Big Data en mobiliteitsbeleid

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 //


Gestart in oktober

HERE: vertraging in ochtend- en avondspits

data vertaald naar spits/dalverhoudingen pagina 4

// 4-2-2014 //


NRM: alle aankomsten ‘s morgens in A’dam

Hoe combineren we die data? pagina 5

// 4-2-2014 //


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 //


Alle gemeenten langs dezelfde lat

pagina 7

// 4-2-2014 //


Uitsplitsing naar windrichting en afstandsklasse

pagina 8

// 4-2-2014 //


Uitsplitsing naar windrichting en afstandsklasse, aangevuld met informatie over aantallen

pagina 9

// 4-2-2014 //


Zakelijk autoverkeer Amsterdam

pagina 10 // 4-2-2014 //


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 //


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 //


Onderscheid in beoordeling van snelheid obv afstand hemelsbreed (links) of via het netwerk

pagina 13 // 4-2-2014 //


Selectie vertraagde ritten naar de Zuid-as

pagina 14 // 4-2-2014 //


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 //


Veruit de meeste ritten op het filewegvak eindigen in A’dam, dit biedt kansen voor P+R

pagina 16 // 4-2-2014 //


Kansen voor P+R (of P+Bike) (fictief voorbeeld !)

In potentie veel overstappers pagina 17 // 4-2-2014 //


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 //


Analyses via handzame internettool (CROW)

Zie bijlage voor meer toelichting

pagina 19 // 4-2-2014 //


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 //


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 en mobiliteitsbeleid

Recommend Documents