Bekijk de presentatie - Het Grote Big Data Congres

… oude wijn in geavanceerde zakken?
BIG DATA VOOR
VERKEERSMANAGEMENT
Prof. Dr. Hans van Lint
AvL Chair Traffic simulation & Computing
Dpt Transport & Planning, Civil Engineering and Geosciences, TU Delft
BIG DATA EN
VERKEERSMAGAMENT
KANSEN EN MOGELIJKHEDEN
Delft
University of
Technology
Challenge the future
Kernprobleem: verkeer draait zichzelf
in de soep
Hans van Lint – Big Data & Verkeersmanagement
3
Ook als het proces bijna geheel
geautomatiseerd is …
Hans van Lint – Big Data & Verkeersmanagement
4
Verkeer draait zichzelf in de soep
Op alle schalen: komt door menselijk gedrag, maar ook door
systeemdynamica
De V&V
vraag
Ideaalbeeld:
Proactief, geintegreerd en
gecoordineerd gaan
regelen (managen)
Het gaat om systeem &
kwaliteitsdenken
V&V
capaciteit /
kwaliteit
“productie”
Hans van Lint – Big Data & Verkeersmanagement
5
Verkeer & vervoermanagent = regelen
Op alle schalen (voertuig => netwerk): een regelcirkel
Het verkeer &
vervoersysteem
Actuatoren
Sensoren
Technologie
(spullen)
Diagnose, toestand
schatten & voorspellen,
optimaliseren control
Methodologie /
intelligentie
Hans van Lint – Big Data & Verkeersmanagement
6
Verkeersmanagement = kunnen
voorspellen
Verkeer = emergent resultaat collectief menselijk gedrag
Vraag
Toekomstige
verkeersvraag
Keuzeprocessen
Dynamisch, variabel
veel incloedsfactoren
(regels, weer, etc)
Capaciteit
Toekomstige
verkeerscondities
• Rijgedrag / file /
wachtrij dynamica
“productie”
Hans van Lint – Big Data & Verkeersmanagement
7
Probleem: verkeersmanagement =
kunnen voorspellen
Lastig in een netwerk …
Hans van Lint – Big Data & Verkeersmanagement
8
Rol van data in onze wetenschap
Kennis ontwikkeling gaat hand in hand met innovatieve
observatie methodes
Voorspellingen
Observeren
(kennis generaliseren)
(liefst onder
gecontrolleerde
omstandigheden)
Theoretiseren
Vragen stellen
(proberen wat je ziet te
beschrijven en/of
verklaren)
(op basis van
emergente patronen
& fenomenen)
Hans van Lint – Big Data & Verkeersmanagement
9
Rol van data in onze wetenschap
De kenniscirkel in actie
Hans van Lint – Big Data & Verkeersmanagement
10
laag Validiteit: is dit echt gedrag?
hoog
Drie soorten kennis ontwikkeling
(1) In het veld
1
In-voertuig sensing
Aerial imaging
wegkant sensing
Revealed preference
surveys
laag
Context, controleerbaarheid
We meten echt gedrag,
MAAR
• Gelimiteerde
controleerbaarheid
(geen context)
hoog
Hans van Lint – Big Data & Verkeersmanagement
11
laag Validiteit: is dit echt gedrag?
hoog
Drie soorten kennis ontwikkeling
(1) In het veld
1
In-voertuig sensing
Aerial imaging
wegkant sensing
Revealed preference
surveys
2
laag
Experimenten
in een lab
(voetgangers)
Context, controleerbaarheid
(2) Schaalexperimenten
Volledige controle
MAAR
• Beperkte scope (een
file in het lab?)
• Kosten, veiligheid,
ethiek (ongeluk
nabootsen?)
hoog
Hans van Lint – Big Data & Verkeersmanagement
12
laag Validiteit: is dit echt gedrag?
hoog
Drie soorten kennis ontwikkeling
(1) In het veld
1
In-voertuig sensing
(2) Schaalexperimenten
Aerial imaging
(3) Simulatie / Gaming
wegkant sensing
Volledige controle &
flexibiliteit MAAR
• Fundamentele
problemen validiteit
Revealed preference
surveys
2
Experimenten
in een lab
(voetgangers)
Driving
Travel
simulators
simulators
3
Stated
preference surveys
laag
Context, controleerbaarheid
hoog
Hans van Lint – Big Data & Verkeersmanagement
13
Big data DE oplossing … ?
laag Validiteit: is dit echt gedrag?
hoog
… Voor een fundamenteel probleem?
