Hoe monitor je menigten tijdens grote evenementen? Tot nu toe was dat een kwestie van mankracht ter plaatse hebben of turen naar videobeelden. Nieuwe meettechnieken maken echter nieuwe vormen van crowd monitoring mogelijk. Voor SAIL 2015 ontwikkelden onderzoekers van het AMS Institute in samenwerking met DAT.Mobility een speciaal monitoringsysteem, dat tijdens het evenement ook in de praktijk is beproefd.
Het zal menigeen verbazen, maar eigenlijk weten we nog maar weinig over het zeer alledaagse proces van lopen. We hebben het dan niet alleen over wetenschappelijke kennis (zoals: ‘hoe gedraagt een voetganger zich in de massa en wat zijn de kenmerken van zo’n mensenstroom?’), maar ook over heel praktische zaken. Hoeveel mensen lopen er bijvoorbeeld in die drukke winkelstraat in het centrum en waar gaan ze naartoe? Er zijn maar weinig gemeenten die dit soort ogenschijnlijk eenvoudige vragen kunnen beantwoorden.
De oorzaak van deze kennislacune is gelegen in het feit dat het waarnemen van voetgangers en loopstromen tot voor kort technisch nauwelijks mogelijk was. Als gevolg daarvan gebeurt het beheersen en sturen van menigten – crowdmanagement en crowdcontrol – toch vooral op basis van visuele informatie en expertkennis. Ter vergelijking: voor autoverkeer maken we al sinds de jaren tachtig gebruik van metingen van de verkeersstroom om deze actief te beïnvloeden!
Recente ontwikkelingen in de meettechniek brengen hier echter langzaamaan verandering in. Via wifi- en bluetooth-meetsystemen pikken we signalen van smartphones op. Intelligente telcamera’s maken het mogelijk te bepalen hoeveel mensen een gebied in- en uitlopen. En ook activiteiten op social media geven belangrijke informatie over loopstromen. Grootschalige praktijktoepassingen van dergelijke technieken zijn er echter nog niet, laat staan toepassingen waarin die verschillende technieken worden gecombineerd.
Dashboard
Tijdens SAIL 2015 heeft de gemeente Amsterdam in samenwerking met de SAIL-organisatie, het AMS Institute en DAT.Mobility daarom een grootschalige pilot uitgevoerd om de mogelijkheden van nieuwe meettechnieken te verkennen. Concreet doel was om een Crowd Monitoring Dashboard te ontwikkelen dat gebruik maakt van verschillende innovatieve real-time dataverzamelingstechnieken. De keuze voor de inwintechnieken is gebaseerd op de functionele eisen die aan het dashboard worden gesteld: in welke informatiebehoefte moet het dashboard voorzien, met welke resolutie in tijd en ruimte en met welke nauwkeurigheid? Deze eisen zijn in de ontwerpfase vastgesteld in nauw overleg met de gebruiker.
Voor crowdmanagers is met name inzicht in de drukte van belang. Deze drukte wordt in het algemeen uitgedrukt in de dichtheid, het aantal voetgangers per vierkante meter. Daarnaast is de intensiteit relevant: hoeveel voetgangers er een gebied in- en uitlopen. Deze twee grootheden zijn natuurlijk direct gekoppeld: hoe hoger de instroom in een gebied (in vergelijking tot de uitstroom), hoe meer de dichtheid oploopt.
Daarnaast is informatie over de loopsnelheden en de verblijftijden van belang. We willen ook weten of voetgangers langer in een gebied blijven omdat ze niet door kunnen lopen door de grote drukte of dat ze – in het geval van SAIL – een schip bekijken of een broodje eten. Tot slot houden we ook graag zicht op de keuze van de route en de activiteiten, en op de samenstelling van de bezoekersstroom: lopen ze in groepen, zijn er veel mensen met kinderwagens enzovoort.
Verschillende typen sensoren
Op grond van deze informatiebehoefte is gekozen om in de SAIL-pilot drie typen sensoren te combineren. Telcamera’s bepalen op grond van videobeelden de aantallen mensen gedurende een tijdsperiode, bijvoorbeeld per minuut. Wifi-sensoren nemen het unieke Mac-adres van een smartphone waar en zodra er meerdere sensoren hetzelfde Mac-adres signaleren, weten we iets over de route en looptijd van de smartphone-eigenaar. Aanvullend op deze vaste sensoren zijn er tijdens SAIL ook GPS-trackers uitgedeeld, die zeer gedetailleerde informatie over de routes en snelheden van de getrackte gebruikers bieden.
