1 / 36

Nieuwe data voor (nieuwe) OV modellen

Nieuwe data voor (nieuwe) OV modellen. Niels van Oort Ties Brands Erik de Romph. Uitdagingen in het OV. Kosten staan onder druk: lijnen schrappen, frequenties verlagen? Reiziger eist hogere kwaliteit Doelen: Hogere kostendekkingsgraad Hogere bezettingsgraad

miyoko
Download Presentation

Nieuwe data voor (nieuwe) OV modellen

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Nieuwe data voor (nieuwe) OV modellen Niels van Oort Ties Brands Erik de Romph

  2. Uitdagingen in het OV • Kosten staan onder druk: lijnen schrappen, frequenties verlagen? • Reiziger eist hogere kwaliteit Doelen: • Hogere kostendekkingsgraad • Hogere bezettingsgraad Modellen en data helpen het OV verbeteren

  3. Data en modellen • Evaluatie • Analyse • Verbeterplannen • Prognose • Beter en efficiënter OV

  4. Inzicht in kansen Data en modellen helpen te illustreren Functioneren huidige netwerk en dienstregeling Voorspellen toekomstige effecten Financiële en maatschappelijke effecten van: Lage snelheid en doorstroming Suboptimaal netwerk Suboptimale dienstregeling Potentie van verbeteringen Inschatting > €10- €50 miljoen te besparen op OV in Nederland met hogere kwaliteit Voorbeelden Utrecht: 30 s. sneller op corridor: tot € 400.000 minder kosten per jaar Den Haag: 5-15% meer reizigers door hogere betrouwbaarheid Tram Maastricht:> €4 Miljoen /jaar aan maatschappelijke baten door hogere snelheid en betrouwbaarheid Tram Utrecht: :ca. €200 Miljoen aan maatschappelijke baten door hogere snelheid en betrouwbaarheid

  5. Twee dimensies Big Data Voertuigen- snelheid, stiptheid, vertragingen - > GOVIReizigers- in- en uitstappers, overstappers, patronen- > Chipkaart Combinatie- Betrouwbaarheid OV vanuit reizigersperspectief

  6. Gebruik Big Data Evaluatie (terugkijken) Cijfermatig Spreadsheet, business intelligence Geografisch GIS Verkeersmodel Prognose (vooruitkijken) Whatif analyses OV Lite aanpak

  7. Chipkaartdata (1/2) In potentie data over: Instappers Uitstappers Overstappers Elk moment van de dag, week, jaar Tariefsoort Anonimiteit garanderen Beschikbaarheid Welke partij? Keten

  8. Chipkaartdata (2/2) Koppelen aan verkeersmodel: • Zicht op verleden • Grip op de toekomst • Elasticiteitenmethode (unimodaal, snel en goedkoop) • Whatif scenario’s • Halte erbij of samenvoegen • Sneller of frequenter • Ander tarief • Snel inzicht in veranderingen: • Reizigers • Kostendekkingsgraad • Bezettingsgraad

  9. Fictieve data

  10. Fictieve data

  11. Fictieve data

  12. Fictieve data

  13. Fictieve data

  14. Fictieve data

  15. Fictieve data

  16. Fictieve data

  17. Fictieve data

  18. Fictieve data

  19. Fictieve data

  20. Fictieve data

  21. Fictieve data

  22. Fictieve data

  23. Fictieve data

  24. Alle stromen vanuit een specifieke halte Fictieve data

  25. Indicatie kostendekkingsgraad Fictieve data

  26. Reizigers over de dag Fictieve data

  27. HB-patronen Fictieve data

  28. What if?

  29. Overzicht modeltechnieken

  30. OV lite Een unimodale modeltechniek Dus alleen OV wordt gemodelleerd Op basis van elasiticiteiten Dus lagere kosten / reistijd / wachttijd leveren extra reizigers op Netwerkcontext In OmniTRANS

  31. Effectberekeningen (varianten) Frequentieverhoging / -verlaging Snelheidsverhoging / -verlaging Extra haltes / opheffen haltes Doorkoppelingen Verlengen / verkorten van lijnen Aantakken op stations Tariefaanpassingen

  32. Output • Gebruik maken van de outputfunctionaliteiten in OmniTRANS • (Verschil)Plots • Per regio of gebied: • (Verandering in) reizigerskilometers • (Verandering in) aantal reizigers • (Verandering in) kostendekkingsgraad • Grafieken/tabellen

  33. Whatif: Nieuwe route Fictieve data

  34. Whatif: Verhoogde frequentie Fictieve data

  35. Grote uitdagingen in het OV- Data en modellenfaciliterenverbeterproces- Nieuwemogelijkheden door nieuwedatabronnen- NieuwetoepassingenverkeersmodellenAandachtspunt: Beschikbaarheid data Conclusies

  36. Contact Niels van Oort NvOort@Goudappel.nl Artikelen: https://nielsvanoort.weblog.tudelft.nl/ http://www.goudappel.nl/adviseurs/niels-van-oort/

More Related