Nieuwe verbindingen in verkeersmodellen

Prof. dr. ir. Erik de Romph Nieuwe verbindingen in verkeersmodellen Inaugurele rede 8 november 2013

1

Nieuwe verbindingen in verkeersmodellen Inaugurele rede uitgesproken bij de aanvaarding van de functie van hoogleraar Regionale Transportmodellen voor Strategische toepassingen aan de faculteit Civiele Techniek en Geowetenschappen van de Technische Universiteit Delft door Prof. dr. ir. Erik de Romph

ŠProf. dr. ir. E. de Romph, Delft, 2013

Niets uit deze uitgave mag worden verveelvoudigd en/of openbaar gemaakt door middel van druk, fotokopie, microfilm of op welke andere wijze ook, zonder voorafgaande schriftelijke toestemming van de copyrighthouder.

2

Mijnheer de Rector Magnificus, Leden van college van Bestuur, Collegae Hoogleraren en andere leden van de universitaire gemeenschap, Collega’s van de afdeling Verkeer en Planning Zeer gewaardeerde toehoorders, Dames en heren, Leuk dat u hier aanwezig bent. Een deel van het publiek zit hier vol verwachting om te leren wat verkeersmodellen nu eigenlijk zijn en waar die voor dienen. Een ander deel van het publiek weet dat al grotendeels maar is benieuwd wat de toekomst van dit domein gaat brengen. Aan mij de opgave om u allemaal te boeien. Daar komt nog bij dat de jongste in deze zaal acht jaar is. terwijl de oudste 80 jaar 1 is.

Verkeer Deze rede gaat over verkeersmodellen. Het leuke van verkeer is dat iedereen er over mee kan praten en er een mening over heeft. Op verjaardagen zijn er altijd wel verhalen over ellenlange files of extreme vertragingen met het openbaar vervoer. Vooral over de trein worden veel grappen gemaakt.

In een periode van honderd jaar is het landschap in Nederland ingrijpend veranderd. Er is ongelooflijk veel gebouwd en de mobiliteit van mensen is enorm toegenomen. In 1900 woonden er ongeveer 5 miljoen mensen in Nederland.

Bevolkingsdichtheid in Nederland in 1900 en 1998, (bron CBS)

1

Achteraf bleek de oudste toehoorder 81 jaar te zijn.

3

Op dit moment telt Nederland ruim 16 miljoen inwoners. De bebouwde oppervlakte in Nederland is ook flink gegroeid.

Toen de mensen zich nog verplaatsten met paard en wagen was de mobiliteit nog vrij beperkt. Door de komst van de trein, de auto en het vliegtuig is de mobiliteit enorm toegenomen. Dankzij de auto kunnen we verder van ons werk wonen en met het vliegtuig kunnen we naar elke gewenste vakantiebestemming.

De toegenomen mobiliteit heeft ons veel welvaart en vrijheid gebracht. Goede infrastructuur is een belangrijke voorwaarde voor economische groei. Er zijn uiteraard ook nadelen.

File Oudenrijn (Bron: ANP foto Co Zeylemaker) Files zijn niet van de laatste tijd. In de steden van 100 jaar geleden was het fenomeen file al bekend.

Ook in 1900 had je soms opstoppingen van karren en koetsen. De eerste geregistreerde file was in de Achterhoek, in augustus 1925. Er was een zware storm geweest met veel schade. De volgende dag wilde iedereen met eigen ogen zien hoe erg het allemaal was.

Het record tot nu toe dateert van 15 januari 2013, met 1000 kilometer file als gevolg van zware sneeuwval. Op een gemiddelde werkdag staat er tegenwoordig ongeveer 200 kilometer file.

4

Met z’n allen reizen we 183 miljard kilometer per jaar (2012), waarvan het grootste deel met de auto.

183 miljard reizigerskilometers (bron PBL) Er rijden momenteel 7,8 miljoen auto’s rond in Nederland, die verantwoordelijk zijn voor 23% van de CO2-uitstoot.

Jarenlang hebben we al deze getallen zien groeien… al die auto’s, en die kilometers.

Om die groei in goede banen te leiden doen we in Nederland al heel lang aan planning. We proberen zo goed mogelijk te anticiperen op veranderende omstandigheden. Op verkeersgebied betekent dit dat de overheid voortdurend moet nadenken over hoe dit gefaciliteerd moet worden. In 1933 werd de A13 aangelegd, de eerste snelweg in Nederland. Vandaag ligt er ruim 5000 kilometer aan snelweg Dat is ongeveer 87 vierkante kilometer aan asfalt.

In de jaren vijftig en zestig is er heel veel infrastructuur aangelegd. Daarmee werd het plannen en het nemen van de juiste beslissingen steeds lastiger. Door de opkomst van computers ontstond het idee om eerst voorspellingen te gaan maken van de verkeerssituatie in de toekomst, een prognose.

