Menno de Bruyn: 'We proberen nu al te werken aan de vragen van de komende jaren’

Me

Menno de Bruyn en zijn onderzoeksteam zijn zowel ontwikkelaars als de voornaamste gebruikers van twee NS-vervoersmodellen: een prognosemodel en een dienstregelingstoetsmodel. Het laatste wordt steeds verder uitgebouwd en integreert binnenkort het prognosemodel tot één voorspellend toets- en toedelingsmodel. Naast meer integraal modelleren zijn gedetailleerdere data en innovatie belangrijke ontwikkelingen. Een gesprek over een vervoersmodel met hoge maatschappelijke waarde.

De Bruyn: “We maken gebruik van prognosemodel ‘de Kast’ dat we met een consultant hebben ontwikkeld en ‘TRENO’, een integraal dienstregelingstoetsmodel, gebouwd rond het vervoersmodel Visum. Met de oorspronkelijke versie van Visum keken we hoeveel mensen er met een nieuwe dienstregeling op voor- of achteruit gingen en wat dat voor impact had op de reizigersaantallen.

Integreren

Elders in het bedrijf werden de financiële consequenties hiervan berekend, en weer een andere afdeling stelde  de benodigde hoeveelheid materieel vast. Die data en berekeningen hebben we, samen met de betrokken afdelingen, gaandeweg in het model geïntegreerd. De volgende stap is om het prognosemodel te integreren. We zijn de  periodieke herijking van de parameters van het prognosemodel nu aan het afronden en dan bouwen we het in in TRENO.”  

Het belang van modellen voor NS staat voor De Bruyn niet ter discussie. “Alle beslissingen over toekomstige investeringen in materieel en stations zijn mede gebaseerd op deze modellen. Maar ook in de vraag hoe de dienstregeling er de komende jaren uit gaat zien spelen onze modellen een belangrijke rol.” Het NS vervoersonderzoeksteam houdt hun data en expertise niet alleen voor zichzelf, maar zet deze ook in voor maatschappelijke doelen, legt De Bruyn uit. “Zo hebben we meegeholpen bij de totstandkoming van de laatste versie van het Landelijk Model Systeem van IenW en hebben we met Prorail samengewerkt aan de laatste markt- en capaciteitsanalyse.”

Maar natuurlijk dienen ze ook de eigen bedrijfsvoering. De Bruyn somt op: welke trends zien we in het treingebruik, waardoor worden deze veroorzaakt, en hoe ontwikkelen deze variabelen zich de komende jaren? Welk effect heeft bijvoorbeeld een wijziging in de prijs van het treinkaartje, een nieuw station, een frequentieverhoging van de treinen of een nieuwe woonwijk op het keuzegedrag van reizigers?”  

De Bruyn benadrukt in het kader van trends in treingebruik een interessante studie samen met de TUDelft en het Kennisinstituut voor Mobiliteitsbeleid naar het effect van tijdsbesteding in de trein op de ‘value of time’, de in geld uitgedrukte waarde van de reistijd. “Naarmate mensen hun reistijd beter kunnen besteden neemt hun gevoel van tijdsverlies af. Dit maakt de trein een aantrekkelijker alternatief voor de auto. ” 

De Bruyn stelt dat de spoorvervoermodellen nog steeds goed voorspellen, maar laat doorschemeren dat dat geen vanzelfsprekendheid is. “We doen er alles aan om nu al te werken aan de vragen van morgen. Daarvoor steken we goed onze voelsprieten uit om de modellen goed en tijdig te voeden. De tijdsbesteding in de trein is daar een voorbeeld van.”  
 
Ontwikkelpunt

Als ontwikkelpunt noemt De Bruyn de, nu nog, harde scheiding tussen de trein en de tram en metro in vervoersmodellen. “Nu zijn dat nog twee gescheiden vervoerssystemen, maar in de praktijk beconcurreren ze elkaar op sommige routes, of – vaker- versterken ze elkaar juist. Die effecten zou je ook heel graag willen modelleren.” 
 
“Bij het maken van de NS modellen is een goede balans gezocht tussen complexiteit en uitlegbaarheid,” vervolgt De Bruyn. “Onze modellen geven meer uitleg over de berekeningen zelf. Voorheen stopte je veel data in het model, dan stond het een dag te rekenen en rolde er iets uit, maar konden wij niet uitleggen hoe het model tot die conclusie was gekomen. Nu zijn de modelberekeningen nog steeds redelijk complex, maar wel steeds transparanter. Het is grote winst als je ook kunt uitleggen hoe de berekeningen tot stand komen. Dat maakt ze ook geschikt voor evaluatiestudies, waarin je modelmatig de vervoersontwikkeling uiteen kan rafelen. Bovendien is de data veel specifieker. Vroeger brachten we met veel pijn en moeite het reisgedrag over een hele dag in kaart, nu hebben we inzicht in de spreiding over de maanden, de dagen van de week, en binnen de dag in blokken van een half uur. Hierdoor kunnen we de piekbelasting die de benodigde capaciteit bepaalt veel nauwkeuriger in beeld brengen.”  

Set aan keuzemogelijkheden 

Welke data zou de Bruyn nog wensen? “We hebben nu via de modellen goed inzicht in de keuzes die mensen maken, maar weten niet precies welke set aan keuzemogelijkheden ze daarbij tot hun beschikking hadden en op basis van welke afwegingen ze hun keuze hebben gemaakt. Inzicht hierin kan de modellen verder verbeteren en helpen bij het verklaren van keuzegedrag. Ook is ons beeld van de deur tot deur reis van al onze klanten nog niet compleet. Betere data gaat ons helpen om de klant ook voor de ‘first en last mile’ diensten aan te bieden die aansluiten bij zijn/haar behoefte.”  

Ondertussen gaan De Bruyn en collega’s ‘zover mogelijk’ om goede prognoses te maken. “We werken daarvoor met verschillende toekomstscenario’s en zijn verkenningen aan het doen met stochastische berekeningen. Hiermee analyseren we op basis van kansberekeningen wat de bandbreedte van gemiddelden is en hoe die de beleidsbeslissingen beïnvloeden. Dat is belangrijk voor bijvoorbeeld materieelinzet. Er zijn in de praktijk immers altijd meer of minder mensen dan het absolute gemiddelde.”    

De waarheid

“Overall”, besluit De Bruyn, “merken we dat de vervoersmodellen steeds belangrijker worden door betere data, meer rekenkracht, maar ook doordat NS steeds meer treinen gaat rijden en het netwerk drukker wordt. Wil je de dienstregeling aanpassen, dan moet je heel veel varianten doorrekenen. Maar toch, modellen hebben niet de waarheid in pacht. We moeten wel zelf blijven nadenken. Dat gaat het model niet overnemen.”