De modelsoftware van morgen: vijf vereisten

Ook PTV Group, grote Europese speler op het terrein van mobiliteitssoftware, houdt de vinger aan de modellenpols. Hoe ontwikkelt onze markt zich technologisch gezien, wat wil de klant en wat vraagt dat van de modellen? Op verzoek van NM Magazine benoemt de auteur, business manager bij PTV Group, vijf vereisten voor de modelsoftware van morgen.

 

 
De wereld van de verkeersmobiliteit zoals wij die vandaag de dag kennen staat voor de grootste omwenteling sinds de uitvinding van de verbrandingsmotor. Voor de generatie na ons, maar zeker voor de generatie daarna, zal ons mobiliteitssysteem er echt heel anders uitzien. Een auto met stuurwiel? Tja, daarvoor moet je tegen die tijd toch echt naar een van de automusea die ons land rijk is.

Hoe zorgen we ervoor dat we te midden van deze omwenteling nog fatsoenlijk beleid kunnen formuleren? Of specifieker, in de context van deze uitgave van NM Magazine: waar moeten onze beleidsondersteunende prognosemodellen en simulatiemodellen aan voldoen om relevant te blijven? Zonder te pretenderen volledig te zijn, benoemen we in deze bijdrage vijf vereisten van de modellen van morgen.

Geschikt voor veel (soorten) data
De mobiliteitsomwenteling gaat gepaard met een datarevolutie: miljoenen devices genereren terabytes aan data. Denk aan mobiele telefoons: telkens als een toestel een andere zendmast aanspreekt, genereert dat toestel data. Die verplaatsingsgegevens zijn ideaal om je verkeersmodel te kalibreren, maar dan heb je wel software nodig die van die data bruikbare informatie maakt en verwerkt in een klassiek verkeersmodel. Hetzelfde geldt voor de gegevens die geconnecteerde voertuigen en drones genereren.
De hedendaagse software kan al veel van deze data verwerken – zie het artikel over Stravem verderop in deze uitgave – maar de verschillen tussen softwareplatforms zijn groot en zullen nog groter worden. Bovendien kent elke revolutie voorlopers die de nieuwe mogelijkheden omarmen en achterblijvers die blijven hopen op betere tijden.

Circulair ecosysteem
Het begrip circulaire economie kennen we al wat langer, maar ook p het gebied van data moeten we hergebruik vooropstellen: we moeten toe naar een circulair (eco-) systeem voor verkeerskundige data en informatie.
Veel overheden en bedrijven merken dat de gegevens die ze genereren en gebruiken in hun werkzaamheden, óók nuttig zijn voor andere partijen – soms partijen uit een heel ander domein. Veel overheden hebben daarom open-dataplatformen opgericht, waarbij ze dikwijls (en terecht!) vragen om verrijkte data terug te brengen naar het platform: data-for-data-contracten. Bij bedrijven leiden de kansen van hergebruik vaak tot een data selling departement, die data en informatie proberen te verkopen.
Ook in de wereld van verkeersmodellen is die circulariteit inmiddels gemeengoed. Waar vroeger een groot deel van het projectbudget opging aan het verzamelen van project-specifieke data zoals tellingen, huishoudenquêtes en opmetingen, bestaat de start van een modelleringsproject nu vooral uit het combineren van data uit tientallen of misschien wel honderden verschillende bronnen. Dit heeft als bijkomend effect dat dezelfde data in meerdere projecten gebruikt worden, wat zorgt voor een grotere consistentie tussen projecten. Dat valt alleen maar toe te juichen.

Eén softwareomgeving
Een derde ontwikkeling dan wel vereiste: we zien een beweging naar één softwareomgeving die alle studies op operationeel, tactisch en strategisch kan verbinden, heen en weer voedt met informatie en onderling laat interacteren, en dus beïnvloeden.
Dat begint echt noodzaak te worden, al was het maar omwille van de consistentie. Verkeersbeleid kan immers alleen werken als het consistent is over alle niveaus heen. Een voorbeeld is de impact van de deeleconomie op ons verkeer. Meer strategische studies als de Lisbon Study en de vervolgstudie in Helsinki laten zien wat de gevolgen op lange termijn kunnen zijn – en uitgaande van die studies mogen we dromen van meer dan een halvering van verkeer tot het vrijkomen van 210 voetbalvelden aan ruimte in de stad. Maar hoe zal het er in de praktijk aan toe gaan? In een vervolgstudie heeft het ITF gesimuleerd wat de mogelijke impact van pick-up & drop-off-zones is op de doorstroming. Uit die operationele studies blijkt dat zelfs bij een lage penetratiegraad van ride sharing er een ernstige verstoring kan optreden van de doorstroming, afhankelijk van hoe het oppikken en wegrijden wordt georganiseerd. Dit proces is exemplarisch voor het bestuderen van de gevolgen van een maatschappelijke trend op alle niveaus, van operationeel niveau tot strategisch niveau, en van korte tot zeer lange termijn. De verschillende verkeersmodellen die op deze niveaus gebruikt worden, moeten echt onderling consistent zijn.
Softwareaanbieders gaan meer en meer toe naar geschakelde softwareoplossingen waarbij gemakkelijk en zonder dataverlies tussen de lagen geschakeld kan worden.

