Als verkeersprofessionals hebben we allemaal wel een idee van wat floating car data zijn. Maar waar we misschien minder bij stilstaan, is dat FCD een allesbehalve homogeen product zijn. Er zijn grote verschillen tussen de leveranciers van data en even zo grote verschillen in de data die zij leveren. Om een beetje wegwijs te kunnen in het aanbod, gaan we kort in op de kenmerken van floating car data.

 
 
Floating car data bestaan in hun ruwe vorm uit gps-gegevens van smartphones, navigatiesystemen en trackingsystemen. Deze zogenaamde probes laten voortdurend weten waar ze zich bevinden: ze zenden dan een eenvoudig berichtje met hun ID, een x/y-coördinaat en een time stamp. De ‘sporen’ die ze hiermee achterlaten vormen de basis voor alle FCD-toepassingen.

Kwaliteit
Dat lijken rechttoe-rechtaan data waarmee een leverancier zich maar moeilijk kan onderscheiden: de berichtjes zijn zoals ze zijn. Maar vergeet niet dat een enkel bericht van een enkele probe niet interessant is – het gaat om de grote getallen. Dit betekent dat er ook op het niveau van ruwe FCD kwaliteitsverschillen zijn.

Een eerste kwaliteitsaspect is het aantal ‘connected’ voertuigen en/of devices waar een leverancier uit put: hoe groot is zijn totale ‘vloot’ aan probes?
Dan is er de vraag hoeveel probes er daadwerkelijk op de weg rijden in het inwingebied. Dit drukken we meestal uit in de dekking of penetratiegraad, oftewel de relatieve omvang van de groep probes ten opzichte van het totale aantal bewegende voertuigen in het inwingebied. In Nederland zal een beetje leverancier een dekking of van vier tot acht procent kunnen bieden.
Een derde kwaliteitsfactor is de frequentie waarmee de probes verplaatsingsgegevens aanleveren: is die per minuut of bijvoorbeeld per seconde? Uiteraard geldt dat hoe hoger de frequentie is, hoe beter.
Tot slot is er de vraag hoe goed een leverancier in staat is om de probe data eruit te filteren die inferieur of onvolledig zijn.

Duidelijk is dat hoe simpel de afzonderlijke brokjes data ook mogen zijn, de kwaliteit van de ruwe FCD als geheel sterk uiteen kan lopen.

Map matching
Veel gebruikers van FCD nemen echter geen ruwe data af, maar afgeleide grootheden zoals reistijden en snelheden. Een eerste bewerkingsslag om tot die grootheden te komen, bestaat uit map matching: het koppelen van de FCD aan een wegenkaart.

Dit is meer dan het sec projecteren van de waarnemingen. Op de gekozen kaart zijn de wegen namelijk opgesplitst in segmenten. Het matchen houdt in dat afzonderlijke waarnemingen in het juiste segment worden geplaatst. Passen ze op basis van hun x/y-positie niet in een segment, dan worden ze uitgefilterd. Zo blijven de gps-signalen van verkeer dat stilstaat bij een benzinestation of van treinreizigers met een smartphone vanzelf buiten de data. Zie ook figuur 1.
 

Figuur 1: In deze afbeelding zijn de afzonderlijke waarnemingen geprojecteerd op een wegenkaart. Duidelijk is dat de data en de map matching nauwkeurig genoeg zijn om te kunnen bepalen welke waarnemingen uitgefilterd moeten worden. Hier zien we bijvoorbeeld stilstaand verkeer bij een benzinestation en op een parkeerplaats – duidelijk onderscheiden van het (rijdende) verkeer op de snelweg ernaast.


 
Met die segmenten zijn we op nog een kwaliteitsfactor. De segmentering is namelijk de basis van alle berekeningen die volgen: reistijden en snelheden worden niet berekend aan de hand van de exacte locatie A en locatie B van een probe, maar op basis van segment X en segment Z waarin een probe zich bevindt. De grootte van de segmenten kunnen per FCD-aanbieder verschillen, variërend van 50 meter tot enkele honderden meters. Uiteraard geldt dat hoe kleiner de segmenten zijn, hoe fijnmaziger en gedetailleerder de FCD. Voor sec verkeersinformatie volstaat misschien een wat grovere indeling, maar voor verkeerskundige toepassingen leveren kleine segmenten duidelijk meerwaarde, omdat ze beter antwoord geven op vragen als: Waar ligt een knelpunt op een route precies? Is dit knelpunt iedere dag hetzelfde? Hoe verloopt dit gedurende de tijd? Enzovoort.