Hiervoor werden de zogenaamde verkeersmodellen ontwikkeld.

5

Verkeersmodellen Een model is een vereenvoudigde weergave van de werkelijkheid, of een deel van de werkelijkheid.

Een verkeersmodel is dus een vereenvoudigde weergave van de huidige en/of toekomstige verkeerssituatie.

Je zou een verkeersmodel kunnen zien als een grote computersimulatie van toekomstige verkeersstromen. Daar komt meer bij kijken dan alleen het simuleren van autostromen. Ook andere modaliteiten, zoals openbaar vervoer en fietsers, spelen een rol. Vooral de interactie tussen deze vervoerswijzen is van groot belang. Daarnaast moeten er schattingen gemaakt worden over toekomstig verplaatsingsgedrag: waar mensen gaan wonen en werken. Op hun beurt zijn deze keuzes van invloed op de hoeveelheid verkeer. Dat maakt het ontwikkelen van verkeersmodellen ook zo leuk: bij elke wijziging zie je direct wat er gebeurt.

Schematisch gezien kun je een model als volgt weergeven.

Er gaat invoer in en er komt uitvoer uit. Wat voor soort uitvoer je uit een model wilt hebben wordt in principe bepaald door de beleidsmaker. De beleidsmaker wil meestal dat het model informatie oplevert over het aantal voertuigen op een wegvak en over knelpunten, het aantal reizigers in het openbaar vervoer en de bereikbaarheid van locaties. Al die gegevens worden gepresenteerd in grafieken, tabellen en afbeeldingen.

De invoer voor een model bestaat uit gegevens over de infrastructuur en sociaaleconomische gegevens, die meestal worden geleverd door instanties als het CBS. Het betreft dan gegevens over bevolkingsgroei, groei arbeidsplaatsen, enzovoort.

Het model zet de invoer om in uitvoer met behulp van mathematische modellen. De parameters voor deze mathematische modellen worden geschat met behulp van enquĂŞtes of gericht onderzoek.

Verkeersmodellen worden veelvuldig gebruikt, niet alleen in Nederland maar in de meeste ontwikkelde landen. Vrijwel alle grote ontwikkelingen in de infrastructuur worden eerst doorgerekend met behulp van verkeersmodellen.

Een voorbeeld is de verbreding van de A4 of de aanleg van de Noord-Zuidlijn in Amsterdam. Het gaat daarbij om grote investeringen en het is dan ook van belang om vooraf inzicht te krijgen of een dergelijke investering echt nodig is, en of er gebouwd wordt op de juiste plaats en met de juiste capaciteit.

6

Voor dat doel worden zogeheten kosten-batenanalyses gemaakt. Helaas gaat het ook wel eens mis, aan zowel de kosten- als de batenkant. Zo bedragen de kosten van de Noord-Zuidlijn inmiddels 3 miljard, veel meer dan destijds was begroot. Of het voorspelde aantal reizigers wordt gehaald moeten we nog afwachten. Voor de Kanaaltunnel weten we inmiddels dat de voorspellingen achteraf veel te optimistisch bleken.

Gelukkig zijn er ook succesverhalen. Een recent voorbeeld zijn de Olympische spelen in Londen.

Transport for London is de organisatie die verantwoordelijk is voor al het transport in London. Ze zijn natuurlijk het meest bekend van de Underground en de dubbeldekkers. Maar ze zijn niet alleen verantwoordelijk voor het openbaar vervoer, ze beheren ook 580 km weg en 6000 verkeerslichten, en ze regelen ook de taxi’s.

Beprijzen op basis van tijd en locatie, de zogenaamde “congestion charge”, is daar al lang geleden ingevoerd en ook bestaat er al jaren een lokale variant van de OV-chipkaart. Kortom, een organisatie waar iedere verkeerskundige graag zou willen werken. Ze hebben zelfs een transportmuseum!

Toen Londen de Olympische spelen kreeg toegewezen, werd Transport for London verantwoordelijk gesteld voor een ordelijk verloop. De eis was dat geen enkele atleet of official te laat zou komen op een Olympisch nummer en dat verder alles in de stad “as usual” zou verlopen.

De paniek bij deze organisatie was enorm. Ze hadden geen idee wat er op hen afkwam of wat ze konden verwachten. Cijfermateriaal was wel voorhanden. Het ging om ruim 10.000 atleten en er waren 9,6 miljoen kaartjes verkocht. Allerlei maatregelen werden bedacht maar ook daarvan was het moeilijk te bepalen of ze afdoende zouden zijn. Om hier inzicht in te krijgen besloot men de volledige

7

Olympische spelen, in totaal 53 dagen, in een model te gieten. Op basis van dit model werden diverse scenario’s doorgerekend, en zo kreeg men uiteindelijk greep op de gebeurtenissen.

