Discussiepaper ter voorbereiding op sessie 5.1
Peter van der Mede Goudappel Coffeng BV
[email protected]
Bijdrage aan het Nationaal Verkeerskunde Congres, 2013, ‘s-Hertogenbosch
DISCUSSIEBIJDRAGE NATIONAAL VERKEERSKUNDECONGRES 2013
Veranderen Big Data het mobiliteitsdomein definitief of is het een hype? Door de introductie en snelle ontwikkeling van smartphones en tablets verandert onze wereld razendsnel. De enorme hoeveelheid gegevens (‘big data’) die vrijkomt door het massaal en intensief gebruik van deze communicatietechnologie, maakt inzichten in menselijk gedrag mogelijk die een decennium geleden nog sciencefiction leken. In een van de eerste boeken over dit onderwerp1 wordt al gesproken van een revolutie die ons leven, denken en werken zal transformeren. Deze discussiebijdrage stelt de vraag of dit ook voor het mobiliteitsdomein zo is en geeft voorbeelden om te onderbouwen dat dit zo is. Tijdens het NVC 2013 willen wij een sessie wijden aan Big Data in het domein van de mobiliteit. We beginnen met een korte ‘tutorial’ van state-of-the-art voorbeelden van ‘big data’ & verkeerskunde. We hebben deze geselecteerd, op basis van recente activiteiten van de Goudappel Groep op het gebied van data-integratie en big data. De voorbeelden typeren ons inziens waar ons vak nu staat wat betreft toepassing van big data. Indien er meer ‘big data’voorbeelden zich aanmelden voor het NVC, staan wij open voor opname van deze voorbeelden in deze sessie. Na de tutorial gaan wij – samen met het publiek- in debat over de titel van deze paper. En als de verandering wordt bevestigd, wat zijn dan de uitdagingen die wij op het NVC 2014 willen hebben opgelost? Big Data & Mobiliteit Juist op het gebied van mobiliteit komen steeds grotere grote hoeveelheden data tot onze beschikking. Het gaat daarbij onder meer over gegevens uit mobiele telefoons die via verschillende sensoren (GSM, Bluetooth, WIFI) reeksen met ‘identiteit-tijd-plaats-informatie’ kunnen genereren en opslaan. Ook met de OV-chipkaart en allerlei social media en apps worden dergelijke gegevens geproduceerd. Overigens zitten in moderne smartphones meer sensoren die informatie over beweging registreren, bijvoorbeeld versnelling en hoogteverschil. Met deze gegevens wordt het onder meer mogelijk om informatie over reissnelheden, reistijden en verkeersstromen te genereren, en met wat meer werk, informatie over herkomsten en bestemmingen, drukte op locaties en verblijfsduur van reizigers. Binnen afzienbare tijd zullen auto’s al hun bewegingen en de handelingen van de chauffeurs vastleggen. Dit zijn allemaal soorten informatie waarmee mobiliteitsexperts terugkerende en nieuwe vragen beter en gemakkelijker kunnen beantwoorden. Dat we hier aan het begin van een revolutionaire ontwikkeling staan is dus best denkbaar. Ook als bedacht wordt dat door middel van datafusie verschillende bronnen met elkaar gekoppeld kunnen worden, dus ook met allerlei socio-demografische, social-media-, retail- en financiële gegevens, ontstaat een scala aan mogelijke nieuwe diensten. Dat privacy en data-eigendom hierin momenteel cruciale vraagstukken zijn is evident. Het voornemen van Equens in het voorjaar van 2013 om pintransactiegegevens (overigens geanonimiseerd en geaggregeerd) te gaan vermarkten stuitte bijvoorbeeld op zoveel weerstand, dat het plan (vooralsnog) schielijk werd teruggetrokken. Druktebeelden De eerste producten op basis van GSM-traces zijn in 2013 onder de naam View.dat op de markt gebracht. Hiermee kunnen geïnteresseerde partijen inzicht krijgen in de drukte op verschillende dagen en uren op voor hun relevante plaatsen. De data geven ook inzicht in de 1
Viktor Mayer-Schönberger & Kenneth Kukier (2013) Big Data: A Revolution That Will Transform How We Live, Work and Think
herkomsten van bezoekers en de bezoekfrequenties van locaties. Zo komt voor de organisatoren van openbare events informatie beschikbaar waarmee het succes in termen van bezoekersaantallen onmiddellijk en relatief goedkoop meetbaar is. Voorbeeld. Voor elk uur van de decembermaand 2012 is voor het centrum van Maastricht in beeld gebracht hoe druk het er was (qua bezoekersaantallen) ten opzichte van de normaliter verwachte drukte (figuur 1). Door significante positieve en negatieve afwijkingen in dit patroon vast te stellen, kunnen de effecten van evenementen en gebeurtenissen in termen van bezoekersaantal snel begrepen en geïnterpreteerd worden.
