Fiets en ITS: train je data-reflex

Duurzaamheid, gezondheid, bereikbaarheid en leefbaarheid zijn enkele van de redenen die we aanvoeren om investeringen in fietsbeleid te verantwoorden. Fietsen draagt bij aan een betere leefkwaliteit. Meer en betere fietsinfrastructuur en stallingen, meer prioriteit bij kruisingen en fiscale stimulansen, alles wat ons bij onze missie kan helpen wordt uit de kast getrokken. Om dit effectief te doen is informatie over de fietser natuurlijk essentieel. Maar hoe gaan we data-gedreven te werk?

Door Ronald Jorna en Robin Kleine, adviseurs bij Mobycon

Bedrijven maken al tijden gebruik van data om concurrentievoordeel te behalen. Luchtvaartmaatschappijen maken uitgebreide profielen van reizigers: met behulp van social media, frequent flyer programma’s en reishistorie wordt gericht geadverteerd en wordt zelfs bepaald met wie de crew een praatje aanknoopt tijdens de vlucht. Autofabrikanten verzamelen allerlei data over het voertuig en het gebruik; van brandstofgebruik en technische staat tot rijstijl en voorkeursroutes. Deze data worden vervolgens gebruikt om hun productieproces en dienstverlening te verbeteren.

Dit levert deze bedrijven sterke concurrentievoordelen op, en niet alleen ten opzichte van elkaar. Dit is namelijk waar wij, fietsprofessionals, het tegenop nemen. Fietsdata zijn niet alleen essentieel voor het verbeteren van fietsbeleid, maar zijn ook belangrijk voor het verantwoorden en dus veiligstellen van nieuwe investeringen. Gelukkig zien we dat fietsdata steeds meer aandacht krijgen. Naast dat er een grote stap is gezet wat betreft teldata met het Open Data portaal Fiets, zien we steeds meer manieren om data over fietsers te verzamelen.

Het gericht verzamelen van data is momenteel de belangrijkste bron voor fietsdata. De toepassing van ITS in het fietsen maakt echter dat er vele nieuwe mogelijke databronnen ontstaan. ITS levert namelijk per definitie data en deze data kunnen, indien op de juiste manier gebruikt en geïnterpreteerd, waardevolle inzichten opleveren. Om deze kansen te pakken moeten we ons allereerst bewust zijn van deze kansen en weten hoe we deze kunnen benutten. Met andere woorden: we moeten onze data-reflex[1] trainen. 

De vier stappen van de data-reflex zijn (zie figuur 1):

1. De data-reflex begint bij het zien van kansen en het zorgen dat data beschikbaar komen. Dit betekent aan de voorkant regelen dat data verzameld worden en je er toegang toe hebt.
2. Je moet de data begrijpen, zowel qua informatiewaarde als hoe het technisch in elkaar zit: wat kun je er mee en wat niet?
3. Data dienen op de juiste manier verwerkt te worden. Hoe zorg je dat je de data omzet in waardevolle informatie? En hoe zorg je dat de data bruikbaar zijn voor anderen zonder dat dit ten koste gaat van de privacy?
4. De laatste stap bestaat uit het delen en inspireren. Door data en technieken te delen bieden we elkaar de kans te leren en nieuwe ideeën te ontwikkelen.

Figuur 1: Data-reflex (bron: Steven Soetens, Provincie Antwerpen)

De data-reflex is een centraal concept in het BITS project, zo laat ook de East Riding of Yorkshire Council zien. East Riding is een gemeente met vrijwel geen fietsvoorzieningen en fietsgebruik. De gemeente wil dit doorbreken door o.a. een fietsbibliotheek in te voeren. Inwoners kunnen een fiets lenen die past bij hun behoeften: van ‘gewone’ fietsen en e-bikes tot allerlei aangepaste fietsen. Fietscoaches helpen ze vervolgens letterlijk op weg. Nu komt de meerwaarde van de data-reflex: door met verschillende sensoren in de fietsen data te verzamelen over fietsgebruik, krijgt de gemeente inzicht in fietsgedrag en kunnen ze gerichter investeren in fietsvoorzieningen. Ook wordt het fietsgebruik op persoonlijk niveau geanalyseerd en de fietscoaches gebruiken deze om hun aanpak te verbeteren. Als iemand plotseling stopt met het gebruiken van de fiets, kunnen ze zo een gesprekje plannen om te zien of er iets aan de hand is en of zij hierbij kunnen helpen. Killing two birds with one stone noemen ze dat daar.

Data zijn vaak een ‘bijproduct’ van ITS-toepassingen. Dynamische fietspadverlichting gaat aan wanneer een fietser wordt gedetecteerd, en gaat na verloop van tijd weer uit. Een mooie toepassingen om energie te besparen en lichtvervuiling tegen te gaan. Maar iedere keer dat een lamp aangaat kan er dus ook een fietser geteld worden. Een app waarmee een VRI voor fietsers op groen wordt gezet kan in combinatie met de regelcyclus van het verkeerslicht ook inzicht geven in het aantal roodlichtnegaties. Verkeerskundigen die ITS-oplossingen aanschaffen voor het verbeteren van de fietscondities in hun stad dienen dus niet alleen te kijken naar het primaire doel van de ITS-toepassing (fietsuitleen, verlichting, kortere wachttijd), maar ook naar andere data die via de ITS-toepassingen kunnen worden verzameld. En dan dienen natuurlijk vervolgens nog de juiste afspraken te worden gemaakt met de leverancier (dataformat, eigendom van de data, frequentie van de data, enzovoort).

Data en technologie zijn niet de oplossing voor alle problemen. Mensen moeten de juiste keuzes maken. Mensen die geloven dat de wereld er beter van wordt als we op een andere manier naar mobiliteit kijken. Data en technologie kunnen ondersteunend zijn bij het creëren van deze betere wereld. Met data kun je beter inspelen op het gedrag en de behoeften van de doelgroep. Maar daarvoor is kennis, kunde en een positief-kritische kijk op technologie nodig. Hoe is het gesteld met jouw data-reflex?