1
In-voertuig sensing
Aerial imaging
BIG DATA?
wegkant sensing
Revealed preference
surveys
2
Experimenten
in een lab
(voetgangers)
Driving
Travel
simulators
simulators
3
Stated
preference surveys
laag
Context, controleerbaarheid
hoog
Hans van Lint – Big Data & Verkeersmanagement
14
Draaien aan de kraan?
Regelen/beinvloeden individueel / collectief keuze gedrag
Zelforganisatie + incentivering (+ tijd/ruimte restricties?)
Waar?
Wat?
Hoe?
Wanneer?
Route /
dienst?
Hans van Lint – Big Data & Verkeersmanagement
15
Grote kansen BIG Data
(Partieel) meten HB matrix, keuze gedrag, trip schedules
Data fusie:
Revealed preference
+ Historical/current
data + Modellen
Waar?
Wat?
Hoe?
Wanneer?
Route /
dienst?
Hans van Lint – Big Data & Verkeersmanagement
16
Iets in/aan de fles(senhals) doen?
Eerste vraag: rol van verkeersmanager / operator:
Afhankelijk van (a) tijd/ruimteschaal; (b) complexiteit
regelklus; en (c) omstandigheden / risico’s
Hans van Lint – Big Data & Verkeersmanagement
17
Iets in/aan de fles(senhals) doen?
Eerste vraag: rol van verkeersmanager / operator:
Afhankelijk van (a) tijd/ruimteschaal; (b) complexiteit
regelklus; en (c) omstandigheden / risico’s
Hans van Lint – Big Data & Verkeersmanagement
18
Iets in/aan de fles(senhals) doen?
Heel veel werk te doen
Automatiseren
!(professionaliseren)
Regie functie
(piloot, 1e stuurman,
etc) indien mogelijk
• Diagnostiseren, Schatten
& Voorspellen verkeerstoestand
• Beinvloeden individueel rijgedrag:
•
•
•
•
Snelheid/rijstrook keuze
Volgen & inhalen
Response op regels
Risico perceptie
• Beinvloeden individueel reisgedrag
• Tactische planning
• Allerlei zaken die niets met
autorijden hebben te maken
Hans van Lint – Big Data & Verkeersmanagement
19
Belangrijke noot: schatten / voorspellen betekent
WETEN HOEVEEL REIZIGERS /
RIJDERS ER ZIJN …
Delft
University of
Technology
Challenge the future
Iets in/aan de fles(senhals) doen?
Grote kansen BIG DATA
• Denk aan:
• Diagnose (incidenten, pieken in vraag, etc)
• Data fusie (data verschillende bronnen +
modellen = betere schatting & voorspelling)
• Adaptieve regelingen/strategieen (grote events)
• Crowd management (grote events)
• Updaten voorspellingen, invoer, parameters van
modellen
• Adaptieve OV inzet
Hans van Lint – Big Data & Verkeersmanagement
21
Verkeersmanagent
BIG Data: Vraagvoorspellen, Modellen, Diagnose, SloModes, OV
Het verkeer &
vervoersysteem
Actuatoren
Sensoren
Hele nieuwe
range
mogelijkhed
en
Diagnose, toestand
schatten & voorspellen,
optimaliseren control
Methodologie /
intelligentie
Hans van Lint – Big Data & Verkeersmanagement
+
22
Conclusies
 Wetenschap begint en eindigt met data
 Voorspellen blijft lastig: hoeveelheden
verkeer cruciaal => fusie
 Big data vult (potentieel!) belangrijk gat
in onze kennis:
o Voorspellen/begrijpen vd
verkeersvraag
o Diagnose (wat is er aan de hand?)
o Data fusie (schatten & voorspellen)
o Crowd management
o Nieuwe inzichten, modellen,
toepassingen, onderzoeksvragen ..?
Delft
University of
Technology
Challenge the future
Vragen?
Delft
University of
Technology
Challenge the future

Download Report