De Olympische Spelen in London waren een groot succes. Geen enkele atleet miste zijn nummer en er was nauwelijks sprake van ernstige verstoringen. Voor zover ik weet is dit ook de enige keer geweest dat verkeersmodellen het TV-nieuws haalden. De modellen werden toegelicht door exatleet en IOC-lid Sebastian Coe, die zelf bijna te laat was verschenen voor het nummer 800 meter hardlopen op de Olympische Spelen van Atlanta. Dit kwam doordat de bus die hem naar het stadion zou brengen in een file terechtkwam. De chauffeur besloot om te rijden maar raakte vervolgens de weg kwijt.

8

Informatiebehoefte Strategische verkeersmodellen worden vrijwel uitsluitend ingezet ten behoeve van de overheid - niet alleen de landelijke overheid, maar ook provincies en de grote steden, zelfs kleinere steden of dorpen.

Beslissingen over infrastructuur, openbaar vervoer en bereikbaarheid worden vrijwel allemaal genomen door ambtenaren. Er zijn uiteraard uitzonderingen, ook ProRail en de NS maken gebruik van modellen. In het buitenland gebeurt dit ook door grote investeerders van infrastructuur voor bijvoorbeeld tolwegen.

De eerste belanghebbende is vrijwel altijd de overheid. De overheid is dus de partij met de behoefte aan verkeersmodellen, die immers kunnen helpen bij het inzichtelijk maken van toekomstige situaties. Bij deze prognoses is echter sprake van een vrij grote complexiteit en onzekerheid. Er moeten veel aannames gemaakt worden over de toekomst, zeker voor prognoses over een periode van 10 of 15 jaar. De waarde van een verkeersmodel zit vooral in het onderling vergelijken van verschillende scenario’s, minder in de absolute waarden die berekend worden. Hierover heersen helaas nogal wat misverstanden, en absolute waarden zijn dan ook vaak een onderwerp van discussie.

Het is belangrijk om te beseffen dat de verantwoordelijkheid voor een beslissing om bijvoorbeeld infrastructuur aan te leggen bij de beleidsmakers zelf ligt, niet bij de gehanteerde modellen. Het verkeersmodel is bedoeld om te helpen bij het nemen van beslissingen en is dus een beslissingsondersteunend instrument.

De vraag naar de ontwikkeling van verkeersmodellen ligt dus voor een groot deel bij de overheid. De mogelijkheid om modelontwikkelingen aan de markt over te laten is hierdoor beperkt. Voor het maken van modellen worden wel veelvuldig consultants ingeschakeld. Deze consultants willen zich onderscheiden door zelf modellen en theorieĂŤn te ontwikkelen en aan te bieden aan de overheid.

De markt voor modellen is daardoor diffuus, en er is maar weinig synergie. De verkeersmodellen op landelijk niveau en de vier grote regionale modellen worden ontwikkeld en beheerd door Rijkswaterstaat. Modellen voor kleinere regio’s en steden worden grotendeels ontwikkeld door de markt. Hierdoor is een bijzondere situatie ontstaan waarin de overheid concurreert met de markt voor wat betreft de ontwikkeling van het instrumentarium. Afhankelijk van de vraag en de ingeschakelde consultant worden ook nog verschillende methodieken toegepast, met als gevolg dat er nauwelijks eenheid is. De afstemming tussen regionale en stedelijke modellen is daardoor complex en leidt vaak tot discussie. Stel je maar eens voor dat de prognose voor de Noord-Zuidlijn in het ene model twee keer zoveel passagiers voorspelt als in het andere model. Vanuit de beleidsmaker en de politiek is er dus grote behoefte aan consistentie. Dat geldt niet alleen voor modellen onderling maar ook voor hetzelfde model na een update.

De theoretische ontwikkeling van modellen staat echter niet stil, en de modellen worden steeds beter. Deze verbeteringen zijn soms van invloed op de uitkomsten, en dat sluit dus weer niet aan bij de behoefte aan consistentie. Consistentie heeft dan ook een verlammend effect op innovatie.

9

Naast consistentievrees maakt de concurrentie tussen overheid en markt het voor marktpartijen niet erg aantrekkelijk om in verkeersmodellen te investeren.

Er is in Nederland veel kennis van verkeersmodellen aanwezig, zowel bij overheid en universiteiten als in het bedrijfsleven. Nederland is lang toonaangevend geweest op het gebied van strategische verkeersmodellen. Om deze positie te behouden is er naar mijn mening behoefte aan een structuur die ervoor zorgt dat de markt en de overheid gezamenlijk kunnen innoveren. Zo ontstaat er synergie in plaats van concurrentie.

Wellicht kunnen we op dit vlak veel leren van een analogie met een ander domein: de watermodellen.

In 2008 is het instituut Deltares opgericht , met als doelstelling synergie te creĂŤren tussen overheid, ondernemingen, kennisinstituten en universiteiten. Dit instituut werkt zonder winstoogmerk en laat modellen ontwikkelen op basis van een open-source formule. Deltares opereert wereldwijd en vormt een belangrijke schakel in de export van Nederlandse kennis op dit domein.