Impact nieuwe technologie voorspellen
Een vierde punt dat we willen benoemen betreft de nieuwe technologie die op ons af komt: een verkeersmodel moet daarvan de impact kunnen voorspellen. Hoe simpel dit ook verwoord is, eenvoudig is het allerminst. De technologie zelf blijft veranderen en is dus geen gegeven. Maar ook de gebruikersacceptatie (wordt de technologie wel opgepikt?) is een lastige. Het is maar net aan wie je het vraagt: de een denkt dat we binnen vijf jaar allemaal in een autonome auto rijden, de ander verwacht nog eerder dat het paard en wagen terugkomen. De waarheid zal ergens in het midden liggen, maar wat we van verkeersmodellen vragen, is om inzicht te geven in die vele mogelijke ‘toekomsten’.
Veel modelscenario’s worden dan ook niet meer gebouwd om het meest waarschijnlijke toekomstscenario door te rekenen, maar eerder om extreme scenario’s door te rekenen – om de impact te verkennen van een scenario dat wellicht nooit zal gebeuren. Zelfs de grootste non-believer moet de impact van autonome en gedeelde automobiliteit bestuderen, om dan pas te kunnen aantonen waarom dit nooit zal gebeuren. Een openbaar-vervoerplan dat geen rekening houdt met de rol van on-demand shuttles in toekomstig ov is geen toekomstbestendig ov-plan, en een stationsontwerp dat geen ruimte voorziet voor deelfietsen is achterhaald voor het gebouwd is. De verkeersmodellen moeten kunnen aantonen hoe het zou kunnen functioneren.

Holistische benadering
Als vijfde en laatste punt stellen we graag vast dat de markt meer en meer vraagt om een holistische benadering. Bij veel verkeerskundige vraagstukken zijn we immers niet alleen geïnteresseerd in het verkeer zelf, maar ook in aspecten als luchtkwaliteit, geluidsemissies, elektriciteit en economische effecten. Elektriciteit is een logische component als je je bedenkt dat de komst van autonome voertuigen mogelijk hand in hand gaat met elektrificering en dat deze voertuigen niet allemaal op hetzelfde moment opgeladen kunnen worden. Wat economie betreft: een afnemend autobezit zal er vanzelf toe leiden dat er parkeerplaatsen komen te vervallen, met inkomstenderving tot gevolg. Ook zullen we minder auto’s bestellen, waardoor het verdienmodel verandert van betalen voor bezit naar betalen per gebruik. Dit kan er weer toe leiden dat bedrijven gaan handelen volgens het credo ‘de klant verleiden zoveel mogelijk kilometers te maken’, om zo winstgevend te blijven. De overheid moet ook op deze economische effecten zien te sturen én de veiligheid, leefbaarheid en bereikbaarheid blijven waarborgen.

Tot slot
Verkeersmodellen en simulatietools worden steeds belangrijker om grip te houden op het verkeerssysteem en alles wat daarmee samenhangt. De software voor verkeersmodellen is de afgelopen jaren sterk geëvolueerd om klaar te zijn voor de vragen van morgen. Ons mobiliteitssysteem kan verschillende richtingen uit, afhankelijk van de keuze die beleidsmakers vandaag maken. Het is dus meer dan ooit belangrijk om de juiste tools in te zetten om deze vragen te beantwoorden. Maar let op: zoals bij elke revolutie zijn er koplopers en achterblijvers. Blijf dus kritisch kijken naar de software die wordt gebruikt, want zonder goede modelsoftware is goed mobiliteitsbeleid lastig.

___

De auteurs
Robin Huizenga is Business Manager Traffic PTV Group.