Mobiliteit op de kaart
Kartografie
We laten steeds meer digitale voet
afdrukken achter: zéér waardevolle
informatie voor verkeersmanagers
en beleidsmakers. Maar hoe
analyseren we al deze mobiliteits
data en hoe brengen we deze
steeds omvangrijkere informatie
in kaart?
12
Geo-Info I 2019-5
Door Sander van der Drift
Het is half 8 in de ochtend. De slagboom van
de parkeergarage gaat automatisch open na
het scannen van mijn kenteken. De navigatie
geeft aan dat er wegwerkzaamheden zijn
en dat mijn verwachte aankomsttijd kwart
voor negen is. Het slimme systeem houdt
daarbij rekening met het actuele verkeer.
Bij het eerste verkeerslicht wordt mijn voertuig
geteld door een meetlus en tijdens de eerste
kilometers wordt mijn bluetoothsignaal
op meerdere plekken opgepikt - waarmee
wegbeheerders actuele reistijden monitoren.
Ondertussen meet de CAN-bus-sensor van
mijn auto diverse trillingen en de frequentie
van de ruitenwissers, een indicatie van een
oneffen wegdekverharding en lichte regen.
Ik ben de stad nog niet eens uit.
Meten, meten en nog eens meten. Traditio
nele verkeerstellingen worden steeds vaker
ingeruild voor moderne methodes waarbij
gebruik wordt gemaakt van slimme camera's,
sensoren en data die afkomstig zijn van
navigatiesystemen of mobiele telefoons.
Systemen die continu actief zijn en een onaf
gebroken reeks data genereren.
Die systemen worden steeds slimmer.
Met behulp van kunstmatige intelligentie
zijn camera's in staat om voertuigen te tellen,
onderscheid te maken tussen voertuigtypes
en zelfs om afslagbewegingen vast te leggen.
Deze camera's hebben nu nog vaak een vaste
locatie, maar Rijkswaterstaat experimenteert al
met drones waarmee in één keer hele knoop
punten in beeld gebracht kunnen worden.
Floating car data
Maar ook jij en ik zijn sensoren. Met onze
mobiele telefoons en navigatiesystemen
genereren we onder andere floating car data
(FCD). Onze GPS-signalen worden voortdurend
geanalyseerd als we op de weg zijn, resulte
rend in realtime inzicht in de actuele snelheid
op vrijwel elk wegvak in Nederland. En dan zijn
we er nog lang niet. Denk bijvoorbeeld aan
OV-chipkaartdata, realtime posities van bussen
en trams, realtime bezettingsgraden van
parkeergarages, brugopeningen en wegwerk
zaamheden. Maar ook meer statische data
zoals mobiliteitsprognoses van het Centraal
Planbureau en verkeersnetwerken zoals het
Nationaal Wegenbestand en OpenStreetMap.
Deze data zijn niet alleen interessant voor
automobilisten die met een navigatiesysteem
hun actuele reistijd willen weten, maar ook
nuttig voor beleidsmakers om het verleden
te analyseren en voor verkeersmanagers
om de situatie in de komende minuten en
uren te voorspellen. Deze datarijkdom biedt
ongekende nieuwe mogelijkheden om het
mobiliteitssysteem te analyseren, te begrijpen
en bij te sturen. Maar de grote hoeveelheden
data betekenen ook nieuwe uitdagingen
op het gebied van verwerking, analyse en
visualisatie, want hoe haal je de juiste inzichten
uit die bergen met data? En hoe breng je dit
in kaart?
Geo-informatie binnen
het mobiliteitsdomein
Binnen het GIS-domein is mobiliteit een
specialisme op zich. Naast een ruimtelijk
component hebben de databronnen veelal
een temporele dimensie en zijn ze sterk net-
werkgericht. Denk bijvoorbeeld aan automo
bilisten, fietsers en OV-reizigers (ruimtelijk-tem
porele punten) die routes afleggen over een
wegennetwerk (lijnen). Er wordt voornamelijk
gebruik gemaakt van complexe vectordata,
welke vaak rijrichting-specifieke attributen
bevat. Voor analyses wordt gebruik gemaakt
van gangbare GIS-functionaliteiten zoals
'spatial joins', 'intersecties' en 'geo-coding'.
Daarnaast kent de mobiliteit haar eigen unieke
analysemethoden zoals 'routezoekalgoritmes',
'isochroonberekeningen', 'lineaire referentie',
'mapmatching' en 'zwaartekrachtmodellen'.
Deze complexiteit uit zich ook in de kartografie,
waarbij rijrichting-specifieke attributen, stromen
van herkomsten naar bestemmingen en de
temporele component de grootste uitdagin
gen vormen. Analyse van mobiliteitsdata voor
publieke doeleinden wordt uitgevoerd door
dataspecialisten, terwijl de eindgebruikers
bestuurders of stedenbouwkundigen zijn.
De uitdaging is om deze barrière te slechten.
In een aantal voorbeelden laat ik zien hoe
mobiliteitsdata gevisualiseerd kan worden in
een inzichtelijke en begrijpelijke vorm. Als tradi
tionele kaart en in interactieve webapplicaties.
Mobiliteitsnetwerken
In de OV-visie Rotterdam onderzoekt de
gemeente Rotterdam de koers voor het Rot
terdamse openbaar vervoersysteem voor de
aankomende 20 jaar. Hierin wordt ingespeeld
op de groeiende stad en de bijbehorende