10

Het wordt tijd dat er een Deltares voor verkeersmodellen wordt opgericht. Dit instituut kan de benodigde synergie tussen overheid en markt op gang brengen en Nederland toonaangevend maken in het domein van de verkeersmodellen. Door versterking van de internationale positie zal ook de markt hiervan profiteren. Dit vergt wel een andere manier van ontwikkelen en samenwerking, en een goede architectuur.

De belangrijkste rol van dit instituut wordt dan het beheren van deze architectuur en het ontwikkelen van standaarden en protocollen. Alle softwareontwikkeling zal open-source moeten zijn.

Dit kan zowel voor het bedrijfsleven als de universiteiten een ideale basis zijn voor innovaties.

Het betreft hier een wezenlijke stap, al gaat de analogie met het waterdomein niet helemaal op. Bij Deltares werken 600 mensen, en dat is hier zeker niet aan de orde. Wel heeft de oprichting van Deltares een aantal nadelen laten zien. Met name de betrokkenheid van een aantal kleinere marktpartijen is verdwenen. De precieze uitwerking van een goede structuur zal complex zijn en niet alle marktpartijen zullen zo snel bereid zijn hun software open-source te maken. Er moeten vormen gevonden worden die alle partijen recht doen. Ik ben ervan overtuigd dat een dergelijk instituut met oplossingen kan komen voor een aantal dilemma’s die innovatie van de verkeersmodellering in de weg staan, om Nederland zo steviger op de kaart te zetten.

11

De wetenschap De wetenschap der verkeersmodellen laat zich moeilijk in een hokje plaatsen. Feitelijk is de toepassing van een verkeersmodel deels wetenschap en deels kunst.

Transportplanning en vakgebieden Het onderbrengen van de opleiding voor verkeersmodellen is niet zo eenvoudig. In Delft kent de faculteit Civiele Techniek en Geowetenschappen een vakgroep Transport & Planning. De hoogleraren die daar werkzaam zijn hebben verschillende achtergronden, waaruit het interdisciplinaire karakter van verkeersmodellen al duidelijk naar voren komt. Het gaat hier om een samensmelting van wiskunde, econometrie, gedragswetenschap, verkeersstroomtheorie en informatica.

De relatie met de economische modellen uit zich ook in de terminologie rondom verkeersmodellen.

Zo spreekt men van vraag- en aanbodmodellen. Vraagmodellen bepalen de vraag naar infrastructuur en aanbodmodellen richten zich op de afwikkeling van deze vraag op de infrastructuur. Vraag en aanbod reageren op elkaar. Als er meer infrastructuur komt, zal dit tot meer verkeer leiden.

Er zijn grofweg twee methodieken voor het maken van verkeersprognoses: de geaggregeerde en de gedesaggregeerde modellen. Het grote verschil is dat geaggregeerde modellen uitgaan van gelijk gedrag van alle mensen in een bepaald gebied, terwijl gedesaggregeerde modellen uitgaan van individuen.

Een andere belangrijke categorisering van verkeersmodellen betreft het aspect “tijd�. Als dit aspect grotendeels wordt genegeerd en de gemiddelde situatie op een dag of bijvoorbeeld een spitsperiode 12

wordt gemodelleerd, spreekt men van een statisch model. In een dynamisch model wordt wel expliciet rekening gehouden met de tijdfactor.

Geaggregeerde en gedesaggregeerde modellen Binnen de dynamische modellen kennen we nog de macro- en micromodellen. Macromodellen simuleren het verkeer als stromen, net zoals water, terwijl micromodellen individuele voertuigen onderscheiden.

Er zijn dus veel soorten modellen mogelijk. Het meest eenvoudige en ook in Nederland nog altijd steeds het meest toegepaste model is het statische geaggregeerde model.

Het meest complexe model is een gedesaggregeerd microsimulatiemodel. Deze laatste categorie wordt ook wel aangeduid als activity-based of agent-based. Elke agent is daarbij een individu en de totale verplaatsingsketen van elk individu wordt gesimuleerd. Het gaat om alle keuzes die gemaakt worden op een dag en de interactie met andere individuen en het huishouden waar iemand deel van uitmaakt. Tijdens de verplaatsing zelf wordt ook het voertuigvolggedrag van bijvoorbeeld de auto volledig gesimuleerd, evenals ook hier weer de interactie met andere weggebruikers.

Er is veel discussie over wat het juiste type model zou zijn. Agent-based modellen lijken op papier het meest aantrekkelijk. Ze simuleren de bevolking op vrijwel individueel niveau: per individu worden de activiteiten over de dag bepaald en gesimuleerd. In de praktijk blijken deze modellen echter bijzonder moeilijk beheersbaar. Kleine wijzigingen in de invoer hebben soms grote gevolgen voor de 13

uitvoer, en het is erg lastig om deze modellen bij te sturen als er afwijkingen ten opzichte van de werkelijkheid ontstaan. De interactie tussen routekeuze en afwikkeling zorgt voor instabiliteit in het systeem. De interactie tussen afwikkeling en vertrektijden maakt deze aanpak moeilijk beheersbaar, zeker als de vraag er ook bij betrokken wordt.

