Informatiemanagement

Data in de OV-sector: ‘De data liggen voor het oprapen’

Bussen van Syntus Twente in Enschede
Dankzij datatool OVIT kunnen vervoerders schatten aan relevante data verzamelen. Foto: Inge Jacobs

Binnen de OV-sector is een schat aan data beschikbaar: alle live locaties van trams, metro’s, treinen en bussen en ook alle OV-chipkaart data. Wat zijn de reispatronen in het netwerk? Hoeveel inwoners worden ontsloten met het OV? Op welke plek is de bus vertraagd? Door de beschikbare data te analyseren, kan adviseur mobiliteit Joris Hoogenboom van BonoTraffics dit soort vragen beantwoorden. Volgens Hoogenboom liggen daar veel kansen voor de OV-sector. “Veel OV-bedrijven en provincies hebben een blinde vlek voor de niet-OV-reizigers.”

Joris Hoogenboom ontwikkelde samen met Irias informatiemanagement de datatool Ovit. Precies om al de beschikbare OV-data op een efficiënte manier inzichtelijk te maken. “We zagen in 2013 een landschap van het OV waar veel data verzameld werd, maar wat eigenlijk helemaal niet goed ontsloten werd”, zegt Hoogenboom enthousiast. Hoogenboom zag kansen: “Wij zagen echt voordelen en kansen om de data te koppelen en juist te gebruiken zodat we daar waardevolle informatie uit kunnen halen om het openbaar vervoer te verbeteren.”

Een voorbeeld van data dat wordt ingeladen in de Ovit tool is de locatie van bussen, trams en metro. “De bus zendt bijvoorbeeld om de zoveel tijd een berichtje uit: ik ben op deze plek en ik ben zoveel van mijn vorige halte verwijderd. Ook stuurt de bus data over de punctualiteit de ether in.” Ovit verzamelt al deze data in een grote historische database. Vervolgens wordt de data aan specifieke gebieden gekoppeld en voert Hoogenboom daar allemaal berekeningen op uit. “We kunnen dan zien op welke plekken de bus met welke punctualiteit rijdt. Als een provincie een bushalte verplaatst, kunnen wij de data van de nieuwe situatie met de data van de oude situatie vergelijken. Dan kunnen we heel precies in kaart brengen wat voor invloed dat heeft op de rijtijden van de bus.”

Ovit combineert meerdere databronnen. “We voegen aan de positiedata zelf ook andere data toe. We hebben bijvoorbeeld een koppeling met maximumsnelheden op bepaalde verkeersvlakken. Daarnaast voegen we ook OV-chipkaart data toe. Dat is geen open bron, maar die kunnen we krijgen van vervoerders of de provincie. Uiteraard wordt dan rekening gehouden met privacy. Wij gebruiken alleen geaggregeerde data die niet ter herleiden is tot individuen.”

Voorspellen

Al deze data komt samen in Ovit en kan heel veel dingen inzichtelijk maken. “We hebben een hele krachtige visualisatie gebouwd. Daarmee voeren wij analyses uit voor gemeentes, provincies of vervoerders. Soms leveren we ook kant- en klare pakketten aan zodat de provincie of gemeente daar zelf mee aan de slag kan.”

De data is handig voor heel veel verschillende toepassingen. “Een vervoerder vraagt ons om bijvoorbeeld dienstregelingconcepten door te rekenen en wat daarvan de impact is voor bestaande reizigers. Een provincie kan vragen om een knelpuntenanalyse, een concessiemonitoring, of het evalueren van infrastructurele maatregelen.”  De tool koppelt de OV-data ook aan CBS-data. Op die manier kan de tool ook berekenen over hoeveel inwoners je met het OV bereikt.

“Dan berekent de tool: stel dat de bus een andere dienstregeling zou rijden. Welke inwoners worden daar beter van? Wie moeten dan een overstap maken? Ook voor vervoerders geeft dit veel inzicht. Is het nuttig om een halte over te slaan? Wat levert een nieuwe potentiële buslijn bijvoorbeeld op?”

Blinde vlek

“In de OV-wereld ligt de focus vooral op de huidige OV-reiziger. Vervoerders en provincies weten bijvoorbeeld precies de lijnen aan te wijzen die het goed en minder goed doen. Als je puur en alleen maar naar huidig gebruik kijkt, zie je alleen maar wat de huidige reizigers doen met de dienstregeling die je op dit moment rijdt. Met onze tool kunnen we ook de potentiële reiziger goed in beeld brengen. Daar zit nog een blinde vlek bij veel provincies en vervoerders. De focus ligt heel erg op de bestaande reiziger bedienen en minder op een nieuwe groep reizigers aanboren en onderzoeken waar de kansen liggen.” Dit is allemaal aan de reizigerskant. Ook aan de infrastructuurkant doet Ovit voorspellingen.

