De Nationale Databank voor Wegverkeersgegevens (NDW) verzorgt voor 19 overheden in Nederland de inkoop van verkeersgegevens. De huidige contracten met de dataleveranciers lopen af en dus bezint NDW zich op haar inkoopstrategie voor de komende jaren. Om hierbij de juiste keuzes te kunnen maken, liet NDW een uitgebreide assetmanagementanalyse van de gegevensinwinning uitvoeren.
NDW koopt sinds 2009 centraal verkeersdata in voor haar 19 partners – Rijkswaterstaat, alle provincies, Metropoolregio Rotterdam Den Haag, Stadsregio Amsterdam en de gemeenten Amsterdam, Rotterdam, Den Haag en Utrecht (Enkele partners besteden alle data-inwinning uit, terwijl andere deels zelf inwinnen en deels via NDW data inkopen). Deze inkoop bij externe dataleveranciers is ‘functioneel aanbesteed’. Dat wil zeggen dat NDW voorschrijft op welke meetlocaties welke data in welke kwaliteit nodig is, maar dat de dataleveranciers zelf kunnen bepalen hoe (= met welke inwintechniek) ze de data inwinnen.
Omdat de contracten met de huidige dataleveranciers nog dit jaar aflopen, heeft NDW zich georiënteerd op een nieuwe aanbestedingsperiode. Eén vraag die daarbij speelt is: welke factoren zijn van invloed op de totale lifecycle costs van de gebruikte inwintechnologieën? Hoe lang kan de uitgerolde apparatuur nog worden ingezet? Weliswaar zijn de systemen van de externe dataleveranciers niet NDW’s verantwoordelijkheid, maar inzicht in de lifecycle van de complete reeks aan inwinsystemen, wiens eigendom ze ook zijn, is belangrijk om een goede inschatting te kunnen maken van de kosten en uitdagingen in de komende periode. Zeker omdat de datamarkt nogal in beweging is – neem de beschikbaarheid van floating car data en de opkomst van slimme (connected) ITS-diensten – is zo’n onderbouwde inschatting essentieel.
Assetmanagement
NDW heeft daarom in het najaar van 2014 een assetmanagementanalyse laten uitvoeren. De leveranciers zijn uitgebreid geïnterviewd en er is een literatuurstudie gedaan. De inwinsystemen die in gebruik zijn, zoals bluetooth-ontvangers, passief-infraroodsensoren, lusdetectiesystemen en camerasystemen, zijn tot op componentniveau ‘ontleed’ en is er per component een verouderingsmodel opgezet. Denk bij componenten aan kasten, printplaten, accu’s, masten, zonnepanelen, sensoren, netwerkmodems, kabels enzovoort.
Op basis van deze analyse is de te verwachten technische levensduur van de verschillende inwinsystemen bepaald. Daarbij zijn conditieklasses beschreven die aangeven van hoeveel inwinappartuur lichte defecten tot totale uitval kan worden verwacht. Door deze gegevens te koppelen aan de NDW-contracten en aan cijfers over storingsfrequenties is het NDW gelukt om per partner, per wegtype en per inwinapparaat een meerjarige kostenraming te simuleren. In die kostenraming zijn kostenposten opgenomen als regulier onderhoud, inspectie en vervanging van de componenten. Maar ook is aangegeven waar en wanneer grote vervangingsinvesteringen noodzakelijk zijn om de gegevensinwinning op het huidige peil te houden.
Stevige basis
Uiteraard gaat het om een schatting: er moesten aannames worden gedaan om tot een praktisch eindresultaat te komen, zoals ‘bij de overlaging van het asfalt wordt 20% van de lusdetectiesystemen kapot gefreesd’.
Maar ondanks de onzekerheden heeft NDW met deze assetmanagementanalyse een voldoende stevige basis kunnen leggen voor de aanbestedingsstrategie van de komende tien jaar. Zo is onder meer duidelijk geworden dat de meetapparatuur die bij de start van NDW in 2009 is geplaatst, nog een aantal jaar mee kan. Dit betekent dat grote vervangingsinvesteringen even kunnen worden uitgesteld. Dit bespaart kosten, maar er wordt ook tijd gewonnen. En dat geeft NDW weer de gelegenheid te werken aan de transitie naar een nieuw meetnet voor gegevensinwinning dat voorbereid is op de nieuwe technologische ontwikkelingen van floating car data en (connected) ITS-diensten.
____
De auteurs
Edoardo Felici MSc is Projectmanager Strategie en Innovatie van de Nationale Databank Wegverkeersgegevens (NDW).
Ir. Job Birnie is senior adviseur bij Goudappel Coffeng.
