fiets.png
Provider image

Verkeersmodellering en “digital twin”-toepassingen spelen een steeds grotere rol bij het begrijpen en verbeteren van de verkeerssituatie in steden en gemeenten. De gemeente Breda past dergelijke technologieën al toe om het fietsverkeer te analyseren en te optimaliseren. Hun ervaringen kwamen aan bod tijdens een studiereis naar Nederland die VVSG maakte in het kader van een ERASMUS+ uitwisseling.

Verkeersmodellen bestaan al geruime tijd. Ook de Vlaamse overheid en verschillende Vlaamse steden en gemeenten hebben er ervaring mee. Het gaat over een complex proces waarbij wiskundige en statistische technieken worden gebruikt om het verkeersgedrag en de verkeersstromen te begrijpen en te voorspellen. Voor fietsverkeer was dat tot nog toe niet eenvoudig, wegens het gebrek aan betrouwbare gegevens  die helpen om knelpunten of gebruikte routes te identificeren. Door het gebruik van verschillende apps en datastromen die gegenereerd worden uit oa deelfietsen en -scooters, kunnen steden en gemeenten een beter inzicht krijgen in het fietsverkeer en nagaan hoe het zich verhoudt ten opzichte van andere verkeersstromen en -patronen, reistijden, congestie en andere factoren die het beïnvloeden.

Digital twin van fietsverkeer

De stad Breda spreekt van een “digital twin” rond fietsverkeer. Een digital twin is een virtuele replica van een fysiek object, systeem of proces. Het verkeersmodel is specifiek gebouwd om het fietsverkeer beter te begrijpen en te voorspellen, op basis van betrouwbare gegevensstromen die iets kunnen leren over het gedrag van fietsverkeer of het gedrag van andere verkeersdeelnemers die dat mee beïnvloeden? De digital twin omvat informatie over fietsroutes (uit twee apps, met telkens een 2000 actieve gebruikers) , fietspaden, verkeerslichten, fietsenstallingen en andere relevante infrastructuurelementen, maar bijvoorbeeld ook data van sensoren uit deelscooters en auto’s. Via een automobielgroep en bandenfabrikant krijgt men inzicht in “remdata”, die gerelateerd aan fietsroutes mogelijk een beeld opleveren van de verkeersveiligheid. Het model stelt de administratie in staat om, op een eenvoudige manier, in de berg data op zoek te gaan naar interessante combinaties (welke routes gebruiken fietsers vooral en dient het winterstrooiplan daarop aangepast? Welke fietsparkeervoorzieningen functioneren beter dan andere door hun ligging ten opzichte van fietsroutes?. Dat blijft voorlopig wel een zoektocht waarin de stad Breda tijd investeert, binnen de dienst mobiliteit. De digital twin levert nog geen volledig virtueel beeld op van alle voorzieningen  of activiteiten in de stad, over de verschillende stadsdiensten heen. Dat is misschien wel de wens op termijn, maar er is kennis nodig om interessante patronen te herkennen in de grote hoeveelheid dat en nieuwe toepassingen te ontwikkelen.

Interessant voor de Vlaamse lokale besturen?

Hoe kunnen Vlaamse lokale besturen aan de slag gaan of ontzorgd worden als ze met fietsverkeermodellering en “digital twin” willen starten?

  1. Zoek partnerschappen met omliggende gemeenten of op vervoerregioniveau en maak gebruik van reeds bestaande data: De gemeente Breda zorgt ook voor het up-to-date houden van de digital twin in de naburige gemeenten. Op die manier worden kleiner besturen ontlast en kunnen kleinere mobiliteitsdiensten op  een eenvoudige manier aan de slag met deze data voor beleidsdoeleinden.

    Ook centralere overheden werken volop aan het up-to-date houden en brengen van verkeersdata. Op vervoerregionaal niveau denken we bijvoorbeeld aan de Mobiliteitsmonitoring (MoMo), maar ook Vlaamse projecten als Mobilidata kunnen hier op termijn interessante inzichten bieden. Ook de provincies bundelen heel wat generieke cijfers rond mobiliteit via provincie in cijfers.
     
  2. Verzamel gegevens: Begin met het verzamelen van relevante gegevens over het fietsverkeer in uw stad of zelfs de vervoerregio. Dit kan gebeuren via fysieke tellussen en camera’s, tracking-apps, enquêtes of andere methoden en (commerciële) databronnen. Verzamel gegevens over verkeersstromen, fietsinfrastructuur, wachttijden, bezetting van fietsparkeervoorzieningen en eventuele knelpunten.
     
  3. Analyseer en modelleer: de verzamelde gegevens kunnen het verkeersmodel voeden en verfijnen en laten je toe het fietsverkeer te analyseren. Identificeer knelpunten, congestiegebieden en mogelijke verbeteringen. Door aanpassingen door te rekenen in het fietsnetwerk of de weginfrastructuur krijg je inzicht in mogelijke toekomstscenario's.
     
  4. Implementeer “digital twins”: samenwerken met technologiepartners laat toe om gegevens uit bijkomende bronnen te integreren, zoals bijkomende sensoren en verkeerslichtsturingen, data van gemotoriseerd verkeer,… Die stellen je in staat om mogelijke plaatsen voor incidenten te detecteren en verkeersstromen van fietsers en  gemotoriseerd verkeer verder te optimaliseren.

Op basis van de analyses en simulaties uit de verkeersmodellering en digital twin kan de stad, gemeente of vervoerregio haar actieplan voor het verbeteren van het fietsverkeer concreet onderbouwen en de effecten trachten in te schatten. Dat maakt het makkelijker om prioriteiten te identificeren. Door opnieuw data te verzamelen over de nieuwe, aangepaste verkeerssituatie wordt de digital twin bijgewerkt met nieuwe gegevens, kan het actieplan opnieuw verbetert worden, enz.

Door verkeersmodellering en “digitale twins” te gebruiken, kunnen Vlaamse lokale besturen een beter inzicht krijgen in het fietsverkeer, knelpunten identificeren en gerichte verbeteringen doorvoeren. “Digital twins” staan nog aan de beginfase. Het is belangrijk om samen te werken met technologiepartners en experts op dit gebied om de benodigde gegevens te verzamelen, de modellen te ontwikkelen en de implementatie succesvol te laten verlopen, maar ook binnen elke dienst ruimte te laten om de mogelijkheden te leren kennen.