Zowel bij de beleidsmakers als in de academische wereld zien we een beweging naar steeds meer detail en realisme in de modellen. Aan de uitvoerkant uit zich dat in fraaie 3D-animaties van verkeersstromen, wat de indruk van een hoog realiteitsgehalte wekt. De keerzijde van deze tendens is echter een flink toegenomen onbeheersbaarheid van de modellen.

Er is behoefte aan innovatie en onderzoek waarin de beheersbaarheid van het modelsysteem op de voorgrond staat, aan modellen die in de praktijk ook echt bruikbaar zijn.

14

Het nut van verkeersmodellen Verkeersmodellen worden intensief gebruikt in Nederland. Ik denk zelfs dat Nederland het land is met de grootste verkeersmodeldichtheid van de wereld. Dat wil niet zeggen dat al die modelstudies een succes zijn geweest. Want ja, kloppen de prognoses wel? Een verkeersprognose van 20 jaar vooruit is nauwelijks te controleren. Eigenlijk kun je per definitie zeggen dat prognoses nooit kloppen. Er zijn altijd factoren waar geen rekening mee is gehouden.

De juiste vraag moet dan ook luiden: zijn er verkeerde beslissingen genomen?

Het kan natuurlijk altijd beter en er zijn zeker een aantal missers aan te wijzen. Om deze vraag te beantwoorden kun je ook kijken naar landen waar weinig tot niets aan planning wordt gedaan en waar verkeersmodellen vrijwel geen rol spelen. Zoals op de afbeeldingen op de volgende pagina.

Dat relativeert enigszins, dan valt het wel weer mee met de files en vertragingen en die volle treinen.

Neem bijvoorbeeld Japan met zijn professionele treinproppers: beambten die zijn aangesteld om mensen in de trein te duwen. Als je dat ziet, word je vanzelf trots op de NS. Wat betreft de fiets neemt Nederland een unieke positie in. Pas als je in het buitenland bent realiseer je je hoe goed de fietsvoorzieningen in Nederland eigenlijk zijn. Overal liggen fietspaden, en het intensieve fietsgebruik draagt behoorlijk bij aan de leefbaarheid van Nederland. Vooral Amerikanen verbazen zich hierover.

ANP FOTO/EDWARD OUDENAARDEN

Een foto van een zakenman op een fiets in de stad kun je eigenlijk alleen maar in Nederland maken.

In het buitenland zie je zoiets niet. We hebben zelfs ministers die fietsen. In Amerika valt fietsen in de stad onder de categorie van extreme sporten. Dat komt in eerste instantie door het volledig ontbreken van fietsinfrastructuur.

15

16

Prognoses Op dit moment is het moeilijker dan ooit om correcte langetermijnprognoses te maken. De economische ontwikkelingen zijn onduidelijk. Voorheen liet de omvang van de benodigde sociaaleconomische informatie altijd een stijgende lijn zien. Elk jaar groeide het aantal inwoners, auto’s en afgelegde kilometers. Tussen 1985 en 2010 nam het aantal reizigerskilometers zelfs met 40% toe. De laatste jaren zien we echter een nieuw fenomeen: de beroepsbevolking vlakt af en in sommige delen van Nederland daalt het inwonertal zelfs.

Behalve met onzekere prognoses van het CBS hebben we ook te maken met een aantal nieuwe verschijnselen, zoals “het nieuwe werken”: mensen werken op onregelmatige tijden en op verschillende locaties. Bedrijven als “seats2meet” springen in op deze markt, door vergaderlocaties aan te bieden op goed bereikbare plaatsen, zoals stations. Ook het autobezit verandert. Het bezit van een auto is niet meer zo van belang. Een smartphone is belangrijker. In een auto kun je die niet bedienen, in de trein wel.

Tijdens colleges vraag ik studenten wel eens wat ze zouden kopen als ze 600 euro kregen: een auto of een smartphone. De meesten blijken dan voor een smartphone te kiezen. Het succes van bedrijven als Green Wheels bevestigt dit. Autobezit wordt misschien minder belangrijk, al zou de komst van smart-auto’s en elektrische auto’s het autobezit juist kunnen doen toenemen. In zulke auto’s zou je immers wel kunnen werken, terwijl de milieubelastende component van de auto is weggenomen.

Hoe we de effecten van dit soort ontwikkelingen moeten modelleren is nog grotendeels onbekend.

Daar is onderzoek voor nodig.

