Posts tagged modelling
Mobility hubs: Why, who, how?
Mobility hubs are often presented as the solution for enhanced accessibility, a shift towards sustainable mobility and/or improved public space. Sometimes, they seem to be a goal in itself.
In our research, we try to find out how to achieve the mobility, spatial and societal goals by investigating the potential users and their needs, and the required offered modes and facilities accordingly.
The highlights of multiple research projects are presented the infographic below. More details and extra insights are available via the related research papers.
References
- Hoogenboom (2024), Exploiting the benefits of a mobility hub to incentivize shared car usage.
- Montes, A., N. Geržinic, W.V. Veeneman, N. van Oort, S.P. Hoogendoorn (2023), Shared micromobility and public transport integration – A mode choice study using stated preference data, Research in Transportation Economics, Vol. 99, 101302.
- Spierenburg, L., H. van Lint, N. van Oort (2024), Synergizing cycling and transit: Strategic placement of cycling infrastructure to enhance job accessibility,
Journal of Transport Geography, Volume 116. - Van der Meer, T. Leferink, N. Geržinič, J. A. Annema and N. v. Oort (2023), Identifying potential use of emerging neighbourhood mobility hubs using behavioural modelling, 8th International Conference on Models and Technologies for Intelligent Transportation Systems (MT-ITS), Nice, pp. 1-6.
- Van Gerrevink, I., J. de Jong, N. van Oort (2021), Ex-post evaluatie van mobiliteitshubs: Een kwalitatieve studie naar de factoren die het gebruik en de effecten van mobiliteitshubs beïnvloeden. CVS congres Utrecht. (in Dutch; English report)
- Van Kuijk, R.J., G. Homem de Almeida Correia, N. van Oort, B. van Arem (2023), Preferences for first and last mile shared mobility between stops and activity locations: A case study of local public transport users in Utrecht, the Netherlands, Transportation Research Part A: Policy and Practice, Volume 166.
- Vianen, J., N. van Oort, M. Walvius (2022) Een wijkhub voor iedereen? Inzichten in de behoefte aan hubfaciliteiten en deelmobiliteit voor verschillende bevolkingsgroepen. CVS congres Utrecht (in Dutch; English report)
- Xanthopoulos, S., M. van der Tuin, S. Sharif Azadeh, G. Correia, N. van Oort, M. Snelder (2024), Optimization of the location and capacity of shared multimodal mobility hubs to maximize travel utility in urban areas, Transportation Research Part A: Policy and Practice, Volume 179.
De halteparadox – een balans tussen meer en minder haltes
Afgelopen jaar was er veel aandacht voor een bekend dilemma in het ontwerp van ov-lijnen: hoeveel haltes zorgt voor het optimum voor reizigers? Tim de Ridder, student aan de TU Delft, zocht voor de Haagse vervoerder HTM naar dit optimum. “Met minder haltes kan HTM een betere kwaliteit bieden”.
Lees het hele artikel uit OV Magazine HIER
Het onderzoeksrapport met gedetailleerde resultaten is HIER te vinden
Gerelateerd artikel: “Minder bushaltes alléén niet gelijk aan minder bereikbaarheid”
MT-ITS conference: Identifying potential use of emerging neighbourhood mobility hubs using behavioural modelling
Neighbourhood mobility hubs may play an important role in mitigating the impact of passenger cars on climate change and urban public space. As a relatively new concept, academic research on the user potential of neighbourhood mobility hubs is so far limited. This research aims to identify which user groups are likely to adopt services offered by a neighbourhood mobility hub. A survey was distributed in the Netherlands (N=298) and an Exploratory Factor Analysis (EFA) and a Latent Class Cluster Analysis (LCCA) were executed. Four distinctive groups of intended users were uncovered. Two of the clusters have intentions to use neighbourhood mobility hubs. The other two identified clusters do not (yet) intend to use neighbourhood mobility hubs. The clusters indicate that people who currently already travel more by sustainable modes (train or (e-)bicycle) are more likely to be adopters of neighbourhood mobility hubs than the traditional car users. In practice, this may make the positive effect of hubs more limited than anticipated or even increase car use. However it could also facilitate those travelling sustainable to do so for longer as additional shared modes become available to them via hubs. Limitations and directions for further research are discussed.
