Activiteitenpatronen in zelfrijdende auto

Model leert effecten zelfrijdende auto's te begrijpen

donderdag 13 september 2018 Baiba Pudane, Eric Molin, Yousef Maknoon, Caspar Chorus, TU Delft / Theo Arentze, TU Eindhoven 0 reacties 60x gelezen

Met de komst van de zelfrijdende auto kunnen gebruikers onderweg activiteiten uitvoeren waarvoor ze voorheen op locatie moesten zijn. Het effect van deze verandering in het activiteitenpatroon op toekomstige vervoerskeuzes is tot nog toe op basis van een vrij eenzijdige benadering meegenomen in mobiliteitsmodellen. Dit artikel presenteert een model dat beter rekening houdt met variaties in de aanpassing van het activiteitenpatroon.

‘Anne’ stapt om 8.30 in haar zelfrijdende auto om te ontbijten en haar werkmails te beantwoorden

‘Anne’ stapt om 8.30 in haar zelfrijdende auto om te ontbijten en haar werkmails te beantwoorden (Copyright: Shutterstock )

Zelfrijdende voertuigen geven hun gebruikers de mogelijkheid om onderweg andere taken dan de rijtaak uit te voeren. Dit heeft effect op hun tijdsbesteding en mobiliteitskeuzes. Modellen die de toekomstige mobiliteitsvraag in kaart brengen, namen dit effect tot nog toe mee door te rekenen met een gereduceerde penalty voor reistijd, ofwel een lagere negatieve waardering van reistijd.

 

De modellen voorspellen daardoor dat bij invoering van de zelfrijdende auto de totale reistijd toeneemt, de locaties voor wonen en werken verder uit elkaar komen te liggen, en mensen aan meer activiteiten gaan deelnemen gedurende de dag.

In werkelijkheid is er meer variatie. Mensen kunnen activiteiten van werk of thuis gaan verplaatsen naar de auto, waardoor ze meer tijd over hebben voor andere activiteiten. En ze kunnen meer en verder gaan reizen voor die activiteiten, maar ook minder, door onderweg activiteiten uit te voeren waarvoor ze anders op locatie moesten zijn. Het rekenen met een gereduceerde penalty voor reistijd ziet deze effecten over het hoofd en kan daarom mogelijk een verkeerde prognose geven van toekomstige mobiliteitskeuzes.

 

Model

De auteurs stellen een model voor dat expliciet rekening houdt met de activiteiten aan boord van een zelfrijdend voertuig, in plaats van impliciet aan te nemen dat deze activiteiten leiden tot een gereduceerde penalty voor reistijd. Dit model neemt de totale tijdbesteding over een dag in beschouwing, en kijkt vooral naar de interactie tussen activiteiten op locatie, verplaatsingen en activiteiten in de auto. De gedachtegang is dat activiteiten op locatie een behoefte aan verplaatsing genereren, dat verplaatsingen activiteiten aan boord van de auto mogelijk maken en dat activiteiten in de auto mogelijk activiteiten op locatie vervangen.

 

Het model gaat ervan uit dat mensen hun tijdsbesteding over de dag optimaliseren, op basis van het nut dat zij ontlenen aan een activiteit en op basis van het negatieve nut van de verplaatsingen die ze daarvoor moeten maken. Het nut van de activiteiten is afhankelijk van op welke locatie of aan boord van welk vervoermiddel ze die uitvoeren. Zie voor een eenvoudig voorbeeld De dag van Anne verderop.

 

Beleidsvragen

Dit model is een eerste stap om de effecten van zelfrijdende auto’s beter te begrijpen, en deze op de juiste manier mee te nemen in vervoersmodellen. Het kan worden gebruikt om beleidsvragen rond de introductie van de zelfrijdende auto te beantwoorden, zoals wat de marktvraag is naar zelfrijdende voertuigen met verschillende niveau’s van activiteitenondersteuning, hoe vervoersvraag en reisgedrag verschillen tussen mensen met en zonder een zelfrijdende auto, en hoe welvaartseffecten van nieuwe infrastructuur te meten zijn in het tijdperk van de zelfrijdende auto.