Daarnaast kunnen we constateren dat het aantal grote infrastructuurprojecten afneemt. Nederland is af! De aandacht verschuift van plannen en bouwen naar benutten en sturen. Er is een verschuiving van strategische langetermijnmodellen naar tactische en real–time operationele kortetermijnmodellen. Deze domeinen beginnen in elkaar te schuiven. Het toekomstige modelinstrumentarium zal dit hele scala op een consistente wijze moeten bedienen. Dat zal ook zijn weerslag hebben op de organisatie bij de overheid, waar strategisch en operationeel dichter bij elkaar zullen komen. Nu zijn dit meestal nog volledig gescheiden afdelingen.

17

Data, data, data Mede door de nadruk op benutten van de huidige infrastructuur komen er steeds meer meetsystemen bij. De Nationale Databank Wegverkeergegevens (NDW) zorgt ervoor dat er veel data beschikbaar zijn van de meetlussen in het wegennet en de camera’s langs de weg. Ook in het openbaar vervoer zijn volop data beschikbaar. Vrijwel alle bussen zijn tegenwoordig uitgerust met GPS-apparatuur en geven continu hun positie door, om zo wachtende reizigers te informeren over aankomsttijden. Door de invoering van de OV-chipkaart is het mogelijk om het aantal reizigers van vrijwel elke bus, tram, metro en trein te achterhalen. Gelukkig heeft de overheid ingezien dat het beschikbaar stellen van deze data aan de markt tot innovatie leidt.

Naast deze door de overheid beheerde meetsystemen zijn er tegenwoordig ook diverse commerciële partijen die data verzamelen. De bekendste is Tom Tom, een bedrijf dat met behulp van navigatieapparatuur de snelheid van auto’s kan uitlezen en voortdurend, in real-time, een beeld kan geven van de situatie op het wegennet. Deze data zijn van hoge kwaliteit en bieden een zeer hoge dekking. Ook deze gegevens zijn beschikbaar voor derden.

Onze auto’s zullen in de toekomst steeds meer “connected” raken. Ze communiceren onderling en met apparatuur langs de weg, zoals verkeerslichten. Ze staan continu in verbinding met de leveranciers van diagnostische informatie, maar verstrekken ook gegevens over de locatie van het voertuig. Dat levert uiteraard enorm veel data op, waar we de gevolgen nog niet van kunnen overzien.

Het mobiele internet (3G en inmiddels 4G) heeft dus gevolgen voor het verplaatsingsgedrag van mensen, maar vormt daarnaast ook een belangrijke bron van verplaatsingsgegevens. Op dit moment is ruim 70 procent van alle mobiele telefoons een smartphone. Dit type telefoon is uitgerust met locatiebepaling.

18

In Nederland heeft vrijwel iedereen vanaf acht jaar overigens een mobiele telefoon, bijna 100%. Er zijn al apps beschikbaar waarmee verplaatsingsgegevens verzameld worden in combinatie met persoonlijke gegevens. De belangrijkste toepassingen zitten in de marketingindustrie. Deze apps vormen een ideale databron voor de schatting van modellen. Er zijn legio voorbeelden te noemen, maar ik zal me beperken tot het volgende voorbeeld.

FourSquare is een app waarmee je je vrienden kunt laten weten waar je bent, zodat ze je kunnen vinden. Als een vriend is aangekomen op jouw locatie moet hij dat ook even melden in deze app, zodat je andere vrienden dat ook weten. Het is een soort WhatsApp maar dan met locatie erbij.

Reuze handig. Om dit inchecken te motiveren zijn er allerlei spelelementen in verwerkt waarmee je punten kan verdienen. De eerste vriend die incheckt wordt bijvoorbeeld burgemeester van die plek.

Alle vrienden die vervolgens arriveren krijgen punten. De eerste meer dan de tweede, enzovoort.

Deze data worden allemaal verzameld en geven een beeld van activiteitenpatronen in een stad.

FourSquare gebruikers in Manhattan.

In deze afbeelding zijn alle verplaatsingen in Manhattan zichtbaar gemaakt. Dat geeft een aardig inzicht in de verplaatsingspatronen, de activiteiten en populaire bestemmingen.

19

Dit voorbeeld is vooral gericht op social networking, waarbij de locatie van de persoon een rol speelt.

Er komen echter ook steeds meer apps op de markt die bedoeld zijn om informatie te verzamelen over het verplaatsingsgedrag van mensen. Zolang deze apps nuttig zijn en bijvoorbeeld een goede routeplanner bevatten of informatie over parkeerplaatsen bieden, zullen mensen bereid zijn ze te gebruiken. Zulke apps vormen een ideale en relatief goedkope bron voor het schatten van de parameters van modellen en worden steeds meer ingezet in plaats van de “ouderwetse” enquêtes.