Read the paper of Van der Meer et al. (2023) HERE
Find the presentation of MT-ITS (2023) in Nice HERE
The full research report is available HERE
More insights into mobility hubs and shared mobility:
CO2 Barometer
In this PhD project by Marko Kapetanović, an integrated model for dynamic monitoring and prediction of CO2 emissions of regional railway services is developed, following a life-cycle approach. The project is performed in close cooperation with Arriva, the largest regional railway undertaking in the Netherlands. Possibilities and measures to improve the energy efficiency of railway operation and to reduce the total emissions on the network are identified and assessed, including alternative propulsion systems such as hybrid, plug-in hybrid, fuel cell-electric and battery electric, together with a range of energy carriers. Analyzed fuels and energy carriers include LNG, first and second generation biofuels, hydrogen and electricity, with examined various alternative production pathways. Check the main output of this project below.
Short video explaining the project and main results
Korte video over het project en resultaten (in Dutch)
Doctoral Thesis
Improving Environmental Sustainability of Regional Railway Services (TU Delft, 2023)
Papers
Energy use and greenhouse gas emissions of traction alternatives for regional railways (Energy Conversion and Management 2024)
Energy model of a fuel cell hybrid-electric regional train in passenger transport service and vehicle-to-grid applications (Journal of Rail Transport Planning & Management 2023)
Life Cycle Assessment of Alternative Traction Options for Non Electrified Regional
Railway Lines (World Congress on Railway Research (WCRR) 2022)
Optimal network electrification plan for operation of battery electric multiple unit regional trains (TRISTAN XI 2022)
Analysis of hydrogen powered propulsion system alternatives for diesel electric
regional trains (Journal of Rail Transport Planning & Management 2022)
Reducing fuel consumption and related emissions through optimal sizing of energy storage systems for diesel-electric trains (Applied Energy 2021)
Analysis of Hybrid and Plug-In Hybrid Alternative Propulsion Systems for Regional Diesel-Electric Multiple Unit Trains (Energies 2021)
Sustainability of Railway Passenger Services: A Review of Aspects, Issues, Contributions and Challenges of Life Cycle Emissions ( RailNorrköping 2019)
Presentations
Assessment of Alternative Traction Options for Non Electrified Regional
Railway Lines (World Congress on Railway Research (WCRR) 2022)
Optimal network electrification plan for operation of battery electric multiple unit regional trains (TRISTAN XI 2022)
Improving Sustainability of Regional Railway Services in the Netherlands (Rail Infra Forum, RailTech 2023)
Vehicle-to-Grid Concept for Hydrogen Fuel Cell Hybrid-Electric Regional Trains (RailBelgrade 2023)
Other
Inzicht in verduurzaming regionaal spoor (OV Magazine)
Student TU Delft ontwikkelt samen met Arriva CO2-barometer voor regionale treinen (Spoor Pro)
Potential solutions for decarbonizing regional rail transport in the Netherlands (Global Railway Review’s Track Insight: Decarbonisation)
How can railways phase out diesel from their operations? (RailTech Digital Magazine | Sustainable Rolling Stock)
Reducing rail emissions: Shifting to diesel alternatives (Webinar, RailTech 2022)
Improving Environmental Sustainability of Regional Railway Services in the Netherlands (Rail Infra Forum, RailTech 2023)
PhD project: Robust train trajectory optimization
In cooperation with the Dutch Railways (NS), Alex Cunillera works in this PhD research on robust train trajectory optimization. Even two trains of the same model running on the same line show significant differences in their dynamics. This might be due to different passenger loads, weather, fault history, driving style of the train driver, etc. Moreover, there are uncertainties in the track data that may also have a strong influence on the train operation. This research focuses on determining the uncertainties and stochastics of these variations and developing methods to compute robust train trajectories that optimize the energy consumption and minimize delays in the presence of the mentioned variations.
Project contributions (ongoing):
Papers:
Train motion model calibration: research agenda and practical recommendations (ITSC 2022)
Presentations:
Real-time train motion parameter estimation using an Unscented Kalman Filter (RailBeijing 2021)
Train motion model calibration: research agenda and practical recommendations (ITSC 2022)
European Transport Conference 2022, Milano
The European Transport Conference (ETC) is taking place this week, September 7-9 2022 in Milano, Italy.
The following Smart PT Lab contributions will be presented:
Change in train travelling behaviour during and after Covid-19 due to anxiety (Presentation and research report)
G.B. Hafsteinsdottir, R. van der Knaap, N. van Oort, M. de Bruyn, M. van Hagen.