Figuur 1: Afwijkingen in bezoekersaantallen in centrum Maastricht (december 2012) In het kader van druktebeelden is de ‘real-time’ applicatie ‘Waar is de koning?’ ook interessant. Het initiatief van KPMG dat op 30 april via een website en app een beeld gaf van de drukte in het centrum van Amsterdam kreeg 7,5 miljoen pageviews. Vanuit mobiliteitsoogpunt is het interessant dat ook voetgangersstromen in een zeer groot gebied live kunnen worden waargenomen door van mobiele telefoongegevens gebruik te maken (figuur 2).
. Figuur 2: Kaartbeeld (CleverFranke) van ‘Waar is de Koning” (30 april 2013)
Een verkeersmodel op basis van telefoondata En er kan meer met GSM data. We gebruikten, in samenwerking met het KDDlab (Pisa, Italië), mobiele telefoondata van Ivoorkust, om aan te tonen dat het mogelijk is om op basis van relatief beperkte mobiele telefoondata een verkeersmodel te maken. De paper die deze exercitie beschrijft2 werd geselecteerd uit 150 inzendingen en op de NetMob conferentie op het MIT gepresenteerd. De telefoongegevens in combinatie met mastlocaties geven een aardig eerste inzicht in vervoersstromen (figuur 3), maar nog geen inzicht in hoeveel verkeer zich over de verschillende delen van het netwerk beweegt. Voor dat inzicht is het noodzakelijk om de herkomst-bestemminsgmatrices met behulp van een verkeersmodel toe te delen aan het netwerk. Hiervoor maakten we gebruik van Omnitrans software. Het gaat hier om een proofof-concept en geen gevalideerd verkeersmodel; uit Openstreetmap is maar beperkt informatie beschikbaar over capaciteiten en andere kenmerken van het wegennet en sociodemografische en sociogeografische informatie over Ivoorkust ontbreken grotendeels.
Figuur 3: Mast tot mast waarnemingen van verplaatsingen van mobiele telefoons in Abidjan. Figuur 4 toont de toedelingen van het verkeer op basis van de telefoondata. Om de geldigheid van de getoonde beelden voor de werkelijke situatie in Abidjan te toetsen zijn aanvullende gegevens onontbeerlijk. Maar wat belangrijk is, is dat we met deze studie aantoonden dat het in principe mogelijk is om met mobiele telefoondata en openbaar beschikbare netwerkdata (OSM) een verkeersmodel van een gebied, stad of land te maken. Voor Ivoorkust of de grootste stad van het land Abidjan, bestaat zo’n model niet. Juist voor derdewereldlanden ontbreekt informatie over verplaatsingsgedrag van de bevolking en met mobiele telefoniedata kunnen hier belangrijke stappen gezet worden om verkeer te modelleren. De toepassingsmogelijkheden zijn evident. Abidjan plant op dit moment een twee brug en de vraag ligt er waar deze moet komen. Verkeersmodellen zijn een belangrijk onderdeel van de informatie die noodzakelijk is om gefundeerd besluiten over de aanleg van nieuwe infrastructuur te kunnen nemen en om alternatieven te kunnen afwegen.
