floating car data; het juiste verhaal

Als je wilt weten wat er gebeurd is op een groot feest, dan is het niet handig om dat aan enkele willekeurige aanwezigen te vragen. Iedereen heeft immers zijn eigen waarneming. Ook tijd speelt een belangrijke rol. De kans dat je heel verschillende verhalen te horen krijgt is groot. Voor een verslag van een feest is dat geen echt probleem. Weinig mensen zullen geïnteresseerd zijn in wat de gemiddelde waardering van het feest was. Een sprekend verhaal is vaak leuker om te lezen.

Bij mobiliteit en vertraging ligt dat anders. Is het nu echt heel druk op een bepaalde weg? Of is dat die enkele waarneming van de wethouder die net naar het stadskantoor reed? En moet je daar dan je beleid op baseren? Een aanpak die vaak wordt gekozen is om met enkele voertuigen in de stroom mee te rijden. Er zijn echter nogal wat voertuigen nodig om het juiste verhaal te vertellen en daarmee ontstaat een tegenstelling. Hoe meer “waarnemers”, des te groter de invloed op de drukte. En dat is, los van de statistische betrouwbaarheid, natuurlijk niet wat je wilt.

Met floating car data, waarbij de auto (of de fiets bij floating vehicle data) zelf de sensor is, is het zonder verstoring van de verkeersstroom mogelijk om honderden tot duizenden waarnemingen te maken. En als het ergens druk is, dan zijn er altijd wel voldoende voertuigen voor een betrouwbare meting. Dat bleek bijvoorbeeld bij een recente analyse die we uitvoerden bij de Amsterdam-Arena. Bezoekers van Nederland-Spanje veroorzaakten niet alleen drukte rond de Arena maar ook aanzienlijke vertraging van het verkeer op de snelwegen op grotere afstand dan verwacht. Dat verhaal konden we vertellen met behulp van floating car data.