 

 

De dag van Anne

Voordat Anne haar zelfrijdende auto had reed ze in een gewone auto. Toen stond ze om 7.00 op om zich aan te kleden en te ontbijten, vertrok ze om 8.00 naar haar werk waar ze om 9.00 aankwam. Eigenlijk zou ze graag ’s ochtends gaan zwemmen maar daarvoor moet ze te vroeg op. ’s Avonds vertrok ze om 18.00 van haar werk, deed ze thuis een dutje van een half uur en reed dan naar een eetafspraak met vrienden om 20.00. Ze had liever langer gewerkt maar vindt haar avondactiviteiten belangrijk.

 

Tegenwoordig staat de werkgever van Anne het toe om ’s ochtends vanuit de zelfrijdende auto te werken, en om 9.30 aan te komen. Anne kan nu eerst gaan zwemmen, en stapt om 8.30 in de auto om te ontbijten en haar werkmails te beantwoorden. ’s Avonds blijft ze langer op haar werk, en doet een dutje in haar auto die haar naar de eetafspraak met haar vrienden brengt.

 

De invoer voor het model wordt gebaseerd op het nut dat Anne ontleent aan activiteiten en het negatieve nut dat ze ontleent aan de verplaatsingen. Ervan uitgaande dat Anne ’s ochtends en ’s avonds drie uur heeft om haar activiteiten uit te voeren, berekent het model aan welk activiteitenpatroon zij het meeste nut zal ontlenen. Figuur 1 laat zien hoe Anne’s dag er dan in een gewone en in een zelfrijdende auto uit zou zien. De donkere vlakken geven activiteiten op locatie weer, de lichte vlakken geven de activiteiten weer die Anne zowel op locatie, als onderweg kan uitvoeren, het rasterpatroon is voor reistijd.

 

Dit is een eenvoudig voorbeeld. In werkelijkheid kunnen in een activiteitenplan ook alternatieve locaties of vervoerwijzen voorkomen en kunnen mensen negatief nut ontlenen aan de fragmentatie van activiteiten. Hier houdt het model ook rekening mee.

  

Klik hier voor het integrale artikel 'A time-use Model for the automated vehicle-era' met tabellen en formules.

Reageren

Invoer verplicht
Invoer verplicht
Invoer verplicht

 

 

















 

Legenda
Bij dit veld is invoer verplicht.