Niet alleen de apps vormen een nieuwe databron, ook telecomproviders zelf zijn in staat om locatiegegevens van hun abonnees te verzamelen. In dat geval worden de gegevens niet vastgelegd via de telefoon zelf (met een app) maar in het netwerk van de telecomprovider. Het GSM-netwerk moet namelijk zelf bijhouden bij welke mast een telefoon zich bevindt. Dat betekent dat het netwerk dus op elk moment weet waar alle telefoons zijn - niet precies, maar wel bij welke mast. Door deze informatie continu te verzamelen kan men van miljoenen mensen het verplaatsingspatroon achterhalen.

Op internet vind je prachtige animaties met de verplaatsingen in een stad gebaseerd op locatiegegevens die zijn verkregen uit telecommunicatiedata van een provider.

Op het moment dat je de data combineert met andere databronnen, bijvoorbeeld “point of interest”-data, wordt het mogelijk bepaalde activiteitenpatronen te achterhalen. Dat levert zeer waardevolle gegevens voor het verbeteren van verkeersmodellen.

Voor het eerst in de geschiedenis kunnen we nu daadwerkelijk iets waarnemen wat we altijd geprobeerd hebben in modellen vast te leggen. Dat is niet alleen handig voor de validatie van modellen maar biedt ook de mogelijkheid om op basis van deze data eenvoudigere, datagestuurde modellen te ontwikkelen.

Waar voorheen het domein van de verkeersmodellen werd geplaagd door een gebrek aan data dreigen we nu om te komen in de data: BIG data.

De privacy van individuen speelt bij deze dataverzameling een belangrijke rol. Transparantie over dat dit gebeurd en de manier waarop dit gebeurd is van groot belang om te voorkomen dat er groot wantrouwen gaat ontstaan.

20

Een nieuwe dynamiek Op basis van de combinatie van al deze meetsystemen wordt het mogelijk om een vrij accuraat beeld te genereren van de huidige verkeerssituatie. De uitdaging zit deels in de informatica en deels in de verkeerskunde. Louter op basis van een goed beeld van de huidige situatie is het echter nog niet mogelijk om prognoses te ontwikkelen. Voor de korte termijn, waarin gedragswijzigingen slechts een beperkte rol spelen, zijn er volop mogelijkheden, maar ook voor langetermijnprognoses. Dankzij de combinatie van databronnen en nieuw te ontwikkelen methodieken zullen we straks in staat zijn gedrag af te leiden.

Er ontstaat dan een nieuw soort dynamiek in de verkeersmodellen. Het ritme waarin de modellen worden aangepast zal veranderen. Het zwaartepunt van verkeersmodellen en verkeersprognoses verplaatst zich van strategisch naar meer tactisch en operationeel.

Nieuwe dynamiek in verkeersmodellen Over afzienbare tijd zal het mogelijk zijn om continu prognoses te maken: een dagelijkse prognose, niet alleen voor het komende uur en de volgende dag, maar ook enkele jaren vooruit. De data van deze prognoses komen dan niet meer uit jaarlijks bijgewerkte statistieken maar uit realtimesystemen die de verkeerssituatie continu in beeld brengen.

Om deze dynamiek te visualiseren gebruik ik vaak een afbeelding van een orkaan. De analogie met de meteorologie ligt namelijk voor de hand. Deze tak van wetenschap is in staat gebleken om in de afgelopen tien jaar een dergelijk continuproces voor weersprognoses te realiseren. Gebaseerd op een wereldwijd net van meetsystemen wordt doorlopend een weersverwachting gemaakt, niet alleen voor de volgende dag maar ook voor de komende 14 dagen.

De komende jaren zullen verkeersmodellen een soortgelijke ontwikkeling doormaken. Er zullen dus nieuwe modellen en nieuwe algoritmen moeten komen. De informatica vervullen een belangrijke rol in dit proces.

Op dit moment worden verkeersberekeningen namelijk nog voornamelijk uitgevoerd op huis-tuin-enkeuken-pc’s. Dat gaat de komende periode veranderen. Dankzij de komst van cloud-computing wordt deze stap eenvoudiger dan ooit.

21

Door cloud computing zal het karakter van verkeersmodellen verder veranderen. De combinatie van cloud-computing en nieuwe data zal het makkelijker maken om verkeersmodellen in te zetten voor tal van vraagstukken. Ik verwacht dat ze toegankelijker worden, want door gebruik van gedistribueerde systemen zal de rekentijd aanzienlijk afnemen. Dit zal de praktische inzet van modellen makkelijker maken en wellicht kunnen delen van het modelproces zelfs in workshopachtige settings gebruikt worden.

Dit opent de deur naar een nieuw type besluitvormingsproces. Dat is ook hard nodig. Door de komst van allerlei nieuwe initiatieven op het gebied van mobiliteit wordt het voorspellen voor de lange termijn bijzonder lastig. Zo zullen initiatieven rondom bijvoorbeeld car-sharing de komende jaren een grote omvang krijgen, mede door de ondersteuning via mobiele apps en handige afrekensystemen. De effecten van dit soort initiatieven op het mobiliteitsgedrag zullen ingrijpend zijn. Het verkrijgen van inzicht in dit soort effecten wordt belangrijker dan het ontwikkelen van prognoses op basis van het huidige mobiliteitsgedrag.