Shared micromobility and public transport integration. A mode choice study using stated
preference data (Presentation and research report)
A. Montes Rojas, N. Geržinic, W. Veeneman, N. van Oort, S. Hoogendoorn,.
Understanding the whole station choice concept by cyclists (Presentation and research report)
A Barneveld, R Huisman, N. van Oort.
The full program can be found here:
Subjective Beliefs regarding Waiting Times in Public Transport Networks in the Netherlands, Greece, and Portugal
Waiting times in public transport networks (PTNs) are inherently uncertain for travellers and, similar to other service industries, such uncertainty is likely to be a major cause for anxiety and frustration (Maister, 1985). While real-time information regarding waiting times is an important development in mitigating such negative feelings, they do not completely remove uncertainty. Even when information is provided, travellers process it on the basis of their individual attitudes, habits, experiences, and contemporary contextual variables. Yet, previous studies on behavioural responses to travel time unreliability have either (unrealistically) assumed that travellers know the objective travel time distributions or have studied behaviour within the artificial context of travel simulators. Quantifying travellers’ attitudes and perceptions — subjective beliefs — regarding waiting times may be critical for assessment of travel satisfaction and subsequently choice behaviour.
In this research, a stated preference experiment is used to quantify travellers’ attitudes and perceptions — subjective beliefs — regarding waiting times in public transport networks in three European countries. Results and potential policy implications are presented at the European Transport Conference (ETC).
Find the ETC poster of Sanmay Shelat HERE
Fietsen naar de tramhalte: simultane modellering van voortransport- en haltekeuze
Wereldwijd wordt er gestuurd op een toename van duurzame vervoerkeuzes voor een betere leefbaarheid en bereikbaarheid. Vooral in de steden waar de samenleving groeit en de dichtheden groter worden is een verandering in kijk op de mobiliteit noodzakelijk om de burgers tevreden te stellen. De integratie van fiets en openbaar vervoer (OV) kan hier aan bijdragen. Wanneer de fiets wordt gebruikt als voortransportmiddel wordt het invloedsgebied van het OV vergroot ten opzichte van lopen waarmee het een beter alternatief wordt voor niet-duurzame vervoermiddelen. Om de combinatie fiets en OV te vergroten zullen effectieve klantgerichte maatregelen genomen moeten worden. Hiervoor is meer inzicht nodig is de factoren die een rol spelen bij de keuzes voor voortransportmiddel en halte. Hier is tot op heden nog weinig over bekend op het stedelijk niveau. Door de keuzes in één onderzoek te combineren wordt de afweging duidelijk tussen het voortransportmiddel en de OV-reis, en kunnen de effecten op het invloedsgebied van het OV bepaald worden. Dit is gedaan op basis van data van HTM-tramreizigers in Den Haag middels een simultaan discreet keuzemodel van voortransportmiddel en halte keuze. Resultaten geven aan dat reizigers in het algemeen liever lopen dan fietsen naar de tramhalte. Daartegenover staat dat de afstand naar de tramhalte lopend 2,1 keer zwaarder weegt dan als men fietst. Dat betekent dat bij een langere afstand fietsen aantrekkelijker wordt dan wandelen. Frequente fietsers zijn meer geneigd om ook naar de tramhalte te fietsen, terwijl frequente tramreizigers juist minder vaak fietsen naar de tram. De aanwezigheid van fietsparkeervoorzieningen vergroot het invloedsgebied van een tramhalte, maar de grootste impact op het invloedsgebied van fietsers is de OV-reistijd. Verbeteringen aan het OV-systeem, zoals minder haltes en/of hogere frequenties kunnen dan ook zorgen voor een groter geaccepteerde fietsafstand (fietskeuze) tot de halte. Op basis van deze resultaten lijkt het mogelijk de fiets-OV combinatie ook op stedelijk niveau te stimuleren. Hierdoor kan duurzame mobiliteit op stedelijk niveau betere concurrentie bieden aan de auto, wat lijdt tot een aantrekkelijkere en beter leefbare stad.
