Goedkoper en beter openbaar vervoer door gebruik van GOVI-data (VK 1/2013)

De kosten van Openbaar vervoer (OV) staan onder druk, terwijl de kwaliteitseisen toenemen. Utrecht pakt die uitdaging op door in te zetten op snelheid en betrouwbaarheid, want dat levert én kostenbesparing én meer opbrengsten op. Er ligt volgens de auteurs van dit artikel nog veel geld op straat. Utrecht spoort dit geld op door een slimme combinatie van GOVI-data en verkeersmodellen. GOVI kan dus veel meer dan ‘slechts’ de reiziger informeren over actuele haltetijden: de bus of tram wordt een ‘meetinstrument’ voor de beleidstafel waar ‘meer OV voor minder geld’ de ambitie is.

Niels van Oort, TU Delft / Goudappel Coffeng

Robert van Leusden, Bestuur Regio Utrecht

Martijn Ebben, Goudappel Coffeng

Bestuur Regio Utrecht (BRU) is de verantwoordelijke vervoersautoriteit. Haar, in 2012 vastgestelde (OV-visie,) bevat ambitieuze doelstellingen. Het gewenste ov-netwerk moet snel, betrouwbaar en kosteneffectief zijn. Er zal geïnvesteerd moeten worden in capaciteitsuitbreiding en kwaliteitsverbetering. De vervoersvraag zal naar verwachting groeien. Belangrijke randvoorwaarde is echter dat deze ambitie gerealiseerd

moet worden binnen een beperkt budget. Dat zal niet toenemen. Sterker nog: het neemt wellicht zelfs af. Kortom, het Utrechtse openbaar vervoer moet dus kosteneffectiever worden.

De strategie: snelheid en betrouwbaarheid

De figuren 1 en 2 ( hieronder) geven resultaten van diverse reizigersonderzoeken[1]. De klantwenspiramide laat zien dan zowel snelheid als betrouwbaarheid tot de fundamenten behoren. Als deze basiseigenschappen niet op orde zijn, zullen reizigers niet voor ov, maar voor bijvoorbeeld fiets of auto kiezen. Of omgekeerd geredeneerd: het aanpakken van deze aspecten zal leiden tot meer ov-reizigers. In de tweede figuur zien we het belang van betrouwbaarheid terugkomen, plus de constatering dat het ov in de ogen van de reiziger op dit punt een mager 5+ scoort. Daar is dus winst te behalen.

Figuur 1: Kwaliteitsdimensies geordend naar belang (Peek en Van Hagen, 2002)[2]

Figuur 2: Klanttevredenheid en belang verschillende kwaliteitsaspecten openbaar

vervoer (Brons and Rietveld, 2007)[3]

Maar er is nog een reden waarom de focus op snelheid en betrouwbaarheid zo interessant is om te onderzoeken: verbetering hiervan draagt bij aan kostenverlaging. Er zijn dan minder mensen en voertuigen nodig om hetzelfde OV-product te bieden. De exploitatiekosten nemen dus af. Daarnaast dalen de maatschappelijke kosten van reizen: mensen hechten namelijk een negatieve waarde aan de hoeveelheid tijd en onzekerheid als gevolg van hun reis [4]. De strategie van BRU werkt dus als een tweesnijdend zwaard: meer reizigers en dus meer opbrengsten, en tegelijk minder kosten.

Kostenbatenafweging

Maar tussen strategie en realisatie ligt een pad vol afwegingen en keuzen. Komen er andere voertuigen? Extra infrastructuur? En waar dan? Is er winst in de uitvoering te behalen? Er zijn velerlei kansrijke maatregelen denkbaar, die uiteraard ook kosten met zich meebrengen [5]. Om de juiste projecten te selecteren, om ze onderling te prioriteren, om de investeringen te kunnen verantwoorden en om een zorgvuldige besluitvorming te kunnen doorlopen, is inzicht in de toekomstige baten cruciaal.

Een kostenbatenafweging begint bij het gebruik van de juiste indicatoren. Het draait daarbij niet om de voertuigen, maar om de ov-reizigers. Snelheid gaat dus over de gehele duur van de reis, inclusief voor- en natransport en wachttijd bij een halte. Belangrijk hierbij is de relatieve kwaliteit ten opzichte van de directe concurrenten auto en fiets. Betrouwbaarheid wordt in de huidige praktijk echter nog vaak gelijkgesteld aan stiptheid van uitvoering van de dienstregeling: die presenteert immers een plan, een belofte aan de reizigers. De mate waarin dit plan correct wordt uitgevoerd is een onderdeel van de betrouwbaarheid. Maar vanuit de optiek van de reiziger is betrouwbaarheid een breder fenomeen waarbij ook de variatie in aanbod en het gedrag van reizigers een rol speelt [6]. Onbetrouwbaarheid leidt tot spreiding in totale reistijd (inclusief overstap/wachttijd dus), maar ook tot spreiding in geplande aankomsttijd. Ook leidt het onregelmatig rijden van voertuigen tot ophoping van passagiers met een verlaagde kans op een zitplaats (of zelfs het niet meer meekunnen). BRU hanteert daarom de methode Van Oort die inmiddels meerdere keren succesvol is toegepast in onder andere de MKBA van de Uithoflijn [7,8]. De methode van Oort zet de verschillende betrouwbaarheidseffecten om in een gemiddelde extra reistijd zoals een reiziger die ervaart.

