‘Met data de ov-capaciteit beter benutten’

Vervoerders zouden niks ondernemen om het ov op een veilige manier in de lucht te houden, zo schreef Elsevier deze week. Onze ervaring is heel anders. De bedrijven proberen het ov maximaal beschikbaar te houden en werken tegelijkertijd aan toekomstscenario’s voor als de lockdown straks verder wordt afgeschaald.

Lees ook: Overheid wil vervoerders overeind houden

Anderhalve meter afstand houden in de bus betekent een afname van de beschikbare capaciteit in het ov met zo’n 70 tot 80 procent. Dat is nu nog geen probleem, maar wat als straks de middelbare scholieren en studenten weer gaan reizen, de winkels opengaan en bezoek weer is toegestaan? Niet iedereen zal direct weer de bus en trein pakken, maar er zijn al snel te veel reizigers in de voertuigen, of – als reizigers niet direct meekunnen – op de stations.

Datagedreven modellen

Hoe kan de schaarse capaciteit zo effectief mogelijk worden ingezet en zo nodig verdeeld? Dit zijn de vraagstukken waar het openbaar vervoer zich mee bezighoudt en waar ruimte nodig is voor creativiteit en flexibiliteit. Datagedreven modellen helpen hierbij.

De vraagstukken zijn, hoewel nu extreem, eigenlijk niet nieuw. Al jaren werken wij samen met vervoerders aan voorspelmodellen, die helpen om de capaciteit zo effectief, efficiënt en duurzaam mogelijk in te zetten. Tegelijkertijd zien we dat - hoewel de modellen en ideeën er al zijn - flexibilisering in de praktijk langzaam gaat. De operatie is niet zo flexibel en de status quo in de sector is van oorsprong sterk. Laten we zorgen dat we, net als andere sectoren, deze tijd gebruiken om interessante vernieuwingen versneld in te voeren. We noemen er een paar:

1. Meerdere dienstregelingen passend bij verschillen in vervoersvraag

De lockdown ging gepaard met verschillende maatregelen die elk een effect hadden op de vervoervraag. Onderstaand figuur laat zien dat dit bijvoorbeeld ook terug te zien is in het aantal reisadviezen dat bij 9292 binnenkwam.

Reisverzoeken 9292

Als de maatregelen langzaam weer versoepeld worden, zal de vraag verder toenemen. Als thuisblijven van kracht blijft, maar middelbare scholen weer opengaan, is meer capaciteit op de scholierenlijnen nodig dan op lijnen naar de werkgebieden. Op verbindingen waar mensen relatief korte afstanden reizen, zullen fiets en de e-bike een grotere rol gaan spelen, zeker als het mooi weer is. Op langere afstanden zijn er minder alternatieven en is de vraag naar ov waarschijnlijk groter.

Als vervoerder wil je op deze verschillen kunnen inspelen door verschillende dienstregelingen in te kunnen zetten. Doel daarbij is: zoveel mogelijk mensen vervoeren in de beperkte capaciteit die momenteel over is. Lijnen met verwachte drukte opplussen, lijnen met weinig vraag laten vervallen en bijvoorbeeld alternatief vervoer aanbieden zoals flexvervoer. Bussen gaan op die manier waarde toevoegen waar het nodig is.

Opdrachtgevers en vervoerders zullen tot overeenstemming moeten komen over verschillende pakketten voor verschillende situaties en hoe deze snel in te zetten. Het kan immers maar zo zijn, dat maatregelen weer worden aangescherpt en er dus een andere dienstregeling moet worden ingezet.

Simulatiemodellen kunnen worden gebruikt om de vraag in verschillende scenario´s zo goed mogelijk in te schatten. Hierbij wordt naast de historische vraag ook de latente vraag (wat wordt gevraagd en niet aangeboden) meegenomen. En hoe meer ervaring we opdoen, hoe meer de aannames die in eerste instantie worden gemaakt over de effecten, kunnen worden vervangen door echte effectmetingen. Zo bereiden vervoerders zich voor op verschillende toekomstige situaties en kunnen ze snel handelen zodra dat nodig is. Dit is zeker ook nuttig buiten coronatijden.

2. Dagelijks voorspellen van de reizigersstroom

Om te weten welk pakket moet worden ingezet, zijn geautomatiseerde druktevoorspellingen een randvoorwaarde. Bij verschillende vervoerders hebben wij modellen gebouwd die dit 1 tot 7 dagen van tevoren doen. Op basis van historische bezetting, het weer, vakanties, de maatregelen die van kracht zijn en de voertuigcapaciteit, geeft het model alerts af en opties om ernaar te handelen. Denk bijvoorbeeld aan een voertuigwissel, de versterking van een rit of bijvoorbeeld het hanteren van een andere dienstregeling zoals hierboven beschreven.

Het model heeft nu als werknaam de ‘Corona Ruimte Meter’. Het model is zelflerend en elke maatregel die in acht moet worden genomen kan worden toegevoegd, specifiek voor het gebied waar het geldt.  Zo weet een vervoerder of het aantal zitplaatsen in de komende dagen voldoende is voor de vraag die zich aanbiedt bij de halte en hoe hij kan handelen.

De Corona Ruimte Meter

3. Drukte-indicator en terugmeldingen in reisplanners en MaaS-apps

Ondanks de optimaal ingezette capaciteit, kan het nog steeds kunnen voorkomen dat het (te) druk wordt. Reizigers moeten dit weten, zodat ze hun gedrag kunnen aanpassen. Toch niet reizen, of een bus of trein later nemen?

Een drukte-indicator voor het hele ov in alle belangrijke reisplanners is hiervoor een vereiste. Het model dat deze drukte-indicator maakt, is dezelfde als de Corona Ruimte Meter en moet geavanceerder zijn dan wat nu vaak wordt gebruikt voor drukte-indicators. In deze onvoorspelbare tijden kun je immers niet zomaar naar het verleden kijken en moet je rekening houden met de verwachte vraag én met de (flexibel) in te zetten capaciteit.

Verdere modelontwikkeling en samenwerking tussen vervoerders onderling is daarom een vereiste. Een langgekoesterde wens is om data van reisverzoeken, bijvoorbeeld van 9292, in te kunnen zetten omdat deze een grote voorspellende waarde hebben voor de drukte. Nog mooier wordt het als veelgebruikte planners en apps een terugmeldknop krijgen wanneer reizigers het te druk vinden, en deze gebruikt kan worden om de voorspellingen te verbeteren.

Met nog meer samenwerking en datagestuurd werken wordt de beschikbare ov-capaciteit steeds beter benut. Vervoerders en overheden laten de reizigers allesbehalve aan hun lot over!