Beeld plaatsen ter grootte van dit kader Nieuwe data voor (nieuwe) OV modellen Niels van Oort Ties...
-
Upload
franciscus-mertens -
Category
Documents
-
view
223 -
download
3
Transcript of Beeld plaatsen ter grootte van dit kader Nieuwe data voor (nieuwe) OV modellen Niels van Oort Ties...
Beeld plaatsen ter grootte van
dit kader
Nieuwe data voor (nieuwe) OV modellen
Niels van Oort
Ties Brands
Erik de Romph
2
Uitdagingen in het OV
Kosten staan onder druk: lijnen schrappen, frequenties verlagen?
Reiziger eist hogere kwaliteit
Doelen: Hogere kostendekkingsgraad Hogere bezettingsgraad
Modellen en data helpen het OV verbeteren
3
Data en modellen Evaluatie Analyse
Verbeterplannen Prognose
Beter en efficiënter OV
4
Inzicht in kansenData en modellen helpen te illustreren Functioneren huidige netwerk en dienstregeling Voorspellen toekomstige effecten
Financiële en maatschappelijke effecten van: Lage snelheid en doorstroming Suboptimaal netwerk Suboptimale dienstregeling
Potentie van verbeteringen
Inschatting > €10- €50 miljoen te besparen op OV in Nederland met hogere kwaliteit
Voorbeelden Utrecht: 30 s. sneller op corridor: tot € 400.000 minder kosten per jaar Den Haag: 5-15% meer reizigers door hogere betrouwbaarheid Tram Maastricht:> €4 Miljoen /jaar aan maatschappelijke baten door hogere
snelheid en betrouwbaarheid Tram Utrecht: :ca. €200 Miljoen aan maatschappelijke baten door hogere
snelheid en betrouwbaarheid
5
Twee dimensies Big Data
Voertuigen- snelheid, stiptheid, vertragingen
- > GOVI
Reizigers- in- en uitstappers, overstappers, patronen- > Chipkaart
Combinatie- Betrouwbaarheid OV vanuit reizigersperspectief
6
Gebruik Big Data Evaluatie (terugkijken)
Cijfermatig Spreadsheet, business intelligence
Geografisch- GIS- Verkeersmodel
- Prognose (vooruitkijken)- Whatif analyses- OV Lite aanpak
7
Chipkaartdata (1/2)
In potentie data over: Instappers Uitstappers Overstappers Elk moment van de dag, week, jaar Tariefsoort
Anonimiteit garanderen
Beschikbaarheid Welke partij? Keten
8
Chipkaartdata (2/2)
Koppelen aan verkeersmodel: Zicht op verleden Grip op de toekomst Elasticiteitenmethode (unimodaal, snel en goedkoop)
Whatif scenario’s Halte erbij of samenvoegen Sneller of frequenter Ander tarief
Snel inzicht in veranderingen: Reizigers Kostendekkingsgraad Bezettingsgraad
9
Fictieve data
10
Fictieve data
11
Fictieve data
12
Fictieve data
13
Fictieve data
14
Fictieve data
15
Fictieve data
16
Fictieve data
17
Fictieve data
18
Fictieve data
19
Fictieve data
20
Fictieve data
21
Fictieve data
22
Fictieve data
23
Fictieve data
24
Alle stromen vanuit een specifieke halte
Fictieve data
25
Indicatie kostendekkingsgraad
Fictieve data
26
Reizigers over de dag
4%
17%
10%
6%
4% 4%5%
6%
8%
10%10%
8%
3%
2% 1% 1% 1% 1%
0%
2%
4%
6%
8%
10%
12%
14%
16%
18%
06-07 07-08 08-09 09-10 10-11 11-12 12-13 13-14 14-15 15-16 16-17 17-18 18-19 19-20 20-21 21-22 22-23 23-24
Fictieve data
27
HB-patronen
Fictieve data
28
What if?
29
Overzicht modeltechniekenMultimodaal model OV-lite Quick scan
Modaliteiten Auto, OV, fiets OV OV
Schaalniveau Nationaal, regionaal en lokaal
Nationaal, regionaal en lokaal
Lijnsgewijs
Tijdshorizon 10-20 jaar <10 jaar <5 jaar
Type projecten
Strategische projecten, combinatie ruimte en verkeer
OV projecten in een netwerkcontext
Kleine aanpassingen OV lijnen
Pluspunten Inzicht in modal split, input voor MKBA
Goed verklaarbare effecten op OV netwerk
Snel maatwerk
30
OV lite Een unimodale modeltechniek
Dus alleen OV wordt gemodelleerd Op basis van elasiticiteiten
Dus lagere kosten / reistijd / wachttijd leveren extra reizigers op
Netwerkcontext In OmniTRANS
31
Effectberekeningen (varianten) Frequentieverhoging / -verlaging Snelheidsverhoging / -verlaging Extra haltes / opheffen haltes Doorkoppelingen Verlengen / verkorten van lijnen Aantakken op stations Tariefaanpassingen
32
Output Gebruik maken van de outputfunctionaliteiten in
OmniTRANS (Verschil)Plots Per regio of gebied:
• (Verandering in) reizigerskilometers• (Verandering in) aantal reizigers• (Verandering in) kostendekkingsgraad
Grafieken/tabellen
33
Whatif: Nieuwe route
Fictieve data
34
Whatif: Verhoogde frequentie
Fictieve data
35
- Grote uitdagingen in het OV- Data en modellen faciliteren verbeterproces- Nieuwe mogelijkheden door nieuwe databronnen- Nieuwe toepassingen verkeersmodellen
Aandachtspunt: Beschikbaarheid data
Conclusies
36
Contact
Niels van Oort
Artikelen:https://nielsvanoort.weblog.tudelft.nl/
http://www.goudappel.nl/adviseurs/niels-van-oort/