Drukte in OV verstandiger aanpakken door gebruik big data

Met extra voertuigen of nieuwe infrastructuur kan aan de toenemende drukte in het OV het hoofd geboden worden. Daarvoor is het wel van groot belang om precies te weten waar de drukte zich vooral manifesteert en hoe een reis het beste verbeterd kan worden. Met realtime data kan dit, legt Mathijs Voorend van Thales uit.

Dit brengt Thales al in de praktijk met een platform dat ze hebben ontwikkeld voor de metro in Hongkong. Deze metro staat bekend vanwege de enorme drukte – dagelijks maken vijf miljoen reizigers gebruik van dit systeem. Door die drukte is het zelfs gebruikelijk dat reizigers een aantal metro’s aan zich voorbij moeten laten gaan voordat er ruimte voor ze is. Om de reizigerservaring te verbeteren wilde de vervoerder hier inzicht krijgen in de reizigersstromen.

Incheckdata

Het platform van Thales is speciaal ontwikkeld voor het Hong Kongse metrosysteem en werkt met behulp van big data uit in- en uitcheckgegevens. Omdat in Hongkong een inchecksysteem wordt gebruikt dat vergelijkbaar is met de OV-chipkaart, kan Thales precies zien op welk station reizigers hun rit starten en waar ze uiteindelijk eindigen.

Op basis van die data en informatie over de dienstregeling en de capaciteit per metro, bekijkt Thales in het platform verschillende indicatoren die belangrijk zijn voor reizigers, zoals het aantal gemiste treinen en de wachttijd op het perron. Voorend: “De vervoerder kan die data gebruiken bij het besluit om meer voertuigen in te zetten, de frequentie te verhogen of om te bepalen waar je een nieuwe lijn aanlegt.”

Onverwacht gedrag

De analyse van data liet wel degelijk onverwachte patronen zien. Zo werd bijvoorbeeld opgemerkt dat reizigers lang niet altijd de kortste route van A naar B namen. “We zagen dat reizigers soms een paar haltes naar de verkeerde kant reisden en daar overstapten. Daar begon de lijn namelijk en reizigers hadden dan in ieder geval een zitplaats.”

Tevens bleek het voor reizigers niet altijd voordelig om buiten de spits te reizen. Weliswaar moeten reizigers in de spits een paar metro’s aan zich voorbij laten gaan, omdat er geen ruimte meer was voor ze, maar Thales merkte door analyse van big data dat de wachttijd buiten de spits nog hoger was. Dit kwam omdat de frequentie in de daluren lager lag. Over de mogelijkheden van big data voor een optimale reizigerservaring spreekt Voorend op het BusVision Congres op 11 oktober in de Expo Houten.

Bemensing

Een goede analyse van de beschikbare data kan er ook voor zorgen dat de vervoerder zijn medewerkers optimaal kan inzetten. Op basis van het platform is namelijk ook te zien wat voor kaartje reizigers gebruiken om in te checken. Als op een bepaalde plek vooral toeristenkaartjes worden gebruikt, kan het voordelig zijn om hier meer servicemedewerkers in te zetten.

De vraag waar je de meeste mensen moet inzetten, betreft meer dan louter de drukte op een station. Bij onderwijsinstellingen stappen veel mensen in en uit, maar dit zijn vaak abonnementhouders – zoals studenten – die prima weten hoe ze moeten reizen. Daar heeft het dus weinig nut. “Juist de data achter de kaart geeft inzicht in de inzet van mensen”, aldus Voorend.

Optimaliseren netwerk

Hoewel dit systeem is ontwikkeld voor metro, ligt de focus van dit platform met name op de reizigerservaring en het optimaliseren van het hele netwerk en kan dus ook helpen bij andere modaliteiten, zoals buslijnen. “We willen vooral ook weten wat de behoefte van de vervoerder is”, vertelt Voorend.

Data geeft inzicht in de behoefte van de reiziger. Op basis daarvan kunnen netwerken geoptimaliseerd worden en reizigers beter bediend worden. Leer hier meer over op het BusVision Congres, 11 oktober in Expo Houten.