De verschillende sensoren verschaffen data met verschillende semantische kenmerken en nauwkeurigheid. Zo kun je met telcamera’s lokale intensiteiten bepalen, waarbij je in principe álle voetgangers meeneemt. Wifi-sensoren bieden informatie over de looptijden van een beperkt deel van de bezoekers, zo’n 20%. GPS-trackers geven zeer gedetailleerde informatie over loopsnelheden, verblijftijden en routekeuze, maar dan over een nog kleiner deel van de bezoekers (in totaal zijn er 327 trackers uitgedeeld tijdens de vijf dagen SAIL).
Geen van deze sensoren geven afzonderlijk alle informatie die nodig is, maar door de combinatie van gegevens – datafusie dus – kunnen we wel degelijk in de eerder beschreven informatiebehoefte voorzien. Dat is echter geen sinecure: het verstandig combineren van de beschikbare gegevens vereist een gedegen verkeerskundige kennis van de dynamica van loopstromen.
Functies
Het dashboard voorziet in algemene functies als dataprocessing, visualisatie en archivering. Maar in bijgaande figuur focussen we op de ‘verkeerskundige’ modules van het dashboard. De Routekeuzeschatter stelt de routekeuze van de bezoekers vast. De module Toestandschatter schat op basis van de data en de routekeuze de huidige situatie, te weten dichtheid, intensiteit, looptijden en verblijftijden. De Kiemenspeurder bepaalt de potentiële knelpunten.
De figuur laat ook zien dat we naast genoemde databronnen gebruik hebben gemaakt van een social media-analyse. Relevante tweets en Instagram-activiteiten kunnen geautomatiseerd worden geanalyseerd. We weten dan waar de meeste tweets en Instagram-foto’s worden gemaakt, maar bijvoorbeeld ook waarover zoal wordt bericht en waar die twitteraars en Instagram-gebruikers vandaan komen. Dit levert nuttige aanvullende informatie.
De pilot heeft bovendien een schat aan informatie opgeleverd. Er is zeer veel data verzameld en gearchiveerd en die kan de komende tijd gebruikt worden om het huidige systeem te verbeteren. Er is gedurende de pilot ook veel praktische ervaring opgedaan: Voldoet het systeem aan de verwachtingen van de gebruikers? Is er gemakkelijk mee te werken? Wordt de informatie zo gepresenteerd dat problemen met loopstromen snel herkend worden?
Tegelijkertijd heeft de pilot geresulteerd in nieuwe inzichten in de gedragingen van de bezoekers tijdens SAIL. Dat is zeer nuttige informatie voor de analyse van het evenement achteraf en voor het plannen en organiseren van de volgende SAIL!
Hoe verder
De ontwikkelingen gaan natuurlijk verder. Het huidige systeem zal sowieso worden verbeterd en gevalideerd. Waar nodig en mogelijk zullen we onderzoeken hoe de kwaliteit van de informatie omhoog kan en welke andere dataverzamelingstechnieken daarbij nuttig kunnen zijn. Verder zou het mooi zijn als het dashboard niet alleen zicht bood op de huidige situatie, maar ook op de toekomstige situatie, bijvoorbeeld een kwartier vooruit. Aan zo’n Toestandvoorspeller wordt nog gewerkt. Het zou crowdmanagers de mogelijkheid bieden te anticiperen op toekomstige probleemsituaties, maar ook om het effect van de inzet van maatregelen te voorspellen.
Doel bij dit alles is om te komen tot een dashboard dat niet alleen toepasbaar is voor evenementen, maar dat ook gebruikt kan worden in normale situaties in de stad. Het dashboard kan dan bijdragen aan het optimaal benutten van de ruimte in de stad – en aan de veiligheid en het comfort van bewoners en bezoekers.
____
De auteurs
Prof. dr. ir. Serge Hoogendoorn is hoogleraar Verkeersstromen bij TU Delft.
Dr. ir. Winnie Daamen is universitair hoofddocent Voetgangersverkeer en verkeerssimulatiemodellen aan de TU Delft.
Drs. Mark Hünneman is zelfstandig adviseur ICT. In de aanloop naar SAIL was hij projectleider Prototype Crowd Management SAIL 2015 bij de gemeente Amsterdam.
