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

NvOort@Goudappel.nl

Artikelen:https://nielsvanoort.weblog.tudelft.nl/

http://www.goudappel.nl/adviseurs/niels-van-oort/