Het regent nu, dus ik ga over een uur maar niet sporten

Met weersvoorspellingen vinden we het normaal om onze activiteiten af te stemmen op de voorspelling. We willen dus weten of het over een uur regent op het moment dat je wilt gaan (buiten) sporten. Met navigatiesystemen werkt het nog steeds als volgt: we stemmen ons gedrag af op de huidige situatie, maar niet op de situatie die wordt verwacht. Hoe mooi zou het zijn als je als automobilist weet hoe de verkeerscondities zijn op de bestemming tegen de tijd dat je daar arriveert? Je wilt het liefst een advies dat rekening houdt met de veranderende situatie tijdens je reis en je hebt er niets aan om te weten dat er nu een file staat in de buurt van je bestemming. Dit gebrek aan effectieve voorspellingen gaat niet alleen op voor navigatiesystemen, maar is ook de dagelijkse praktijk in het verkeersmanagement. Met real-time predictie kan wél de stap gezet worden naar anticiperen in plaats van reageren. De tijd lijkt hier – ook beleidsmatig - rijp voor. Er wordt druk gewerkt aan het op orde brengen van de benodigde data, zie Smart Mobility Dutch Reality (oktober, 2018).

Real time predictie

Voorspellen is de normaalste zaak van de wereld. Binnen de sector verkeer en vervoer, maken we al decennia voorspellingen voor de lange termijn om te kunnen anticiperen op de toekomst. Nederland heeft een wereldwijde reputatie op dit gebied. Binnen het verkeersmanagement beïnvloeden en regelen we het verkeer wat al op weg is om het mobiliteitssysteem zo goed mogelijk te laten functioneren. Hierbinnen gebruiken we echter niet of nauwelijks voorspellingen. De nadruk ligt vooral  op het verbinden en centraal aansturen van maatregelen om een beter inzicht te krijgen van wat er buiten op straat gebeurt. Dit vooral om direct te kunnen ingrijpen zodra zich problemen voordoen en om de reiziger beter te kunnen informeren. Real time voorspellingen voor het komende uur bieden de kans te anticiperen met maatregelen in het netwerk vóórdat zich problemen voordoen. Dit is dus real time predictie.

Verzamelen data 

De laatste jaren is er een hausse aan beschikbare real time mobiliteitsdata en wordt actuele verkeersinformatie bij de weggebruikers gebracht. Ook private service providers zijn zeer actief in het verzamelen van data. Binnen het Europese platform TrafficManagement2.0 is een raamwerk ontwikkeld waarin wordt voorzien dat publieke en private partijen samenwerken aan een gemeenschappelijk beeld van de werkelijkheid en hoe die werkelijkheid zich ontwikkelt op de korte termijn, tot ongeveer een uur vooruit en gezamenlijk met zogenaamde services (maatregelen wegkant en in-car) het functioneren van het mobiliteitssysteem te verbeteren. Daarvoor is publiek/private samenwerking een voorwaarde, zoals dat al gebeurt het Europese project Socrates2.0. Hier worden van publieke en private partijen alle beschikbare data gebundeld waarmee het nog beter mogelijk wordt binnen verkeersmanagement te voorspellen.  Maar ook zonder die samenwerking kan real time predictie nu al van meerwaarde zijn voor het huidige verkeersmanagement.

Reactief 

Verkeersmanagement is vandaag de dag vooral gericht op het meten van de huidige situatie en daar reactief op te reageren door in te grijpen. Toeritdoseerinstallaties zijn een praktisch voorbeeld van maatregelen waarin geprobeerd wordt te voorkomen dat files ontstaan op het hoofdwegennet, omdat we weten dat de doorstroming slechter wordt bij files (capaciteitsval) en er een sterke reductie van het verkeer nodig is om weer uit een filesituatie te komen (hysterese). Binnen de Praktijkproef Amsterdam West is heel bewust vanwege deze fenomenen getracht te voorkomen dat er files zouden ontstaan op het hoofdwegennet door maatregelen (VRI’s en TDI’s) op netwerkniveau te verbinden, onder andere door verkeer ook op afstand te bufferen op locaties waar ruimte was. Dit vindt nog steeds plaats op basis van actueel beschikbaar gemeten data. Wanneer we vanuit die actuele situatie vooruit kunnen kijken, zijn de mogelijkheden om in te grijpen of bij te regelen groter. 

Proactief 

Zo kan niet alleen voorspeld worden waar zich waarschijnlijk files gaan vormen, maar kan op die situatie ook eerder – proactief - worden geanticipeerd. Mogelijk kunnen ze zelfs voorkomen worden, omdat er meer tijd beschikbaar is om niet alleen lokaal, maar ook op andere locaties in het netwerk in te grijpen. Hierdoor heeft de verkeersmanager meer mogelijkheden om het totale netwerk te managen waarin maatregelen samenwerken. Een concreet voorbeeld is dat we door betere reisinformatie reizigers al voordat vertragingen ontstaan via alternatieve routes kunnen sturen. Zo wordt sluipverkeer voorkomen. Voorspellen helpt ook om het moment van afschalen van maatregelen en de teruggang naar ‘normaal’ beter te bepalen waardoor maatregelen niet langer dan noodzakelijk worden ingezet. Bovendien kan de inzet van maatregelen mede worden bepaald, afhankelijk van de verwachte effectiviteit in de nabije toekomst en biedt het dus de mogelijkheid om maatregelen vooraf af te wegen en te optimaliseren. 

Effectiviteit

De beschikbaarheid van real time voorspellingen biedt ook meer tijd om met serviceproviders de maatregelen en services af te stemmen. Digitalisering van VM-scenario’s is hiervoor een voorwaarde, de impact hiervan wordt momenteel beproefd in het kader van SmartWayZ.NL. Dit alles kan tot een sterke verbetering van de effectiviteit van verkeersmanagement leiden. In de wetenschap wordt al sinds begin van dit millennium onderzoek gedaan naar zogenaamde model-predictive control waarbij voorspellingen worden gebruikt om mobiliteitssystemen te optimaliseren met behulp van verkeersmanagementmaatregelen. Deze onderzoeken laten in laboratorium settings zien dat grote winsten haalbaar zijn (voorbeelden met circa 20 procent reductie van vertragingen zijn bekend).

Klaar voor de praktijk 

Real time voorspellen geeft dus meer mogelijkheden, en niet alleen in theorie. Op lokaal niveau wordt het al enige tijd in toenemende mate toegepast. Zoals bijvoorbeeld binnen Talking Traffic en de pilot wachtrijvoorspellingen in de provincie Noord-Holland waarbij verkeerslichten, lokaal of op corridors, worden geoptimaliseerd op basis van korte termijn voorspellingen van enkele minuten vooruit. Op netwerkniveau moet je verder vooruit kijken, maar ook daar is al een aantal voorbeelden. Al jaren geleden zijn toepassingen beproefd en geïmplementeerd zoals ‘Het Alkmaar Regel Systeem’ (HARS) en Sensor City Assen, en meer recent toepassingen van de Verkeersonderneming Rotterdam, de iCentrale Provincie Noord Holland, CHARM PCP Rijkswaterstaat en Highways England, Socrates2.0 en Slim regelen Deventer. 

De wetenschap heeft laten zien dat door het meenemen van kennis van voorspellingen significante winst kan worden behaald. De tijd lijkt nu rijp om real time predictie toe te gaan passen om de stap te kunnen gaan zetten naar anticiperend netwerkmanagement in de praktijk. Al is het maar zodat je weet dat het over een uur niet regent, als je wilt gaan sporten.