Niels van Oort
Robust public transport from a passenger perspective
MSc.Thesis by Menno Yap (full report: HERE )
Summary:
Disturbances in public transport are an important issue for passengers, public transport operators and infrastructure managers. After the occurrence of large disturbances, there is often a strong call from passengers and society to make the public transport network less vulnerable – and therefore more robust – against these types of events. Despite the mentioned importance of considering robustness, the next limitations can be formulated regarding the way robustness of public transport networks is currently considered:
When evaluating and improving robustness of public transport networks against large non-recurrent disturbances, a passenger perspective is not included to its full extent. There is a strong focus on independent network levels operated by a single public transport operator, instead of considering the integral, multi-level public transport network available for passengers.
In general, limited quantitative data is available about disturbances which occur on multi-level public transport networks and about the effects of these disturbances on passengers. Also there is limited knowledge about the robustness performances of different network levels relative to each other. Given these limitations, the following main research question is formulated:
What methodology can be developed to evaluate the robustness of multi-level public transport networks and to evaluate robustness effects of measures for the case study network between Rotterdam and The Hague?
In this study, robustness is related only to major discrete events: large, non-recurrent events which affect infrastructure availability. In line with this, the next definition of robustness is used in this study:
‘Robustness is the extent to which the network is able to maintain the function it was originally designed for under circumstances which strongly deviate from plan’.
In this study, a methodology is developed which enables the evaluation of the current robustness of multi-level public transport networks, as well as the evaluation of proposed robustness measures. The case study shows that it is worth to consider another network level as back-up in case a certain network level is blocked. The result of the case study indicates that from a societal point of view, there is still room to improve the robustness of multi-level public transport networks.
The developed methodology can especially be developed further by incorporating en-route route choice possibilities in the transit assignment model. Further research is recommended especially to gain more knowledge about the behaviour of passengers in case they are confronted with major discrete events and in case they are confronted with crowded vehicles.
Big data opportunities to enhance public transport
New promising Big Data sources are becoming available in the Public Transport industry, via for instance Intermodal Transport Control Systems (ITCS). This data provides insights into both passenger flows and vehicle performance and is of great help to optimize public transport services. The data enables to evaluate ridership and compare it with use of other modes as car and bike traffic. In addition, whatif- predictions are possible to gain insights into expected level of cost coverage, service and ridership and to finally optimize the services.
Read more: ITCS and Big Data (IT TRANS2014)
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
Incorporating service reliability in public transport design and performance requirements
Public transport passengers consider service reliability a key quality aspect. However, in
most countries, actual services are not perceived as very reliable. To gain insights in how
public transport authorities deal with (improving) service reliability and planning, an
international survey was performed. This survey showed that there is little attention paid to
service reliability during the design of the network and the timetable. In addition, it illustrated that little consistency exists in approaches. In addition, a second survey in The Netherlands was performed, showing how public transport authorities deal with service reliability in relation to concession requirements and incentive regimes. The main findings are that consistency is lacking on this topic, even within the Netherlands, and that little attention is paid to passenger impacts of service reliability in concession requirements. This may result in services that do not match the (implicitly) required level of service reliability.
These surveys also demonstrated that there is no consistency in the definition of service reliability. We illustrated that this may lead to different levels of quality concerning these indicators, while actual quality is constant. In this paper, recommendations are presented to improve concession requirements as well as the design of network and timetable, both aiming at enhanced service reliability.
Read more: Thredbo 2013 paper Van Oort
Van voertuigpunctualiteit naar reizigersbetrouwbaarheid
Om een hoogwaardige OV exploitatie te bereiken, stellen overheden diverse eisen aan vervoerders met betrekking tot de exploitatie van het OV. Dat gebeurt zowel vooraf (bij aanbestedingen via bestekken) als tijdens de exploitatie (via concessie-eisen). Deze eisen zijn van grote invloed op het gedrag van de vervoerder voor wat betreft planning en bijsturing en daarmee op de kwaliteit op straat. Hoewel via de toolbox “Beter Bestek” van KpVV afgelopen jaren grote sprongen in kwaliteit en uniformiteit van OV-bestekken zijn gemaakt, geldt dit nog niet voor het aspect “op tijd rijden”. De aandacht is hiervoor weliswaar sterk toegenomen- de punctualiteit van NS is bijvoorbeeld een veelbesproken onderwerp- maar een uniforme aanpak en indicatoren ontbreken echter in Nederland.
In dit paper wordt onderzoek gepresenteerd dat inzicht biedt in de stand van zaken op dit moment voor wat betreft betrouwbaarheidseisen in bestekken (zowel in Nederland als in het buitenland). Hieruit blijkt dat er verschillende (suboptimale) aanpakken voorkomen. Op basis van de onderzoeken worden handvatten gepresenteerd om beter te kunnen sturen op een betrouwbaar OV, zowel bij aanbesteding als tijdens de exploitatie, met als resultaat beter OV op straat.
De belangrijkste aanbevelingen zijn om bij het vaststellen van eisen voor wat betreft het op tijd rijden een referentie- en gewenst kwaliteitsniveau vast te stellen, met daarbij een analyse wat haalbare verbeteringen zijn en wie daar invloed op heeft. Zo hebben OV autoriteit, gemeente en vervoerder elk hun rol en mogelijkheden. Opvallend is dat er momenteel weinig aandacht is voor de kwaliteit van de dienstregeling met betrekking tot punctualiteit, hoewel daar een sleutel voor succes ligt. Tot slot zijn de gebruikte indicatoren momenteel niet voldoende op de reiziger gericht, waardoor suboptimalisatie op de loer ligt. De veelgebruikte indicator punctualiteit houdt bijvoorbeeld niet direct rekening met fenomenen als te vroeg rijden, overstappen en regelmaat. In dit paper laten we rekenkundig zien wat de impact van verschillende, suboptimale indicatoren is.
Om tegemoet te komen aan beperkingen van huidige indicatoren wordt in dit paper een indicator gepresenteerd, extra reistijd per reiziger, die wel focus op de reizigerseffecten biedt en daarmee een beter ontwerp en uitvoering van OV faciliteert. Door in OV-bestekken te werken met goede indicatoren en ambitieuze, doch realistische eisen komt een beter OV snel dichter bij. Een beter OV begint immers met een beter bestek.
Optimizing Public Transport Planning and Operations Using Automatic Vehicle Location Data: The Dutch Example
There is a growing pressure on urban public transport companies and authorities to improve efficiency, stemming from reduced budgets, political expectations and competition between operators. In order to find inefficiencies, bottlenecks and potentials in the public transport service, it is useful to learn from recorded operational data. We first describe the state of publicly available transit data, with an emphasis on the Dutch situation. The value of insights from Automatic Vehicle Location data is demonstrated by examples. Finally, a software tool is described that makes quick comprehensive operational analysis possible for operators and public transport authorities, and was able to identify several bottlenecks when applied in practice.
Read more: Paper MT ITS Dresden Van Oort