Big Data en mobiliteitsbeleid Van data naar betekenis Gestart in oktober Van betekenis naar deals de eerste schreden. pagina 2
Gestart in oktober pagina 3
HERE: vertraging in ochtend- en avondspits data vertaald naar spits/dalverhoudingen pagina 4
NRM: alle aankomsten s morgens in A dam Hoe combineren we die data? pagina 5
Referentielijn levert benchmark Nederland Sneller dan gemiddeld scoort GROEN Langzamer dan gemiddeld scoort ROOD Door snelheid en verplaatsingen te combineren wordt een benchmark voor heel Nederland verkregen. Elke verplaatsing die sneller is scoort groen, anders rood. pagina 6
Alle gemeenten langs dezelfde lat pagina 7
Uitsplitsing naar windrichting en afstandsklasse pagina 8
Uitsplitsing naar windrichting en afstandsklasse, aangevuld met informatie over aantallen pagina 9
Zakelijk autoverkeer Amsterdam pagina 10
Vrachtverkeer Den Haag Voorbeeld van analyse: Den Haag scoort rood op de selectie aankomsten vrachtverkeer ochtendspits. Oorzaak van die score zijn de 714 donkerrode ritten uit Westland. pagina 11
Als automobilisten de fiets gebruiken voor ritten waar deze daadwerkelijk sneller is. Score rechts voor autobereikbaarheid is bepaald op snelste route voor auto of fiets pagina 12
Onderscheid in beoordeling van snelheid obv afstand hemelsbreed (links) of via het netwerk pagina 13
Selectie vertraagde ritten naar de Zuid-as pagina 14
Waar ondervinden deze de vertraging? Toedeling van de vertraagde verplaatsingen laat zien waar op het netwerk deze ritten hun vertraging ondervinden. Veroorzakers van overbelasting zijn vooral andere ritten. pagina 15
Veruit de meeste ritten op het filewegvak eindigen in A dam, dit biedt kansen voor P+R pagina 16
Kansen voor P+R (of P+Bike) (fictief voorbeeld!) In potentie veel overstappers pagina 17
Maar ook de fiets kan bijdragen aan een betere autobereikbaarheid van de Zuid-as Door het fietsen (nog) aantrekkelijker te maken zullen korte lokale autoritten worden vervangen door de fiets. Ook hierdoor ontstaat lucht voor andere automobilisten die relaxter op tijd zullen komen op o.a. de Zuid-as. Zo zijn maatregelen te koppelen aan belangen van stakeholders. pagina 18
Analyses via handzame internettool (CROW) Zie bijlage voor meer toelichting pagina 19
Big Data en mobiliteitsbeleid Van data naar betekenis Gestart in oktober Van betekenis naar deals dan monitoren, bijstellen en verrekenen de eerste schreden zijn gezet. pagina 20
Henk Tromp, MOVE Mobility, 06-22699964 met dank aan Dirk Bussche, dat.mobility en ontwikkelwerk bereikbaarheidsindicator Casper Stelling (MuConsult), Sascha Hoogendoorn (KiM)
Kenmerken van de Mobiliteitsscan (1) Hulpmiddel op internet (data staat centraal, password). Data uit bestaande (al of niet eigen) modellen/andere bronnen: verplaatsingen (HB), reistijden, snelheden. In de scan is nu een aantal LMS en NRM scenario s ingelezen. Snel scannen van effecten what if?, nu dus ook met de bereikbaarheidsindicator (BBI). Gebruiker wordt aan de hand genomen (veel toelichting). De scan berekent en verwerkt effecten van maatregelen (delta). Veel analysetools: selected link, spider etc. Rekentijden zijn max. 10 minuten. CROW is eigenaar van de scan en regelt gebruiksrecht.
Kenmerken van de Mobiliteitsscan (2) pagina 23