Big Data en mobiliteitsbeleid •
Gestart in oktober
Van data naar betekenis Van betekenis naar deals de eerste schreden ….
pagina 2
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
•
pagina 3
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Gestart in oktober
HERE: vertraging in ochtend- en avondspits
data vertaald naar spits/dalverhoudingen pagina 4
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
NRM: alle aankomsten ‘s morgens in A’dam
Hoe combineren we die data? pagina 5
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Referentielijn levert benchmark Nederland Door snelheid en verplaatsingen te Sneller dan gemiddeld scoort GROEN
combineren wordt een benchmark voor heel Nederland
Langzamer dan gemiddeld scoort ROOD
verkregen. Elke verplaatsing die sneller is scoort groen, anders rood.
pagina 6
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Alle gemeenten langs dezelfde lat
pagina 7
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Uitsplitsing naar windrichting en afstandsklasse
pagina 8
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Uitsplitsing naar windrichting en afstandsklasse, aangevuld met informatie over aantallen
pagina 9
// 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Zakelijk autoverkeer Amsterdam
pagina 10 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Vrachtverkeer Den Haag Voorbeeld van analyse: Den Haag scoort rood op de selectie ‘aankomsten vrachtverkeer ochtendspits’. Oorzaak van die score zijn de 714 ‘donkerrode’ ritten uit Westland.
pagina 11 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Als automobilisten de fiets gebruiken voor ritten waar deze daadwerkelijk sneller is.
Score rechts voor autobereikbaarheid is bepaald op snelste route voor auto of fiets pagina 12 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Onderscheid in beoordeling van snelheid obv afstand hemelsbreed (links) of via het netwerk
pagina 13 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Selectie vertraagde ritten naar de Zuid-as
pagina 14 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Waar ondervinden deze de vertraging? Toedeling van de vertraagde verplaatsingen laat zien waar op het netwerk deze ritten hun vertraging ondervinden. Veroorzakers van overbelasting zijn vooral andere ritten.
pagina 15 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Veruit de meeste ritten op het filewegvak eindigen in A’dam, dit biedt kansen voor P+R
pagina 16 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Kansen voor P+R (of P+Bike) (fictief voorbeeld !)
In potentie veel overstappers pagina 17 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Maar ook de fiets kan bijdragen aan een betere autobereikbaarheid van de Zuid-as Door het fietsen (nog) aantrekkelijker te maken zullen korte lokale autoritten worden vervangen door de fiets. Ook hierdoor ontstaat lucht voor andere automobilisten die relaxter op tijd zullen komen op o.a. de Zuid-as. Zo zijn maatregelen te koppelen aan belangen van stakeholders. pagina 18 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Analyses via handzame internettool (CROW)
Zie bijlage voor meer toelichting
pagina 19 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Big Data en mobiliteitsbeleid •
Gestart in oktober
Van data naar betekenis Van betekenis naar deals dan monitoren, bijstellen en verrekenen de eerste schreden zijn gezet ….
pagina 20 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid
Henk Tromp, MOVE Mobility, 06-22699964 met dank aan Dirk Bussche, dat.mobility en ontwikkelwerk bereikbaarheidsindicator Casper Stelling (MuConsult), Sascha Hoogendoorn (KiM)
Kenmerken van de Mobiliteitsscan (1) • Hulpmiddel op internet (data staat centraal, password). • Data uit bestaande (al of niet eigen) modellen/andere bronnen: verplaatsingen (HB), reistijden, snelheden. • In de scan is nu een aantal LMS en NRM scenario’s ingelezen. • Snel scannen van effecten ‘what if?’, nu dus ook met de bereikbaarheidsindicator (BBI). • Gebruiker wordt aan de hand genomen (veel toelichting). • De scan berekent en verwerkt effecten van maatregelen (delta). • Veel analysetools: selected link, spider etc. • Rekentijden zijn max. 10 minuten. • CROW is eigenaar van de scan en regelt gebruiksrecht.
Kenmerken van de Mobiliteitsscan (2)
pagina 23 // 4-2-2014 //
Big Data congres, toepassing mobiliteitsbeleid