Nauwkeuriger vrachtverkeerprognoses met ‘big data’ uit wegennet
Voorspellingen over het toekomstige weggebruik door vrachtverkeer zijn erg belangrijk voor beleidsmakers. De gegevens voor deze voorspellingen, zijn tot dusver veelal verzameld aan de hand van vragenlijsten die statistiekbureaus opsturen naar bedrijven in de transportsector, soms gecombineerd met databases die bedrijven bijhouden over het vervoersgedrag van hun werknemers. Voor bedrijven is het invullen van de vragenlijsten niet alleen tijdrovend, de resultaten zijn vaak ook niet erg nauwkeurig. Niet alle bedrijven rapporteren hun ritten namelijk even gedetailleerd of even vaak.
Detectielussen
De systemen die het wegennet monitoren produceren dan wel enorme hoeveelheden potentieel nuttige data over weggebruik, maar die gegevens zijn lastig onderling vergelijkbaar, zegt Ma. Detectielussen in het wegdek bijvoorbeeld meten het verkeer slechts op één locatie, maar ze registreren wel de lengte van een voertuig. Camera's die boven de weg hangen en kentekenplaten lezen, kunnen goed een voertuig traceren tussen meerdere punten, maar zijn slechts op een beperkt aantal wegen ingezet.
Ma ontwikkelde een statistisch model waarmee de enorme hoeveelheid gegevens uit al die verschillende bronnen kan worden gecombineerd met de uitkomsten van de traditionele vragenlijsten. Met dat model kan het CBS, dat haar promotieplaats heeft gefinancierd, nu veel gedetailleerder de vraag naar vrachtvervoer voorspellen voor een bepaalde plaats en tijd.
Meerdere gegevensbronnen
De traditionele vragenlijsten zullen waarschijnlijk niet verdwijnen, zegt de onderzoekster. Hoe waardevol de ‘big data’ van verkeerstoezichtsystemen ook zijn, in de toekomst zullen onderzoeken onder weggebruikers nog steeds nodig zijn om te weten te komen wat het doel van een rit is en hoe weggebruikers in de hun ritten combineren, stelt Ma.

Yinyi Ma promoveert op 3 juni aan de Rotterdam School of Management, Erasmus University (RSM)
Reactie plaatsen •