Posted in 2014
No data, no glory
Ons verslag en de OV highlights van het TRB congres 2014 lees je hier: TRB verslag OV Magazine
Hoe Big Data leidt tot beter en goedkoper openbaar vervoer
Verschenen op verkeersnet.nl, 19-11-2013
De presentatie over de kansen van Big Data in OV van het Grote Big Data congres vind je HIER
Verplicht in- en uitchecken, ook voor abonnementshouders, kan niet rekenen op de populariteitsprijs van de reiziger. Dat is jammer, met alle begrip overigens voor de soms kafkaiaanse toestanden waarin een goedwillende reiziger in verzeild kan raken als hij een keertje het in- of uitchecken vergeet. Toch wil ik het wel van de daken schreeuwen: in- en uitchecken dient primair het reizigersbelang. Actuele feitelijke informatie over collectief reisgedrag helpt OV toe te snijden op de behoefte van haar klanten. Het OV kan nog zoveel beter.
Zo, dat is eruit. Nu het goede nieuws. We kunnen al heel veel met Big Data in OV-land, ook al is het in- en uitcheck-ritueel nog niet 100% sluitend. Voor de OV-onderzoeker zijn het gouden tijden, want naast de chipkaart hebben we nóg een bron met actuele gegevens over de ‘performance’ van het OV. Opgezet om de reiziger te informeren, wordt real time veel data verzameld opdat de reisinformatiepanelen de juiste informatie tonen (GOVI in jargon). In die data ligt het verbeterpotentieel van het OV verborgen. Want wie het verleden begrijpt kan een mooiere toekomst vormgeven. En dat het OV beter kan, lijkt voor velen niet eens een vraag. Kostendekkingsgraden zijn laag en hoewel de kwaliteit op internationale schaal bovengemiddeld is, zien bestaande en potentiële reizigers dat anders. Big Data faciliteert concrete verbeteringen.
Zo laten we in Nederland miljoenen Euro’s liggen door te vaak stilstaan en te lage betrouwbaarheid van het OV. Big Data-analyses laten dat zien. We zien dus meer kansen en dankzij die Big Data kunnen we ook steeds beter maatregelen optimaliseren voor wat betreft performance, reizigersstromen en dus exploitatie en reizigertevredenheid. Dat laatste gaat zelfs verder dan alleen het OV. In Utrecht wordt bijvoorbeeld het verkeersmodel al gevoed door GOVI data, zodat ook daar Big Data de weg wijst naar goede business cases om projecten te prioriteren en de beslissers te overtuigen ermee aan de slag te gaan.
Drie keer omdenken
Parallel moeten we stappen maken in ons denken. Omdenken noem ik dat. Allereerst moet de focus verschuiven van voertuig naar reiziger. OV draait niet om bussen of treinen die op tijd rijden. OV draait om mensen die snel en betrouwbaar van deur naar deur willen gaan. In die keten ligt de tweede ‘omdenker’. Vaak optimaliseren we nog ritten, terwijl de overstap juist het meest kwetsbaar is. De derde ‘omdenker’ is het denken in baten in plaats van kosten. Dat we dat laatste veel makkelijker goed kunnen uitrekenen wil niet zeggen dat we ons daarop moeten blindstaren.
De uitdaging van Big Data, zeker in het OV, is dus het verbinden van data-experts met duiding door toepassingsexperts. We moeten die miljarden enen en nullen omzetten in relevante informatie, liefst in een mooi kaartbeeld. Dat betekent weten waar je naar moet kijken en begrijpen wat je ziet. Pas dan kun je Big Data omzetten in concrete verbeteringen.
Is die Big Data ook allemaal Open Data? Is er chipkaartdata over vervoerders heen om reizigersketens te meten? Dat is gezien de huidige ontwikkelingen en perspectieven wat mij betreft een kwestie van tijd. En tijd is precies wat we gaan winnen, voor de reiziger!
En niet vergeten uit te checken, he!
Service reliability in a network context: impacts of synchronizing schedules in long headway services
This paper presents research on synchronization of transfers and its impact on service reliability from a passenger perspective. Passenger reliability is analyzed for the case of a multi-operator transfer node. A method is developed to calculate the passenger centered reliability indicators: additional travel time and reliability buffer time, using scheduled and actual vehicle arrival and departure times as an input. Five major factors are identified as affecting reliability at a particular transfer: scheduled transfer time, distributions of actual arrivals of the first and second line, headways, transfer walking time, and transfer demand. It is demonstrated in a real network case that changing a specific transfer has effects on other transfers from the transfer point. This method can be applied in a cost benefit analysis to identify the benefits and costs of reliability for different groups of passengers, thereby supporting proper decision making.
This paper won the Best Paper Award of all submissions by the TRB Committee on Transit Capacity and Quality of Service.
Read more: Paper Lee TRB 2014
Incorporating unreliability of transit in transport demand models: theoretical and practical approach
Nowadays, transport demand models do not explicitly evaluate the impacts of service reliability of transit. Service reliability of transit systems is adversely experienced by users, as it causes additional travel time and unsecure arrival times. Because of this, travelers are likely to perceive a higher utility from higher reliable transport systems. In order to mimic and measure the impacts of service reliability on a transit demand model a three-step approach is proposed using intelligent transport systems data. The approach consists of determining the probabilistic distribution of transit trip times, defining demand patterns and estimating the average impacts of unreliability per passenger. This approach was successfully tested on the model of the city of Utrecht in The Netherlands. By adding service reliability as a variable parameter of transit systems the results of the demand model improved showing that the absolute difference between the observed and the estimated demand decreased by 18%. In addition, the proposed approach allows measuring the effects of expected changes in level of service reliability on traveler behavior. Finally, the authors have identified future research topics required to improve the estimation of those effects
Read more: TRB 2014 Paper Van Oort