Ov-data wereldwijd omarmd

"Want laten we ons kleine landje wel in het perspectief zien van metropolen als Tokio, Hongkong en Seoul met hun enorme inwonersaantallen en intensieve ov-systemen. En laten we ook niet vergeten dat ons landelijke systeem nog steeds last heeft van blokkades tussen vervoerders en concessies, wat integrale ov-analyses van ketens lastiger maakt. Ik sta dus te watertanden als ik zie hoe ov-autoriteit Transport for London data van hun 20 vervoerders opeist en ter beschikking stelt aan onderzoekers. Al sinds 2005 vertaalt het MIT uit Boston Londense big data in waardevolle kennis om het ov beter en efficiënter te maken: wanneer reizen mensen, hoe vaak, waar stappen ze over, et cetera. Dat doet MIT ook voor andere steden met massa’s data, zoals Hongkong. Zo ontstaan inzichten die helpen een betere dienstregeling te ontwerpen, met bijvoorbeeld de juiste directe verbindingen of gegarandeerde overstappen.

Een open, rijke en volledige dataverzameling is het voorland waar ook Nederland in mee moet. Dat big data geld en passagiers opleveren weten we al uit eerder beschreven projecten in OV-Magazine. Ik ben dan ook erg blij dat MIT, naast TU Delft en Universiteit Wageningen, partner is van de nieuwe derde universiteit van Amsterdam: Institute for Advanced Metropolitan Solutions (AMS). Het zal leiden tot nog meer methoden en technieken om van al die bits en bytes nuttige mobiliteitskennis te maken met visualisaties die passen bij het ontwerp van en besluitvorming over openbaar vervoer.

De tweede reden waarom Nederland positief opviel tussen het grote-stedengeweld is nog belangrijker. Waar veel onderzoekers zich richten op het heden en verleden, proberen wij vooral ook vooruit te kijken. Big data koppelen aan voorspellende modellen. Wat zijn de reizigerseffecten als netwerk of dienstregeling worden aangepast? Met kortetermijnprognoses en -optimalisaties voegen we nieuwe hoofdstukken toe aan de internationaal befaamde Nederlandse planningstraditie.

Uit Japan nam ik volop inspiratie mee voor toepassing in Nederland. Waarom moet bijvoorbeeld de dienstregeling voor de ochtendspits overal op hetzelfde tijdstip starten? Chileense onderzoekers ontdekten structurele verschillen tussen het begin van de ochtendspits op wijkniveau. Of de kracht van het koppelen van databronnen, zoals het weer. Planners in Montreal weten steeds beter hoe druk het zal zijn in de metro als er sneeuw wordt verwacht. Dat leidt tot een slimmere capaciteitsplanning. Of die Japanse supermarkt die zijn klantenbetaalkaart voorzag van een ov-functie. Dat leerde de winkelketen bijvoorbeeld dat ouderen het ov links laten liggen. Goed om te weten voor zowel de marketing als de ontwerpers van ov.

De smartcard workshop herbevestigde de enorme potentie van big data, maar bedenk wel: ook al heb je door data het menselijk gedrag steeds scherper in beeld, de cruciale waarom-vraag van dit gedrag is niet te ‘berekenen’. Beter ov maken blijft een vak. Maar open data helpen enorm."

Niels van Oort is assistant professor OV bij de TU Delft en werkt als adviseur bij Goudappel Coffeng.