Niels van Oort
Betrouwbare OV netwerken: Reizigersperspectief centraal dankzij anonieme chipkaartdata
Voor het openbaar vervoer is betrouwbaarheid een kwaliteitsfactor van belang.
Terwijl we een beetje vertraging met de auto wel oké vinden, is elk minuutje
dat een bus, trein of tram te laat arriveert, er echt één te veel. Vervoerders en
openbaarvervoerautoriteiten zijn dan ook continu op zoek naar mogelijkheden
om de betrouwbaarheid te verbeteren. Maar hoe bepaal je eigenlijk of
een maatregel werkt? Wat is een goede maat voor betrouwbaarheid? In
deze bijdrage maken we een boeiend uitstapje naar de wereld van haltes,
overstappen en OV-chipkaarten.
Lees het artikel uit NM magazine HIER
Lees het uitgebreide wetenschappelijke artikel HIER
Trambonus hoort in strategische planning
Kiezen we voor de bus of voor de tram? Bij de introductie van nieuwe ov-lijnen is de systeemkeuze altijd een belangrijk discussiepunt.
Lees het artikel in OV magazine HIER
Self driving solutions and public transport
The development of self-driving solutions is growing exponentially. Major industries are developing vehicles, sensors and mapping systems that help to achieve the goal of driverless mobility. How can we prepare the city for these self-driving solutions? And in what ways can a city benefit from these solutions? What are the possibilities and challenges of the realization of the self-driving car as a last-mile option in Amsterdam?
Part of the discussion was on the (new) role of public transport: will it dissapear completely of will business remain as usual? Major question is what do we want to achieve in our cities and what means do we have to get to that point? We should look at the strengths of all modes and find the optimal mix. Stop to stop mass transport is the stregth of public transport, the bike plays a major role in short distances and access to these stops. So the first potential role for automated vehicles might be in egress transport?
See the presentations and discussion HERE
Wat is de waarde van Openbaar Vervoer?
De waarde van openbaar vervoer wordt vaak te beperkt in beeld gebracht. Het draait vaak alleen om kosten van infrastructuur en exploitatie. Waarom eigenlijk? De waarde van ov is meer dan alleen de vervoerwaarde. 5xE is een betere manier om het ov op waarde te schatten voor Effectieve mobiliteit, een Efficiënte stad, Economie, milieu (Environment) en sociale cohesie (Equity).
Lees hier het artikel in OV-Magazine
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
Data driven enhancement of public transport planning and operations: service reliability improvements and ridership predictions
Automatic Vehicle Location (AVL) and smartcard data are of great value in planning, design and operations of public transport. We developed a transport demand model, which utilizes smartcard data for overall and what-if analyses, by converting these data into passengers per line and OD-matrixes and allowing network changes on top of a base scenario. This new generation model serves in addition to the existing range of transport demand models and approaches. It proved itself in practice during a case study in The Hague, where it helped the operator gain valuable insights into the effect of small network changes, such as a higher frequency.
Data also supports measures to improve service reliability. We introduced a new network design dilemma, namely the length of a transit line vs. its reliability. Long lines offer many direct connections, thereby saving transfers. However, the variability in operation is often negatively related to the length of a line, leading to poorer schedule adherence and additional waiting time for passengers. A data driven case study shows that in the case of long lines with large variability, enhanced reliability resulting from splitting the line could result in less additional travel time. This advantage compensates for the additional time of transferring if the transfer point is well chosen.
Read the full paper here: TRA Conference 2016 Van Oort Data driven enhancement of PT
or check the poster: TRA2016 Conference Poster
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
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