Verkeersmodellen van de toekomst bevatten multimodale ketens

Een verkeersmodel wordt gevoed met allerlei verschillende data. Denk aan aantal inwoners, aantal arbeidsplaatsen, de infrastructuur en resultaten uit enquêtes over verplaatsingsgedrag. Met deze data gaat het model rekenen. Het resultaat is inzicht in hoeveel mensen op een bepaald moment op een bepaalde plek aan het reizen zijn én met welk(e) vervoersmiddel(en). Deze modeluitkomst wordt getoetst aan metingen en steeds vaker blijkt dat deze metingen niet overeenkomen met wat het verkeersmodel heeft voorspelt. En dat maakt het voor beleidsmakers heel lastig om hun werk goed te doen. Want aan welke knoppen moet je dan draaien als je een bepaald effect wil bereiken, denk aan het verminderen van files of het stimuleren van fietsen?

Agent based

Tot aan 2015 werden vele verkeersmodellen in Nederland nog volgens het trip-based-principe gebouwd, waarbij elke verplaatsing geheel solitair word beschouwd. Vanaf 2016 zijn meer en meer modellen opgeleverd die werkten volgens het geavanceerdere tour-based-principe. Bij tour-based wordt onder meer geborgd dat een verplaatsing over de gehele dag een logische keten is. Dus wanneer je ’s ochtends met het ov naar je werk gaat, je voor de terugweg dan waarschijnlijk ook met het ov zal gaan omdat je geen privé-auto tot je beschikking hebt. 

De meeste nieuwe modellen die in Nederland van de band rollen, werken veelal volgens dit tour-based-principe. Deze modellen laten een betere beschrijvende kwaliteit zien. De wens om het nog beter te doen, blijft natuurlijk bestaan en geregeld wordt agent-based modelleren als vervolgstap genoemd. Dit betekent, kort door de bocht, dat aanvullend op het tour-based-principe elk individu apart wordt gemodelleerd op basis van lotingen uit verdelingen over persoonstypen, te vergelijken met microsimulaties

“Voor een agent-based-verkeersmodel heb je veel data nodig en meer rekenkracht. Het model wordt complexer, maar vooral de dataverzameling is een aandachtspunt”, vertelt Robin Huizenga van PTV Group. “Maar er is een andere mogelijkheid om de beschrijvende kwaliteit te verbeteren zonder veel extra data of rekentijd”.

Voor- en natransport wordt diverser en langer

“In vergelijking met vroeger bestaat onze reis namelijk uit steeds meer combinaties van verschillende vervoermiddelen. In veel verkeersmodellen wordt het voor- en natransport alleen indirect en gegeneraliseerd meegenomen. Terwijl mede door de komst van deelmobiliteit, waaronder naast deelauto’s ook elektrische scooters en fietsen, de alternatieven toenemen, de reissnelheden sterker gaan verschillen en langere afstanden acceptabeler worden. Ook wordt overstappen gemakkelijker en comfortabeler gemaakt door de inmiddels vele beschikbare apps en de realisatie van hubs. Voor- en natransport wordt daarmee steeds belangrijker bij de keuze van het (hoofd)vervoermiddel. Om een model beter de keuze te laten schatten moet dus het totale systeem, inclusief voor- en natransport en de overstappunten, expliciet meegenomen worden. De nieuwe vormen van voor- en natransport en verbeterde overstap zijn vaak ten voordelen van openbaar vervoer, wat één van de redenen is dat ov-gebruik onderschat wordt in modellen waarin deze niet expliciet meegenomen worden.”  

En voor wie die nu denkt dat gedeeld gebruik in nog niet zo’n vaart loopt, ook los van opkomst van deelmobiliteit neemt onze multimodaliteit al toe, weet Huizenga.” Bijvoorbeeld het niet beschikbaar en/of onbetaalbaar worden van parkeervoorzieningen in het centrum van Amsterdam, zorgt dat mensen buiten de ring gaan parkeren en met openbaar vervoer of (vouw)fiets het centrum in gaan. Ook dit is een multimodale verplaatsing die expliciet gemodelleerd moet worden om het effect goed te laten landen in onze verkeersmodellen.” 

Wordt de Multimodale Toedeling de nieuwe innovatie?

Gelijk aan het laagdrempelig aanbieden van tour-based in 2015 biedt PTV in haar software PTV Visum standaard, zonder meerkosten, de functionaliteit voor multimodaliteit aan. Dit zal de beschrijvende kwaliteit van de modellen in Nederland (nog) verder verbeteren zonder veel nieuwe eisen te stellen aan de benodigde data of een grote investering te vergen in tijd en geld.