vakartikelen

Artikelen 1 tot 20 van 56

1 2 3

  • Amsterdam brengt 'Walkability' van de stad in beeld Hoe bereken je de beloopbaarheid, ofwel de walkability, van een stad? Julia Ubeda van onderzoeksbureau SpacesTraces bestudeerde deze vraag en ontwikkelde voor de gemeente...
  • Combi fiets+ov kan sterker Nederlanders gebruiken op bijna de helft van hun treinreizen de fiets om van en naar het station te reizen, maar er is nog maar weinig inzicht in de factoren die de vraag naar...
  • Harry Timmermans: 'Uitwisseling wetenschap en praktijk motiveert champions' In een serie gesprekken verkent Verkeerskunde het wetenschappelijk kennisveld. Hoe houden wetenschappers hun kennis op peil en hoe brengen zij hun kennis naar de praktijk? Waar...
  • Hoe stil kan een straatsteen zijn? Binnen de bebouwde kom is een elementenverharding, ook wel klinkerverharding, een veel voorkomend wegdektype. Stenen geven een straat een karakteristieke uitstraling, maar staan...
  • Afteller is nog beter geworden Een afteller tot groen bevordert de doorstroming, zo bleek in 2009 na de eerste afteller-pilot in ’s-Hertogenbosch. Weggebruikers bleken enthousiast en de gemeente plaatste er...
  • Activiteitenpatronen in zelfrijdende auto Met de komst van de zelfrijdende auto kunnen gebruikers onderweg activiteiten uitvoeren waarvoor ze voorheen op locatie moesten zijn. Het effect van deze verandering in het...
  • Eerste MKBA van een niet-infraproject: Fietsimpuls Met een toegespitste gedragsaanpak worden werknemers/forenzen van bedrijven die zijn aangesloten bij Maastricht Bereikbaar sinds zes jaar gemotiveerd om vaker te fietsen naar...
  • Van B naar Anders, investeren in mobiliteit voor de toekomst Op 23 mei presenteerde de Raad voor de leefomgeving en infrastructuur (RLI) het advies: ‘Van B naar Anders’. Aan dit advies liggen twee essays ten...
  • Team Voetganger wint strijd om de ideale modaliteit Het enthousiasme was groot tijdens de tweede editie van Battle of the Modes. In de Bossche Verkadefabriek namen vier modaliteitenteams (openbaar vervoer, auto,...
  • 'Begin met hubs in de buurt' Hij richtte op zijn twintigste een stichting op die een toekomst biedt aan kinderen die in Argentinië onder de armoedegrens leven en organiseerde...
  • Eric van Berkum: ‘Meer ruimte voor nuance en reviews van vakliteratuur’ In een serie gesprekken verkent Verkeerskunde het wetenschappelijk kennisveld. Hoe houden wetenschappers hun kennis op peil en hoe brengen zij hun?kennis naar de praktijk? Waar...
  • 'Iedere verkeersdeelnemer komt weer veilig thuis' Op 26 april werd de nieuwe Visie Duurzaam Veilig Wegverkeer 2018-20130, DV3, gepresenteerd tijdens het Nationaal Verkeersveiligheidscongres NVVC. Wat is de belofte, de ambitie...
  • De case Merwedekanaalzone Utrecht zal rond 2025 meer dan 400.000 inwoners tellen, 17 procent meer dan nu. De gemeente kiest er voor om deze groei binnen de bestaande stadsgrenzen op te vangen, onder...
  • 'Stop verkeersslachtoffers door mobielgebruik' De ouders en advocate van Yannick Frijns namen op 26 april de Nationale Verkeersveiligheidsprijs 2018 in ontvangst tijdens het Nationaal...
  • Controle over opvolgtijden buslijnen Vervoerders sturen bij variaties in de busdiensten vooral op punctualiteit. Dit is mede ingegeven door punctualiteitseisen in de concessies. Maar bij hoogfrequente lijnen is,...
  • Landbouwverkeer: meer boetes of meer veiligheid? Landbouwvoertuigen zijn groot en zwaar en rijden langzamer ten opzichte van andere motorvoertuigen, maar juist sneller ten opzichte van fietsers, joggers en wandelaars. Dat...
  • Virtual Reality-technologie dient ook als ijsbreker Een studie naar de beste ontwerpkeuzes voor fietsroutes in het kader van Slimme en Gezonde Stad in pilotstad Schiedam bood de mogelijkheid om Vitual Reality-technologie (VR) als...
  • Benchmark gezonde steden Een Brede Coalitie van Natuur & Milieu, Milieudefensie, Fietsersbond, Longfonds, Wandelnet, Rover en Mens en Straat, wil graag dat de nieuwe coalities die in gemeenten...
  • Wat levert MaaS op? Door alle (voorspelde) technologische ontwikkelingen wordt Mobility as a Service, MaaS een grote toekomst toegedicht. De flexibiliteit die MaaS biedt in het vervullen van...
  • Bert van Wee: Waarom geen factcheckrubriek? In een serie gesprekken verkent Verkeerskunde het wetenschappelijk kennisveld. Hoe houden wetenschappers hun kennis op peil en hoe brengen zij hun?kennis naar de praktijk? Waar...

Artikelen 1 tot 20 van 56

1 2 3

Overzicht alle vakartikelen

Verkeerskunde is een uitgave van ANWB.
© 2018 verkeerskunde.nl - alle rechten voorbehouden.