Bekijk hier de presentatie en paper van Danique Ton et al.: Presentatie en Paper
OV en (deel)fiets: vriend of vijand? Inzichten in gebruik en reizigersvoorkeuren
In beleid en onderzoek is steeds meer aandacht voor duurzame vervoermiddelen, zoals de fiets en het openbaar vervoer (OV). Integratie van fiets én openbaar vervoer kan de voordelen van beide systemen combineren: De fiets zorgt voor fijnmazige ontsluiting van herkomsten en bestemmingen, is duurzaam en bevordert een gezonde leefstijl. De kwaliteit van het OV neemt de laatste jaren toe, onder andere door de introductie van hoogwaardig OV (HOV): snelle, frequente en betrouwbare bus- tram- en metrolijnen met een hoog comfortniveau. De halteafstanden van deze systemen zijn, net als bij het spoor, relatief hoog, waardoor de fiets een belangrijke rol kan spelen in de gebiedsontsluiting. Echter, op kortere afstanden zijn de fiets en het OV, naast een nuttige combinatie, ook elkaars concurrenten.
Om inzicht te krijgen in de aanvullende dan wel concurrerende rol van de fiets en OV, is onderzoek nodig over hoe de reiziger zich nu en in de toekomst beweegt. Dit inzicht helpt om een optimaal integraal fiets+OV systeem te ontwerpen en gebruik van dit systeem te stimuleren en te faciliteren. Dit paper laat de resultaten zien van vier recente TU Delft onderzoeken op dit gebied.
Resultaten van een literatuuronderzoek naar de first- en last-mile laat zien welke factoren belangrijk zijn voor modaliteitskeuze, waaruit bijvoorbeeld blijkt dat mannen die bekend zijn met de omgeving vooral gebruik maken van de fiets. Onderzoek in Den Haag laat het bereik van de tramhalte zien voor de fiets. Fietsers zijn bereid tot 3 km te fietsen om bij een tramhalte in de stad te komen. Ongeveer 50% van de gebruikers fietst verder dan de dichtstbijzijnde halte als deze halte minder overstappen, betere parkeervoorziening en meer reisopties biedt. Voor het natransport is de deelfiets een relatief nieuwe optie. Onderzoek naar Mobike in Delft (dockless bikes) laat zien dat ca.19% van de deelfietsritten gebruikt wordt om van en naar het station te komen. Met name het gebruik van Mobike voor ritten naar station Delft Zuid, met beperkte andere mogelijkheden, valt op. Ook voor andere deelfietssystemen in Delft, zoals OV-fiets en Swapfiets is onderzoek gedaan naar het gebruik. Door de beschikbaarheid van deze systemen geeft 9-16% van de gebruikers aan meer gebruik van de trein te maken, tegenover 34-60% minder van de bus. Ook lopen wordt vervangen door deze nieuwe modaliteiten in 35-42% van de gevallen.
Bekijk de presentatie en paper hier: Presentatie en Paper
Forecasting bus ridership with trip planner usage data: a machine learning application
Currently, public transport gives much attention to environmental impact, costs and traveler satisfaction. Good short-term demand forecasting models can help improve these performance indicators. It can help prevent denied boarding and overcrowding in busses by detecting insufficient capacity beforehand. It could be used to operate more economically by decreasing the frequency or the size of the bus if there is overcapacity. Moreover, it could help operators plan their busses during incidental occasions like big public events where little information is known. Finally, it could be used to reliably inform the travelers on the current crowdedness.
This study investigates the usefulness of a new data source; the usage data of a trip planner. In the Netherlands there are multiple trip planners available for users to help find the most optimal (multimodal) journeys. These trip planners require a date, a time and an origin and destination, which they use to construct multiple alternative journeys from which the user can choose. For this study the data of 9292 was used, being the major trip planner in the Netherlands including all public transport modes.
We developed a model for forecasting the number of people boarding and a model for forecasting the number of people alighting at a certain stop. These forecasts are defined at the vehicle-stop level. By summing the number of people boarding and subtracting the number of people alighting along the trip the forecasted number of passengers after a stop is calculated.
We compare five different machine learning models: multiple linear regression, decision tree, random forests, neural networks and support vector regression with a radial basis kernel. We compare these models with two simple rules: 1 predict the same number as last week, and 2 predict the historic average as number. The models are implemented in the Scikit-Learn library of Python. The data is stored in a PostgresSQL database.
The trip planner datasets and smart card dataset are merged and preprocessed. The resulted dataset is rather sparse; a lot of stops have zero passengers boarding or alighting or requests suggesting to do so. Therefore we investigated if subsampling is needed. From the datasets useful data is selected and features are constructed. The features are standardized. Different number of features are tested, these features are selected based on recursive elimination using a simple random forests model. Finally, the hyperparameters of the models are tuned and the optimal configurations are stored. The scores are validated by using cross validation.
Find more details in the following contributions by Jop van Roosmalen: Transit Data workshop presentation and MSc thesis