© 2019 by Soda science

Provincie Noord-Brabant

Fietsgedrag analyseren, visualiseren en voorspellen

Nederland is wereldwijd het grootste fietsland. Maar liefst 36% van de Nederlanders ziet de fiets als het belangrijkste vervoermiddel in het dagelijkse leven. Fietsen is daarbij ook het meest duurzame vervoersmiddel en moet daarom worden gestimuleerd. Een juiste infrastructuur welke rekening houdt met de wensen van de fietsers is daarom van groot belang.

Provincie Noord-Brabant

De provincie is verantwoordelijk voor infrastructuur ontwikkeling in Noord-Brabant, ook op gebied van fietsverkeer. Op basis van beschikbare informatie worden beslissingen gemaakt om bijvoorbeeld fietspaden aan te leggen, kruisingen veiliger te maken, en de doorstroom soepeler te laten verlopen.

Het Probleem

Het aantal gegevens beschikbaar om deze beslissingen te maken is veelal beperkt. Er is veel data beschikbaar over losse onderwerpen zoals ongevallen of wegwerkzaamheden. Echter, een compleet overzicht van hoeveel fietsers zich op welk moment waar bevinden ontbreekt. Een aantal initiatieven hebben gepoogd data te verzamelen over fietsgedrag, echter zijn deze vaak niet volledig. Enerzijds zijn er de mobiele apps welke mensen kunnen installeren op hun telefoon welke GPS data verzamelen van fietsgedrag. Het probleem is hier dat maar een kleine selectie van de populatie gebruik maakt van deze apps, wat al snel zorgt voor een niet representatieve steekproef. Anderzijds zijn er de fietstelpunten, ofwel de kabels welke over fietspaden zijn gespannen die tellen hoeveel mensen er overheen rijden. Deze oplossing verzameld data van alle fietsers op ieder moment, echter zijn de plekken waarop deze kabels zijn geïnstalleerd beperkt. Er is behoefte aan compleet inzicht in hoe fietsers door steden bewegen. Voor de gehele bevolking, en overal.

De Oplossing: Machine Learning

In samenwerking met Provincie Noord-Brabant en Breda University of Applied Sciences werken wij aan een oplossing om fietsers in beeld te brengen.

 

Allereerst ontwikkelde wij een visualisatie platform waarop de huidige data sets worden gepresenteerd, zoals rechts te zien is. Dit biedt inzicht in wat er beschikbaar is aan data, en maakt duidelijk hoe we vooruit kunnen kijken naar een completere oplossing. 

 

Vervolgens ontwikkelen wij een machine learning model welke op basis van de beschikbare data voorspeld waar en wanneer hoeveel mensen zullen fietsen. Om dit mogelijk te maken combineren wij data verzameld tijdens de fiets-tel-weken, data verzameld van de fietstelpunten, verkeers data, weer data en enzovoorts. Wij onderzoeken of deze variabelen voorspellende waarde hebben voor de hoeveelheid fietsers welke zich op bepaalde momenten ergens bevinden. Dit deel van de oplossing is op dit moment nog volop in ontwikkeling.

Volg ons: