Het Utrechtse mobiliteitsprogramma Goedopweg onderzocht wat je in de praktijk van de (binnen)stad met een fietsradar kunt – of specifieker: met een radar/lidar-combinatie. Welke data levert dit instrument op en hoe ontsluit je de data voor de iVRI?
Veel gemeenten en provincies zien de fiets als dé oplossing voor hun problemen met congestie en luchtkwaliteit. Maar wil je daar echt werk van maken, bijvoorbeeld met fietsverkeersmanagement, dan heb je wel eerst goede en actuele data nodig.
Voor het monitoren van fietsverkeer kunnen overheden verschillende technieken inzetten. Eén mogelijkheid is de fietsradar. Dat meetinstrument heeft evidente voordelen – het genereert real-time data met een hoge nauwkeurigheid en is AVG-proof – maar wordt nog weinig ingezet. Om er beter mee bekend te raken besloot het Utrechtse samenwerkingsverband Goedopweg om begin 2021 een kleine praktijkproef te houden, ‘Fiets Peloton herkenning/iVRI’. Het plaatste hiertoe twee Signums op het kruispunt Archimedeslaan-Pythagoraslaan, waar een intelligente verkeersregelinstallatie staat. De Signum is een radar/lidar-combinatie van het Nederlandse bedrijf Cycledata.
De koppeling
Eén doel van de pilot was om de meetdata slim te ontsluiten. Goedopweg volgde de Talking Traffic-praktijk door de radars niet direct te koppelen aan de iVRI, maar aan ‘tussenstation’ UDAP, het platform voor snelle data-uitwisseling.1UDAP staat voor Urban Data Access Platform. Dit platform fungeert als overnamepunt voor het snel en betrouwbaar uitwisselen van data tussen bijvoorbeeld iVRI’s en connected weggebruikers. UDAP is de opvolger van TLEX. Het bedrijf Monotch verzorgt de UDAP-dienstverlening. De fietsradar detecteert naderende fietsers en zet de gegevens om in CAM-data over de positie en snelheid van de fietsers. De CAM-data worden via 4G naar UDAP gestuurd, waar de iVRI ze weer ophaalt. Dankzij UDAP kunnen ook andere systemen gemakkelijk bij de fietsdata.
De koppeling radar-iVRI via UDAP bleek door het gebruik van standaarden eenvoudig te realiseren. De aanpak is ook voldoende generiek en dus herbruikbaar in andere gemeenten. Het ministerie van Infrastructuur en Waterstaat heeft de koppeling inmiddels ‘succesvol geverifieerd op conformiteit aan de relevante aansluiteisen’ van Talking Traffic.
Over de data zelf
Dan de data zelf. Met handmatige tellingen, vooral tijdens de meettechnisch gezien complexere spitsuren, kon de nauwkeurigheid van de Signum-fietsradars worden gecheckt: die lag tussen 96 en 98 procent. Interessant is ook dat de radars de afzonderlijke voertuigen in een peloton goed onderscheiden. Zo blijft er, ook in de drukte, goed zicht op de snelheden en vooral ook de verschillen in snelheden op het fietspad.
Toepassingen
Met de data kan de iVRI z’n regeling optimaliseren. In de pilot zijn daar enkele ingrepen voor uitgewerkt, met als uitgangspunt: grotere pelotons krijgen sneller en/of langer groen. Er is binnen de pilot geen onderzoek gedaan naar de verkeerskundige effecten van die ingrepen. Puur ‘op het oog’ ging de doorstroming er voor fietsers op vooruit. De fietswachttijden bij de verkeerslichten waren ook korter.
Dat biedt aanknopingspunten voor vervolgpilots. Door opeenvolgende kruispunten goed te monitoren moet het mogelijk zijn om de doorstroming op bijvoorbeeld een hoofd- of snelfietsroute te faciliteren. En als het meetwerk inderdaad wordt uitgerold – en een beetje richting de ‘monitoringdichtheid’ van autoverkeer komt – dan beschik je vanzelf over voldoende informatie voor beleidsdoeleinden: waar is het te vaak te druk, waar zijn de snelheidsverschillen te hoog, wat zijn de reistijden op hoofdroutes enzovoort. Met die input kunnen steden en provincies hun beleid optimaliseren en de oplossing fiets optimaal benutten.
____
De auteurs
Esther de Waard en Mary Verspaget zijn communicatiemanager bij respectievelijk Monotch en Cycledata.