Verkeersmodellen zijn razend interessant, en er is momenteel veel gaande in het vakgebied. De enorme toename van data in combinatie met de mogelijkheden van cloud-computing en de revolutionaire ideeën van allerlei app-bouwers zal een revolutie in dit domein veroorzaken. Een Deltares-achtig model is nodig om de innovaties uit het bedrijfsleven en de behoeften van de overheid op elkaar af te stemmen. Nu is daar het moment voor!

Om deze revolutie in beweging te krijgen moeten de volgende vijf dilemma’s aangepakt worden: •

Hoe creëren we synergie tussen de overheid en de markt?

•

Hoe gaan we de datarevolutie omarmen?

•

Hoe krijgen we de modellen beheersbaar en praktisch?

•

Hoe doorbreken we de consistentie-angst?

•

Hoe maken we optimaal gebruik van cloud-computing?

Om dit te realiseren zijn nieuwe verbindingen nodig.

Verbindingen tussen bedrijfsleven, universiteit en overheid, tussen civiele techniek en informatica, en tussen operationele modellen en strategische modellen. Ik wil die verbindingen gaan leggen.

Mijn visie op dit vakgebied is ontstaan door te luisteren naar anderen. Ik ben veel mensen en bedrijven tegengekomen die nu al stappen zetten in deze richting. Het bedrijfsleven maakt snelle ontwikkelingen door. Er ontstaan nieuwe kansen. Mijn ambitie is om deze ondernemers te ondersteunen met gericht onderzoek aan de TU Delft.

22

Tot slot Ik wil deze rede afsluiten met een dankwoord.

Dat ik hier sta komt eigenlijk nogal onverwacht, en ik heb dit aan veel mensen te danken. Die ga ik niet allemaal opnoemen, maar voor een paar mensen wil ik een uitzondering maken. Ten eerste ben ik dank verschuldigd aan mijn huidige werkgever, de Goudappel Groep. Behalve dat zij deze positie financieren, hebben zij mij de afgelopen 15 jaar de mogelijkheid gegeven om me te ontwikkelen. In het bijzonder Jaap Benschop heeft zich ingezet voor het creĂŤren van deze positie en voor zijn vertrouwen in Omnitrans International. Daarnaast natuurlijk de TU Delft, voor het geschonken vertrouwen. Bart van Arem als voorzitter van de aanstellingscommissie en de afdeling en Bert Geerken, de decaan van de faculteit.

Sjors van de Kamer en Frank Hofman van RWS voor de discussies over het dilemma markt / overheid en het Deltares-model. Ook ben ik dank verschuldigd aan Edwin Mein om mijn afwezigheid bij Omnitrans International (nu DAT.mobility) te compenseren.

Specifiek wil ik ook Michiel Bliemer bedanken. Aanvankelijk zou hij deze positie gaan bekleden, maar op het laatste moment besloot hij naar Sydney te emigreren. Hij maakte niet alleen plaats voor mij, maar motiveerde mij ook om te solliciteren op deze positie.

Mijn grootste dank gaat uit naar mijn gezin, dat mij in deze stap volledig ondersteunt en dat nu geconfronteerd wordt met mijn lange werkdagen. Mijn vrouw, Leonoor, die mij niet alleen bijstaat en motiveert in deze nieuwe stap maar er vooral voor zorgt dat ik naast mijn werk nog andere dingen onderneem, zoals mooie zeiltochten. Met haar is het leven nooit saai.

Ik heb gezegd

23

Referenties •

Berlingerio, F. Calabrese, G. Di Lorenzo, R. Nair, F. Pinelli, and M-L. Sbodio. Allaboard: a system for exploring urban mobility and optimizing public transport using cellphone data. In Machine Learning and Knowledge Discovery in Databases, pages 663–666. Springer, 2013

•

L Kane and R Behrens. Transport planning models, an historical and critical review, Urban Transport Research Group, University of Cape Town, Private Bag, Rondebosch, 7701, 2002

•

Kennisinstituut voor Mobiliteitsbeleid. Rekenen met beleid, Anders omgaan met verkeersmodellen

•

Maarten Wolsink. Reshaping the Dutch planning system: a learning process?, Environment and Planning A 2003, volume 35, pages 705 - 723

•

Michael Wegener. From Macro to Micro – How Much Micro is too Much? Transport Reviews 31 (2011), 2, 161-177

•

M. Nanni, R. Trasarti, R. Furletti, G. Gabrielli, P. van der Mede, J. de Bruijn, E. de Romph, and G. Bruil. Mp4-a project: Mobility planning for Africa. In Mobile Phone data for Development, volume 2013, pages 423–446, 2013

•

Tom Thomas, Bas Tutert. De realiteitszin van verkeersmodellen. Universiteit Twente, Witteveen+Bos

24