Wanneer de waarnemingen van een probe in de segmenten op de digitale kaart zijn geplaatst, kunnen we de reistijden en gereden snelheden per segment calculeren. Ook kunnen we routes en reistijden over meerdere segmenten bepalen, door deze aan elkaar te koppelen.

Data vergelijken
Een belangrijk aandachtspunt bij het vergelijken en/of uitwisselen van ‘map matched’ FCD van verschillende leveranciers is het gebruikte kaartmateriaal. De ruwe data kunnen namelijk op een verschillende onderlegger worden gematched en dat leidt uiteraard tot kleine verschillen in de waardes – ‘klein’ maar groot genoeg om ervoor te zorgen dat de data niet goed vergeleken kunnen worden.
En ook al gebruiken leveranciers hetzelfde kaartmateriaal, dan nog is er nog de mogelijkheid dat de segmentering verschilt. De grootte van de segmenten kan afwijken, maar ook de begin- en eindpunten van de segmenten.
Voor er data van meerdere leveranciers vergeleken kunnen worden, moeten het kaartmateriaal én de segmenten dan ook nauwkeurig worden afgestemd. Hetzelfde geldt wanneer er data van verschillende komaf binnen één project of toepassing worden gebruikt.

Overigens is er een universele methode om segmentgegevens kaartonafhankelijk met elkaar uit te wisselen, OpenLR. Deze methodiek maakt gebruik van een uitgebreide set Location Referencing Points (LRP). Het begin- en eindpunt van elk segment worden dan beschreven in termen van positieve en negatieve afstand ten opzichte van twee LRP’s: de afstand in meters vanaf een vertrek-LRP en de afstand ten opzichte van een bestemmings-LRP. Het verschil tussen de punten geeft de positie en lengte van het OpenLR-segment weer.

Wanneer een leverancier als basis het OpenLR-formaat gebruikt, zijn de segment-snelheden/reistijden per definitie niet gebaseerd op of afhankelijk van welk kaartmateriaal dan ook. Dit kan voor een enkele toepassing beperkend zijn, bijvoorbeeld wanneer er ‘micro-inzicht’ nodig is in een binnenstedelijk gebied. Voor veel andere toepassingen, zoals navigatie-informatie en het berekenen van reistijden voor DRIP’s, voldoet OpenLR echter uitstekend.

Real-time en historische FCD
Dan nog een laatste opmerking over de verschillende verschijningsvormen van floating car data: de meeste leveranciers bieden die zowel real-time als historisch.

Vooral voor toepassingen gerelateerd aan verkeersmonitoring en verkeersmanagement is het zinvol om real-time inzicht te hebben in de actuele situatie. Die constante stroom aan gegevens kan bijvoorbeeld via een zogenaamde API direct in applicaties worden gebruikt. De data kan ook met een datafeed worden binnengehaald.

Ten behoeve van analyse en onderzoek is het juist nuttig om ook de historie van een specifiek segment of een specifieke route inzichtelijk te maken. Veel FCD-leveranciers hebben er om die reden voor gekozen de FCD in ruw of verrijkt formaat op te slaan, zodat deze op een later moment kan worden geraadpleegd, bijvoorbeeld via een (webbased) tool. Zo kan voor vrijwel elk willekeurig segment of traject op elk willekeurig moment in het verleden inzicht verschaft worden in bijvoorbeeld de gemiddelde reistijd en/of snelheid.

 

De kracht van FCD

 

De waarde van kwalitatief hoogwaardige floating car data komen pas goed uit de verf in de toepassingen. In bijgaand tijd-wegdiagram zijn de FCD grafisch uitgezet over de assen tijd en afstand. Door deze visualisatie dynamisch en real-time te presenteren in verkeerscentrales, kunnen wegverkeersleiders de ‘kiem’ van een file al zien aankomen nog voordat de detectielussen een file zien. Een belangrijk voordeel van FCD is namelijk dat er ook tussen de lussen in gemeten wordt. Bij FCD zijn we immers niet afhankelijk van de posities waarin de lussen geprojecteerd zijn.

 

_____

De auteur
Andy Berkouwer is business consultant bij Be-Mobile.

Comments are closed.