Betere voorspelling vrachtverkeer door ‘big data’ uit wegennet

vrachtverkeerOm de toekomstige verkeersdruk op het wegennet te voorspellen, laten beleidsmakers regelmatig enquêtes uitvoeren onder weggebruikers. Een dure en niet altijd even precieze methode van dataverzameling. Door de resultaten in een model te combineren met data uit tellussen en camera’s kan de vraag naar vrachtvervoer nauwkeuriger worden voorspeld.

In haar binnenkort te verschijnen proefschrift beschrijft Yinyi Ma van Rotterdam School of Management, Erasmus University (RSM) hoe dat in zijn werk gaat.

Veel gegevens rond het vrachtvervoer worden nog altijd verzameld aan de hand van vragenlijsten die statistiekbureaus opsturen naar bedrijven in de transportsector, soms gecombineerd met databases die bedrijven bijhouden over het vervoersgedrag van hun werknemers. Voor bedrijven is het invullen van de vragenlijsten niet alleen tijdrovend, de resultaten zijn vaak ook niet erg nauwkeurig. Niet alle bedrijven rapporteren hun ritten namelijk even gedetailleerd of even vaak.
De systemen die het wegennet monitoren produceren dan wel enorme hoeveelheden potentieel nuttige data over weggebruik, maar die gegevens zijn lastig onderling vergelijkbaar. Detectielussen in het wegdek bijvoorbeeld meten het verkeer slechts op één locatie, maar ze registreren wel de lengte van een voertuig. Camera’s die boven de weg hangen en kentekenplaten lezen, kunnen goed een voertuig traceren tussen meerdere punten, maar zijn slechts op een beperkt aantal wegen ingezet.

Yinyi Ma ontwikkelde een statistisch model waarmee de enorme hoeveelheid gegevens uit al die verschillende bronnen kan worden gecombineerd met de uitkomsten van de traditionele vragenlijsten. Met dat model kan het CBS, dat haar promotieplaats heeft gefinancierd, nu veel gedetailleerder de vraag naar vrachtvervoer voorspellen voor een bepaalde plaats en tijd.

De traditionele vragenlijsten zullen waarschijnlijk niet verdwijnen, zegt de onderzoekster. Hoe waardevol de ‘big data’ van verkeerstoezichtsystemen ook zijn, in de toekomst zullen onderzoeken onder weggebruikers nog steeds nodig zijn om te weten te komen wat het doel van een rit is en hoe weggebruikers in de hun ritten combineren, stelt ze.

Onderwerpen: ,

Auteur: Redactie

Reageren op dit artikel is niet mogelijk.

Betere voorspelling vrachtverkeer door ‘big data’ uit wegennet - VerkeersNet

Betere voorspelling vrachtverkeer door ‘big data’ uit wegennet

vrachtverkeerOm de toekomstige verkeersdruk op het wegennet te voorspellen, laten beleidsmakers regelmatig enquêtes uitvoeren onder weggebruikers. Een dure en niet altijd even precieze methode van dataverzameling. Door de resultaten in een model te combineren met data uit tellussen en camera’s kan de vraag naar vrachtvervoer nauwkeuriger worden voorspeld.

In haar binnenkort te verschijnen proefschrift beschrijft Yinyi Ma van Rotterdam School of Management, Erasmus University (RSM) hoe dat in zijn werk gaat.

Veel gegevens rond het vrachtvervoer worden nog altijd verzameld aan de hand van vragenlijsten die statistiekbureaus opsturen naar bedrijven in de transportsector, soms gecombineerd met databases die bedrijven bijhouden over het vervoersgedrag van hun werknemers. Voor bedrijven is het invullen van de vragenlijsten niet alleen tijdrovend, de resultaten zijn vaak ook niet erg nauwkeurig. Niet alle bedrijven rapporteren hun ritten namelijk even gedetailleerd of even vaak.
De systemen die het wegennet monitoren produceren dan wel enorme hoeveelheden potentieel nuttige data over weggebruik, maar die gegevens zijn lastig onderling vergelijkbaar. Detectielussen in het wegdek bijvoorbeeld meten het verkeer slechts op één locatie, maar ze registreren wel de lengte van een voertuig. Camera’s die boven de weg hangen en kentekenplaten lezen, kunnen goed een voertuig traceren tussen meerdere punten, maar zijn slechts op een beperkt aantal wegen ingezet.

Yinyi Ma ontwikkelde een statistisch model waarmee de enorme hoeveelheid gegevens uit al die verschillende bronnen kan worden gecombineerd met de uitkomsten van de traditionele vragenlijsten. Met dat model kan het CBS, dat haar promotieplaats heeft gefinancierd, nu veel gedetailleerder de vraag naar vrachtvervoer voorspellen voor een bepaalde plaats en tijd.

De traditionele vragenlijsten zullen waarschijnlijk niet verdwijnen, zegt de onderzoekster. Hoe waardevol de ‘big data’ van verkeerstoezichtsystemen ook zijn, in de toekomst zullen onderzoeken onder weggebruikers nog steeds nodig zijn om te weten te komen wat het doel van een rit is en hoe weggebruikers in de hun ritten combineren, stelt ze.

Onderwerpen: ,

Auteur: Redactie

Reageren op dit artikel is niet mogelijk.