2
M. Nanni, R.Trasarti, B. Furletti, L. Gabrielli, P. Van Der Mede, J. De Bruijn, E. De Romph, G. Bruil (2013) MP4-A Project: Mobility Planning For Africa. Paper presented at NetMob 2013 Conference, D4D Challenge, MIT Cambridge.
Figuur 4: Omnitrans toedeling van (systematische) verkeersstromen in Abidjan Big data om voetuigverliesuren te berekenen Ook om vast te stellen wat de 'performance' van het wegennet is, worden big data gebruikt. Voor autosnelwegen zijn hiervoor via NDW gegevens beschikbaar, maar voor provinciale en onderliggende wegen ontbrak informatie. De GPS-snelheidmetingen die momenteel door Tomtom en HERE (Nokia/Navteq) aangeboden worden bieden nu uitkomst. Door van snelheden reistijden te maken en deze te koppelen aan intensiteitgegevens kan worden vastgesteld waar knelpunten zitten en hoe ernstig die zijn. Daarmee maakten we de uitgangssituatie voor de nieuwe mobiliteitsvisie en -programma meetbaar. De aanpak maakt het mogelijk om jaarlijks de 'performance' van het provinciale wegennet objectief te monitoren, snel, goedkoop en compleet (figuur 5).
Figuur 5: Voertuigverliesuren op provinciale wegen in Utrecht in kaart gebracht
OV optimalisatie met GOVI Met Grenzeloze Openbaar Vervoer Informatie (GOVI) worden reizigers bij haltes geïnformeerd over naderende (of vertraagde) bussen of trams. En er kan meer met de GOVIdata. Voor Bestuur Regio Utrecht speurden we in de GOVI-database. De 'big data' over de dienstuitvoering van het openbaar vervoer blijkt prima de weg te wijzen naar knelpunten in doorstroming en betrouwbaarheid (figuur 6). Het leidde tot een verbeterpotentieel van enkele tonnen besparing op jaarbasis. We gebruikten de inzichten ook om de modelinput voor het nieuwe verkeersprognosemodel te verbeteren.
Figuur 6: Voorbeeld analyse GOVI data lijn Utrecht De kern van deze discussiebijdrage is de vraag of big data het mobiliteitsdomein definitief veranderen. Ons antwoord op deze vraag is een duidelijk ‘ja’. De in deze bijdrage geschetste toepassingsmogelijkheden zijn het begin. Met de uitrol van 4G/LTE netwerken en op steeds grotere schaal beschikbaar komen van WIFI zal mobiel dataverkeer alleen maar toenemen, om over de gevolgen van machine-naar-machine-communicatie (M2M), ‘the internet of things’ nog maar te zwijgen. Er treedt een verschuiving op van steekproefonderzoek met inherente onbetrouwbaarheid naar zeer uitgebreide werkelijkheidsmetingen, waardoor 24/7 real-time informatie beschikbaar is over verplaatsingsgedrag. Doordat voor elk mobiliteitsvraagstuk data beschikbaar zullen komen zal er een geheel nieuw domein ontstaan, waarin naast verkeersdeskundigen andere disciplines, zoals informatici, dataminingspecialisten en visuele informatiespecialisten nieuwe rollen gaan spelen. Want de beschikbaarheid van informatie is geen probleem meer, maar dat de verwerking, het betekenis geven en het visualiseren daarvan zijn de uitdagingen voor de nabij toekomst. De transparantie en dwingendheid van de nieuwe informatie zal besluitvorming bij overheden veranderen omdat de informatie door zijn omvang en dekking zeer overtuigend is. Dit past overigens prachtig in een meer actieve, zelfregulerende samenleving waarin burgers en overheid op basis van de brede beschikbaarheid van hoogwaardige informatie hun gedrag aanpassen. Geen hype dus.