De indicatoren, extra reistijd en spreiding in reistijd, kunnen vervolgens vertaald worden naar geld zodat ze toepasbaar zijn in bijvoorbeeld maatschappelijke kosten-batenanalyses (MKBA’s). Daarbij geldt dat de ‘value of reliability’ 1,4 maal de ‘value of time’ bedraagt [9]. Oftewel: de reiziger hecht 1,4 keer meer waarde aan een reductie van 1 minuut standaard deviatie dan aan 1 minuut kortere reistijd. Deze extra reistijd kan bepaald worden voor een gehele lijn of per halte en maakt het mogelijk om betrouwbaarheid mee te nemen in beoordelingen van maatregelen.

GOVI als kennisbron

De basis van al deze algoritmes is inzicht in actuele voertuigperformance en reizigerdata. Voor dat eerste beschikt een groeiend aantal ov-regio’s over een goudmijn aan operationele data, namelijk de GOVI-systemen. Deze ‘Grenzeloze OV Informatie’ is weliswaar in eerste instantie ontwikkeld om de borden met reisinformatie real-time aan te sturen, maar als ‘bijproduct’ ontstaat een database waarin voor elke gereden rit, per halte, de geplande én de werkelijke aankomst- en vertrektijd beschikbaar is. De database bevat daarmee inzichten over halteertijden (verschil tussen aankomst- en vertrektijd), de stiptheid (verschil werkelijke vertrektijd en gepland), deelrijtijden (verschil tussen vertrektijd bij een halte en de aankomsttijd bij de volgende) en rijsnelheid (door koppeling met afstandsinformatie). Vervolgens zijn deze inzichten op allerlei manieren te differentiëren, bijvoorbeeld naar spits- en dalperioden, werkweek of weekend. Ook is de spreiding te bepalen en het verschil met bijvoorbeeld de dienstregeling of de uitvoering op de (rustige) zondagochtend. Dat laatste maakt inzichtelijk waar en hoe groot de verbeterpotentie is.

BRU maakte gebruik van de speciale analyse tool van Goudappel Coffeng om uitgebreide analyses te maken van de operationele kwaliteit van de belangrijkste bus- en tramlijnen. Het gaat immers om ‘big data’: voor 1 maand zijn dit per lijn zo’n 100.000 tot 200.000 records. Hieronder volgen een aantal voorbeelden van resultaten.

Figuur 3: voorbeeldgrafiek stiptheid middagspits lijn 3 in Utrecht

Figuur 3 laat het verloop van de stiptheid over een lijn zien. Te zien is dat er op het eerste deel regelmatig te vroeg gereden wordt. Ook dat ervaren reizigers overigens als vervelend. De ingecalculeerde wachtperiode op Utrecht CS corrigeert dat, maar later ontstaan toch weer veel te vroege ritten. Dit is een indicatie van een te ruime rijtijd in de dienstregeling. Aanpassing van de dienstregeling zou de betrouwbaarheid voor de reizigers ten goede komen. Daarnaast zouden met een krappere dienstregeling minder dienstregelingsuren benodigd zijn: de gezochte betere kwaliteit voor minder geld dus.

Figuur 4: voorbeeldgrafiek deelrijtijd middagspits lijn 3 in Utrecht

Figuur 4 toont de spreiding in deelrijtijden en vergelijkt deze met de zondag (als theoretisch, maximaal haalbare kwaliteit). Deze figuur geeft dus inzicht in waar de spreiding (te) groot is en waar de doorstroming stokt. Door ook chipkaartdata over reizigersstromen bij de GOVI-analyse te betrekken, zijn ook de reizigerseffecten van onbetrouwbaarheid (langer reizen en meer spreiding) kwantitatief uit te drukken. Dat kan per lijn of per halte. De tool vertaalt de doorstromingspotentie naar een bedrag dat nog te verdienen valt door verbeteringen. Dit ‘monetair maken’ komt het begrip ten goede.

Van lijn naar netwerk

De volgende stap is het inzichtelijk maken van de effecten op netwerkniveau. De (on)betrouwbaarheid die de reiziger ervaart is namelijk een product van de (on)betrouwbaarheid van de verschillende ov-lijnen die zijn reis verzorgen. Het gaat om de zwakste schakel. Als de aansluitende busrit een onbetrouwbare

dienstuitvoering kent, maakt de betrouwbaarheid van de eerste busrit niet meer zoveel uit. De reiziger gaat zijn vervoerwijzekeuze heroverwegen: een andere route of wellicht zelfs afzien van ov. Voor het in kaart brengen van dit soort (netwerk)effecten, waar rekening gehouden wordt met de eigenschappen van alle reismodaliteiten tegelijk, is het geëigende instrument: een verkeersmodel waarin betrouwbaarheid wordt meegewogen. BRU heeft in haar regionaal verkeersmodel (VRU 3.0) daarvoor de eerste stap doorgevoerd. VRU 3.0 behoort daarmee tot de meeste geavanceerde (multimodale) ov-modellen van Nederland.

