Routes

Routes geven inzicht in hoe het verkeer zich beweegt door de regio. Normaal gesproken zijn bij verkeerskundigen vooral Herkomst-Bestemmings gegevens bekend. Bijvoorbeeld in de vorm van een HB-matrix.

Vaak zijn deze gevuld op basis van data die wordt gebruikt voor verkeersmodellen. Een voordeel is dat voor een bepaald deel van de infrastructuur goed te zien is waar het verkeer dat er gebruik van maakt vandaan komt en waar het heen gaat. Dat kan door een zogenaamde ‘selected link’ van een bepaald stuk weg te maken: op een kaar wordt inzichtelijk gemaakt waar het verkeer dat van dat stuk weg gebruikt maakt naar toe rijdt en waar verkeer vandaan komt.

Nadeel is dat de data ervoor vaak is opgebouwd door een meting in één bepaalde week (bijvoorbeeld met kentekenonderzoek of grootschalig onderzoek met vragenlijsten die aan automobilisten zijn toegestuurd). De meetgegevens worden vervolgens veralgemeniseerd zodat er gemiddelde herkomst- en bestemmingsgebieden worden bepaald die voor een heel jaar gelden. Het is de vraag of die veralgemenisering wel klopt. Uit voorbeelden waar het data-analyseteam naar heeft gekeken blijkt dat het aandeel incidenteel verkeer vaak groter is dan altijd werd gedacht.

Routes op basis van kentekencamera’s
Het data-Analyseteam heeft de beschikking over data van kentekencamera’s van het verkeersmonitoringssysteem van de Gemeente Rotterdam, MoRo. In de periode dat het spitsmijdprogramma Wild van de Spits! actief was had het team ook beschikking over kentekencameradata van de 46 locaties waar camera’s stonden voor dat project.

Nooit heeft het team beschikking gehad over de kentekens zelf, alleen zogenaamde ‘gehashde’ data werd gebruikt, zodat de privacy van autobezitters gewaarborgd is. Doordat de geanonimiseerde ‘hash’ wel hetzelfde blijft, kan een voertuig over verschillende camerapunten en verschillende dagen worden gevolgd.

Op basis van deze informatie wordt bepaald waar een voertuig voor het eerst het netwerk van camera’s passeert, via welke camera’s hij rijdt en waar hij het netwerk weer verlaat. Hierdoor zijn de belangrijkste verkeersstromen goed in kaart te brengen en is het bovendien mogelijk om die stromen voor een specifiek moment (bijvoorbeeld hét kiemmoment van een file) in kaart te brengen.

Dit wetende kunnen de herkomst- en bestemmingsgebieden zo doelgericht mogelijk in kaart worden gebracht, waardoor bijvoorbeeld projecten die zich richten op bewoners of werkgevers in die gebieden aan de slag kunnen waar de belangrijkste bijdrage aan het ontstaan van de file wordt geleverd.

In het voorbeeld hierboven is voor het knelpunt A20 noordelijke ruit (richting westen) te zien dat van de 17000 voertuigen die in een ochtendspits passeren (situatie vóór opening A4-Midden Delfland) het netwerk binnenkomt uit de richting Drechtsteden/Brabant en weer verlaat op de A13 richting Delft/Den Haag/verder. Ook is te zien dat er gebieden zijn waar mensen logischerwijs vandaag moeten komen en gebieden die ze als bestemming zouden moeten hebben op basis van de eerste en laatste camera waarop ze zijn gezien. Hierboven worden slechts enkele van de routes met de grootste aandelen verkeer getoond. (Als alle routes getoond zouden worden zou het een kleurrijk en weinig overzichtelijk geheeld worden)

    Een voorbeeld waar deze techniek voor is gebruik is het project Maastunnel. In het kader van de afsluiting van de Maastunnel heeft De Verkeersonderneming de opdracht van de Gemeente Rotterdam gekregen om mobiliteitsmanagement rondom de sluiting van de tunnel in de richting van noord naar zuid te verzorgen. Hiervoor zijn de routes in beeld gebracht. Door de (geanonimiseerde) kentekencameradata van een heel jaar te gebruiken konden de belangrijkste routes getoond worden van het verkeer dat in de middagspits door de tunnel van noord naar zuid reed. Ook kon in kaart gebracht worden dat maar liefst 60% van het verkeer in de middagspits incidenteel verkeer was (dat in een heel jaar maar één tot maximaal 42 keer door de tunnel reed in de middagspits).

Floating Car Data
Met Floating Car data zijn vergelijkbare illustraties te maken als hierboven getoond. De routes kunnen zelfs preciezer gemaakt worden, omdat je niet afhankelijk bent van de camera-locaties, maar een voertuig te volgen is op basis van coördinaten. Daarvoor is het natuurlijk wel nodig dat de floating car data zo ruw mogelijk is: de data moet de GPS-locatie bevatten voor zoveel mogelijk momenten in de tijd (bijvoorbeeld per seconde of per tien seconden. De meeste beschikbare sets zijn zogenaamde ‘verrijkte floating car data’ die alleen inzicht geeft in reistijden op een stuk weg of andere (vaak relevante) zaken, maar die niet te gebruiken is om routes te bepalen.

Partners