Gecombineerde databronnen helpen bij prioritering toegankelijk ov

De Vervoerregio Amsterdam stelt tot 40 miljoen euro beschikbaar om het openbaar vervoer in de regio toegankelijker te maken voor reizigers met een motorische of visuele beperking. Maar hoe kom je erachter waar je het beste kunt beginnen? Het fuseren van twee openbare databronnen heeft tot waardevolle inzichten geleid en kan ondersteunen bij deze uitdaging, zo blijkt uit een recent onderzoek van de Vervoerregio Amsterdam en het Smart Public Transport Lab van de TU Delft.

Door Raunaq Saboo (TU Delft), Stefan Talen (vervoerregio Amsterdam), Niels van Oort (TU Delft)

De Vervoerregio Amsterdam is als vervoerautoriteit verantwoordelijk voor toegankelijk en inclusief openbaar vervoer in vijftien gemeenten in de regio Amsterdam. Het doel van deze studie was om de meerwaarde te verkennen van het samenvoegen van twee openbare databronnen: het Centraal Halte Bestand, CHB, en GTFS (General Transit Feed Specification); de standaard voor het uitwisselen van gegevens over routes en frequenties van ov-lijnen). Het eerste geeft inzicht in haltevoorzieningen en toegankelijkheid terwijl het tweede inzicht geeft in het bedieningsniveau van haltes. Samengevoegd kan dit inzicht geven in de toegankelijkheid van haltes in combinatie met het aantal vertrekmogelijkheden per dag. Dit helpt bij het antwoord op de vraag waar je het beste kunt beginnen.

Beide bestanden zijn eerst inhoudelijk verkend op actuele informatie over toegankelijkheid per halte. Vervolgens is bestudeerd of ze, samengevoegd, meer inzicht geven in het bereikbaarheidsniveau van ov-haltes en ov-lijnen. De twee bestanden geven voor deze studie informatie over alle haltes en ritten van bus, tram, metro en veerboot in de regio.

Open source

GTFS is een gegevensspecificatieformaat dat alle ov-bedrijven moeten volgen voor het publiceren van hun rit- en vervoersgegevens. Deze gegevens zijn open source en worden daarom in tal van gevallen gebruikt voor toepassingen als het plannen van reizen met het openbaar vervoer. GTFS-gegevens zijn opgesplitst in een statisch en realtimedeel. De statische component bevat route-informatie, dienstregeling, tariefinformatie en geografische locatie van vervoersdiensten, terwijl de realtimecomponent voertuiglocatie en aankomstvoorspellingen bevat. In deze studie is alleen de statische component gebruikt.

Het Centraal Halte Bestand wordt beheerd door DOVA. Gegevens worden gegenereerd door wegbeheerders en moeten worden bijgewerkt als er in de praktijk aanpassingen aan haltes worden gedaan. Groot voordeel van het CHB voor deze studie is dat het details bevat over de toegankelijkheidskenmerken van de haltes.

Conclusies

Dit project geeft inzicht in de toegankelijkheid van de haltes en laat zien dat het mogelijk is om een prioritering op basis van bedieningsniveau of lijnen te maken. Met dergelijke methodes kan Vervoerregio Amsterdam een beter antwoord krijgen op de vraag waar te beginnen met het verbeteren van de toegankelijkheid van het openbaar vervoer.

Tijdens het onderzoek is er op verschillende manieren naar toegankelijkheid gekeken. Het bedieningsniveau kan helpen bij het maken van een prioritering welke haltes als eerste toegankelijk worden gemaakt. De toegankelijkheid per lijn kan input zijn voor een gesprek met de vervoerders en/of wegbeheerders om in samenspraak de toegankelijkheid te verbeteren. Het is immers belangrijk dat een instapper met een beperking ook elders op de lijn weer kan uitstappen.

Aanbevelingen

De aanbeveling is om de inzichten verder uit te breiden met andere data. In- en uitcheckgegevens, locaties van specifieke voorzieningen of sociaaleconomische gegevens met betrekking tot inkomens, leeftijd en mobiliteitsbeperkingen kunnen het inzicht en de mogelijke prioritering dan nog verder verfijnen.

De tweede aanbeveling is om dit onderzoek te herhalen wanneer het CHB wordt geüpdatet. Het CHB is hier leidend omdat het minder vaak wordt bijgewerkt dan de GTFS-gegevens. GTFS-gegevens worden bijgewerkt zo gauw de vervoerder de dienstregeling aanpast.

De derde aanbeveling is het toevoegen van een gemeenschappelijke identificatie-tag van haltes binnen de twee datasets, om de geconstateerde mismatch van halte-informatie tussen beide datasets te verbeteren.

Meer informatie

Meer informatie over het onderzoek: Niels van Oort: N.vanOort@tudelft.nl.