De integratie van betrouwbaarheid in verkeersmodellen laat zien hoe effecten van betrouwbaarheid in totaliteit kunnen uitwerken: in negatieve zin, maar ook in positieve zin als bepaalde schakels in het netwerk worden verbeterd. Analyses die verder kijken naar de ov-lijn waarin geïnvesteerd wordt, leiden tot uitkomsten die beter aansluiten bij de daadwerkelijke effecten voor de reizigers. Met het VRU 3.0 is bijvoorbeeld te zijn wat de effecten (vervoerwaarde, vervoerwijzekeuze, routekeuze, zowel voor bus als trein) zijn van het realiseren van nieuwe busstations en een HOV-structuur in het stationsgebied (heel veel bussen krijgen dan een betere betrouwbaarheid). Of wat de effecten zijn van vertramming van de binnenstadsas waarbij niet zozeer snelheids- of frequentieverhoging de groeipotentie bepaalt, maar veel eerder de betrouwbaarheidsverbetering en uitstraling. Met de resultaten van de berekeningen kan eenvoudig een MKBA worden opgesteld die de juiste effecten gekwantificeerd meeneemt.

Samengevat

Betrouwbaarheid en doorstroming zijn belangrijke kwaliteitsaspecten voor ov-reizigers, die nog teveel ‘genegeerd’ worden in maatschappelijke kosten baten analyses en verkeersmodellen. Met nieuwe databronnen zoals GOVI en chipkaartdata, en de juiste betrouwbaarheidsmethodieken, ontstaan er mogelijkheden om de reizigerseffecten van (verbeterde) betrouwbaarheid expliciet in kaart te brengen. Na de lijnsgewijze analyse is de volgende stap deze kennis in te zetten op netwerkniveau (in een verkeersmodel), met de volgende mogelijke toepassingen:

• in kaart brengen, analyseren en prioriteren van knelpunten in doorstroming van ov

• berekenen effecten op reizigersstromen en –aantallen na wijzigingen in betrouwbaarheid (bijvoorbeeld vrije baan, vertramming, prioriteit en dergelijke);

• MKBA’s voor ov-projecten;

• optimaliseren van netwerk en dienstregeling voor wat betreft reizigers en kosten(exploitatie en investeringen).

De TU Delft en Goudappel Coffeng gaan deze ontwikkeling verder perfectioneren. Daarmee wordt een verkeersmodel steeds beter toegesneden op brede modellering van ov-effecten en gaan MKBA’s ook belangrijke betrouwbaarheidsbaten weergeven. Maar het belangrijkste is natuurlijk: beter en goedkoper openbaar vervoer wordt sneller realiteit.

Literatuur

1.Bovy, P.H.L. and C.D. van Goeverden (1994), De rol van kwaliteit in het

personenvervoersysteem gemeten aan verplaatstingstijdfactor, CVS congres,

Utrecht.

2.Peek, G.J. and M. van Hagen (2002), Creating synergy in and around stations:

three strategies in and around stations, Transportation Research Record, No.1793,

pp. 1-6

3. Brons, M.R.E. en P. Rietveld (2007), Betrouwbaarheid en klanttevredenheid in de

OV-keten: een statistische analyse. Intern document Transumo.

4. Leusden, R. van en N. van Oort (2011), Excellent OV naar de Uithof:

Capaciteits- en betrouwbaarheidsverbetering door tram in Utrecht. CVS Congres

Antwerpen

5. Oort, N. van en M.R. Post (2006), Stipt op tijd met RandstadRail. Verkeerskunde

nr. 4, pp. 42-46. Oort, N. van en R. van Nes (2008), Op tijd, dat telt. Verkeerskunde nr. 5, pp. 48-53

6. Oort, N. van en A. J. Boterman (2009), Betrouwbaar meten van betrouwbaarheid.

Bijdrage Colloquium “Oog voor de reiziger“, Railforum Savelberg, F. and P. Bakker (2010), Betrouwbaarheid en robuustheid op het spoor. KiM

7. Oort, N. van (2011), Service reliability and urban public transport design,

proefschrift TU Delft

8. Leusden, R. van en N. van Oort (2011), Excellent OV naar de Uithof:

Capaciteits- en betrouwbaarheidsverbetering door tram in Utrecht. CVS Congres

Antwerpen

9. RAND Europe and AVV (2005), The value of reliability in transport: Provisional

values for The Netherlands based on expert opinion, Leiden/Rotterdam

 
Auteur: Joske van Lith