De toenemende beschikbaarheid van nieuwe (big) databronnen en data sciences methoden opent mogelijkheden om op een alternatieve manier verplaatsingsgedrag in termen van herkomst en bestemming, verplaatsingsmotief en routekeuze te analyseren. Dit onderzoeksproject heeft verkend in hoeverre het mogelijk is om floating car data te gebruiken om analyses naar de betrouwbaarheid van reistijden uit te voeren. Het doel hiervan is om die informatie te gebruiken bij het actualiseren en verbeteren van de verkeer‐en vervoermodellen van RWS.
Floating car data is een verzamelnaam voor data die de verplaatsingen van individuele voertuigen beschrijft. Deze data wordt ingewonnen door bijvoorbeeld navigatiesoftware in voertuigen (in‐car navigation data) of via apps op de mobiele telefoon van weggebruikers die behulpzaam zijn bij routekeuze (zoals GoogleMaps) of waarschuwen voor files of flitspalen (zoals Flitsmeister). Ook kan men hierbij denken aan data van wagenparkbeheerders die hun auto’s volgen.
Voor deze verkennende studie is gebruik gemaakt van floating-car data die is verzameld door BeMobile en die mede door Rijkswaterstaat is aangekocht. In overleg met de afdeling Modellen en Applicaties van het onderdeel Water, Verkeer en Leefomgeving (WVL) van Rijswaterstaat zijn twee trajecten gekozen van ongeveer 40 km (enkele) reis die te beschouwen zijn als regulier woon-werkverkeer: De nationale databank wegverkeersgegevens (NDW) heeft voor deze twee trajecten data voor de maand juni 2017 beschikbaar gemaakt voor dit onderzoek. De data beschrijft voor elke afzonderlijke minuut van die periode, voor elk individueel wegvak (van gemiddeld 40 meter) de gemiddelde snelheid van de geregistreerde voertuigen. Met deze enorme databerg berekenen we per minuut de totale reistijd per traject bij een verondersteld vertrek tussen 6 en 10 uur in de ochtend waarbij de voertuigen zich in de tijd over het netwerk bewegen- de reistijden over de gehele route worden bepaald met de zogeheten trajectoriën methode. De reistijden in deze analyse zijn representatief voor de trips die in deze periode over de gekozen routes gemaakt zouden kunnen zijn, maar ze niet gebaseerd zijn op individuen die dit traject van deur tot deur hebben afgelegd. De reistijden zijn een optelsom van de reistijd over de afzonderlijke segmenten waaruit het traject bestaat geldig voor de minuut dat het voertuig zich op dat wegvak bevindt, maar die door steeds verschillende individuen zo ervaren is. De berekende reistijden zijn vervolgens gebruikt om te analyseren hoe groot de variatie in reisduur is voor verschillende momenten in de ochtendspits en voor afzonderlijke delen van het traject. Voor dat laatst is onderscheid gemaakt in het hoofdwegennet (snelwegen) en onderliggend wegennet.
Variatie in reistijd (uitgedrukt in standaard deviatie) ten opzichte van de gemiddelde reistijd per kwartier
Op basis van deze eerste verkenning concluderen we dat floating car data goed bruikbaar is om reistijdbetrouwbaarheid te beschrijven. Voor de twee onderzochte trajecten blijkt de reistijdonbetrouwbaarheid op zowel de hoofdwegen als de overige wegen toe te nemen bij langere vertragingstijden. Dus als er op een bepaald tijdstip gemiddeld meer vertraging is, neemt ook de onbetrouwbaarheid (onzekerheid over de exacte reisduur) toe. Dergelijke deur-tot-deur analyses van reistijden zijn minder goed mogelijk met de tot nu toe gebruikte verkeersgegevens omdat er minder informatie beschikbaar was over de reistijden op het onderliggend wegennet. Het analyseren van trajecten is namelijk niet mogelijk op basis van de punt‐informatie uit bijvoorbeeld tellussen omdat die bron alleen voor de drukkere autosnelwegen beschikbaar zijn. Floating car data kan hierbij dus van meerwaarde zijn om reistijdbetrouwbaarheidanalyses te doen voor specifieke trajecten die bestaan uit delen op het hoofdwegennet en het onderliggend wegennet op basis van een groot aantal waarnemingen.
Het volledige rapport is te lezen via onderstaande link: