. Hiermee ontstaat een verrijking ten opzichte van statische modellen.

Een wederzijdse uitwisseling van input en output data tussen de beide modellen is mogelijk. Het ligt voor de hand om een tweetrapsraket te maken van beide modellen, waarbij de kracht van beiden wordt gecombineerd. Hiermee kunnen meer en betere inzichten worden verkregen voor verwachte effecten van ontwikkelingen en/of OV maatregelen. Daarmee wordt een grote verbeterslag in prognoses en bijv. kostenbaten-analyses gemaakt.

Bekijk de Platos presentatie HIER

Spoorcollege: stedelijke rail

Het Nederlandse spoorwegennet van 1839 – 2039 (zowel voor reizigers als goederen) met Maurits van Witsen, Max Philips en Niels van Oort

Niet alleen in de samenleving, maar ook in onze sector gaan de ontwikkelingen in een hoog tempo. Niet alleen door de komst van computergestuurde auto’s en ‘Internet of Things’ maar ook door de ontwikkeling van het, deels gedecentraliseerde spoorwegennet, de veranderende goederenstromen, de klimaatveranderingen en de steeds wijzigende relatie van de overheid met de vervoerbedrijven. De leden van Railforum kijken regelmatig vooruit. We verkennen verschillende scenario’s en stellen gezamenlijk toekomstbeelden op. Maar hoe goed zijn we op de hoogte van de historische achtergronden?

Maurice Adams zei ooit: “Wie de ogen sluit voor het verleden, is blind voor de toekomst”.
Dus vandaar dat Railforum in samenwerking met de NVBS, conform de Spoorcolleges tijdens de SpoorParade in 2014, vier bijeenkomsten organiseert waar diverse experts lezingen geven. Accent ligt op de geschiedkundige context van, en een doorkijk naar nieuwe ontwikkelingen. Aansluitend is er ruimte voor vragen en is er een netwerkborrel. Bij het uitnodigen letten we extra op de vier verschillende generaties in onze sector, zodat specifieke kennis en de historische context daarvan wordt overgedragen aan de bouwers van onze toekomst.

Zie de slides HIER

en een kort verslag van OV-PRO HIER

International rail summit 2016: Big Data and rail

Big Data also enter the railway industry. Board computers, passenger smart cards and cell phones provide valuable data to enhance design of networks and timetables. Big Data supports the improvement of transport models and cost benefit analyses (CBAs). An example of success was the approval of a new light rail in Utrecht, the Netherlands. It was not common use to consider reliability benefits explicitly, but in this case they were responsible for the positive cost benefit ratio.

Find my presentation at the Railsummit 2016 HERE

Rail summit website

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

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

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

© 2011 TU Delft