Een efficiëntere infrastructuur is voor iedereen goed, merkt Hoogenboom op. “Een snelle en betrouwbare bus van A naar B, kost minder geld en biedt een beter product. Dit is dus win-win situatie voor de vervoerder en de reizigers.”

“Met onze tool kunnen we heel inzichtelijk krijgen waar in het netwerk vertraging opgelopen wordt. Dat kan te maken hebben met een instelling in een verkeerslicht, of een onhandige indeling van een kruispunt.” Problemen die vaak met kleine ingrepen verbeterd kunnen worden. “Heel veel gemeentes weten niet van het bestaan van een probleem af en houden daar dan ook geen rekening mee. Het gaat dus ook vaak om kennis delen met wegbeheerders, zodat zij er iets mee kunnen doen.”

BRT-lijn

In Groningen wordt Ovit al volop gebruikt. De HOV-lijnen naar Roden en Leek worden door middel van de tool geoptimaliseerd. “Het doel is om in een bepaalde tijd van knooppunt naar knooppunt te kunnen rijden en daarvoor moet op een bepaald segment twee minuten reistijd worden verminderd.” Dit kan door bijvoorbeeld een route af te snijden, een knelpunt op te lossen of bijvoorbeeld een bushalte overslaan te slaan. “In het geval van Groningen wordt zelfs een heel busstation verplaatst.”

ok in de BRT-bus ziet Hoogenboom kansen. De snelbus is steeds meer in opkomst en steeds meer partijen raken geïnteresseerd door de succesvolle BRT-lijnen in Groningen. Hoogenboom ziet dit ook terug in de data: “De hoog-frequente buslijn heeft tot een enorme groei geleid in bepaalde gebieden waar het succesvol is geïmplementeerd. Dat blijkt uit de reizigersgroei en wordt veroorzaakt door een snelle en betrouwbare verbinding.” Dat de bus over de vluchtstrook mag rijden in Groningen heeft enorm bijgedragen aan het succes.

“Met relatief weinig investeringen hebben ze in Groningen een robuust netwerk neergezet. Als de bus niet over de vluchtstrook had gemogen, dan had het hele BRT-concept niet gewerkt.” Het is daarom goed om ook bij de aanleg of reconstructie van auto(snel)wegen ook naar de mogelijke rol van de bus te kijken. Dat kan soms leiden tot andere ontwerpkeuzen. Je kunt dan denken aan een andere vormgeving van een aansluiting of goede locaties voor een halte met bijbehorende voorzieningen, waarbij ook nagedacht is over hoe de reizigers hier snel en veilig kan komen. Als daardoor over een dergelijke weg een hoogfrequente en betrouwbare busverbinding kan rijden, dan zijn mensen bereid om hier tien minuten voor te fietsen. Dat bewijs is geleverd in Groningen, die bussen zitten ramvol.”

Toekomst

Ovit is nu al heel waardevol gebleken, maar toekomstige ontwikkelingen brengen nog meer mogelijkheden, zegt Hoogenboom. “Er is steeds meer behoefte aan nauwkeurige positiedata. Nu kan je op een paar honderd meter nauwkeurig zien dat er ergens vertraging is. Vervolgens analyseren wij waardoor dat komt. Als de bus vaker een de locatie uitzendt, eens per tien seconden bijvoorbeeld, dan kunnen wij nog preciezer bepalen waar de vertraging ontstaat. Door knelpunten beter en sneller in kaart te brengen, besparen wij analysetijd en geld en kunnen wij het OV nog beter maken. Je merkt dat die transitie nu gaande is. Door nu slim te investeren kan en zal het OV in de toekomst floreren”.

Onderwerpen: , ,

Auteur: Sander Van Vliet

2 reacties op “Data in de OV-sector: ‘De data liggen voor het oprapen’”

Rob Wilders|04.08.22|17:02

Toen ik nog als vervoerkundige werkte, had ik geen data nodig om knelpunten in de doorstroming op te lossen. Zorgen dat je een goed contact hebt met de dagelijkse uitvoering en zelf geregeld de straat opgaan. Daarmee heb ik al vele knelpunten opgelost.

Stefan de Konink|27.07.22|12:06

Wil je zelf aan de slag met al die data? Meld je aan bij https://ndovloket.nl/