NS Stations: inzicht loopstromen bezoekers met algoritme

Nederlandse_Spoorwegen

Betrouwbaar inzicht in de drukte in treinen en op stations

 

Steeds meer mensen reizen met het openbaar vervoer. Verschillende stations in Nederland worden verbouwd of vernieuwd om aan het groeiende aantal treinreizigers te blijven voldoen. Voor de verbouwings- en inrichtingsplannen was informatie nodig over de drukte op de stations. Ook wilde NS Stations hiermee in samenwerking met ProRail de transferveiligheid verbeteren.

Onze aanpak

Onze Data Scientists en Data Engineers werkten vanuit NS Data & Analytics samen met NS Stations, NS Reizigers en een aantal domeinspecialisten aan een prototype en de implementatie van een algoritme voor druktebepaling.

Als input gebruikten ze onder andere ov-chipkaartdata, de gerealiseerde dienstregeling en de conducteurscontroles. Daarmee kan met grote nauwkeurigheid worden berekend hoeveel reizigers er op welk moment in welke trein zaten. Dit geeft ook de mogelijkheid om in te zien hoe groot de loopstromen op perrons en op de looproutes zijn.

Deliverables

 

Het proces is grotendeels geautomatiseerd. Hierdoor zijn de beheerslasten minimaal. Ook is de verwerking van de data met behulp van het algoritme eenvoudig schaalbaar.

Het algoritme is zó gebouwd dat de uitkomsten volledig traceerbaar, helder uit te leggen en te beoordelen zijn.

Het resultaat

 

De betrouwbaarheid van het nieuwe algoritme bleek minstens zo hoog als geavanceerde druktesensoren die op vier grote stations zijn geïnstalleerd voor hetzelfde doeleinde. Voor NS Stations betekent dit een enorme stap vooruit in het kwantificeren van loopstromen en drukte op alle stations van Nederland waar de NS de dienstregeling verzorgt.

Doordat de loopstromen nu tot in detail inzichtelijk zijn, kan er bij de verbouwings- en inrichtingsplannen van stations rekening mee gehouden worden. Bij de laatste fase van de verbouwing van station Utrecht Centraal is dat meteen gebeurd. NS Stations gebruikt de informatie ook om overleg over drukte en veiligheid met ProRail te kunnen voeren op basis van gedetailleerde cijfers.

Toekomstplannen

 

Het model wordt verder verbeterd door nog meer databronnen (zoals de businzet) toe te voegen. In de toekomst worden machine learning en deep learning technieken verkend om de resultaten nog nauwkeuriger te maken.

We voerden al Data Engineering & -Science projecten uit voor

Meer weten over Maneros als datapartner?

Neem contact op met Joachim.

Joachim_van_Biemen_data-consultancy-maneros

Joachim van Biemen

Business Manager

Zusterorganisatie van

Datapartner van Nederland.

Maneros. De onafhankelijke datapartner in data engineering en data science. Bel ons direct op 020 308 43 90.