Sinds floating car data (FCD) een aantal jaar geleden hun intrede deden, was er al de belofte dat zij een alternatief zouden bieden voor wegkantgebonden meetsystemen. Die belofte lijkt voor de snelweg aardig ingelost. Maar kunnen FCD ook bijdragen aan het verkeersmanagement in de steden? De auteurs kijken kritisch naar de mogelijkheid om met FCD wachtrijen te bepalen.
In de stad zijn verkeersregelinstallaties de belangrijkste actuatoren voor verkeersmanagement. Om hier efficiënt mee te kunnen sturen, heb je betrouwbare metingen van de wachtrijlengtes nodig. Wegbeheerders gebruiken hiervoor traditioneel lussen. Dit werkt bevredigend, maar lussen zijn relatief duur en bij verzadiging van het netwerk (zoals in de spits) worden intensiteiten slechter meetbaar. Radar en kentekencamera’s bieden deels uitkomst. Maar hoe staat het met floating car data? Kun je daarmee wellicht wachtrijen bepalen?
Onderzoek
Die vraag kan niet los worden gezien van de dekking van FCD: geeft die een realistisch beeld van de vorming en ontwikkeling van wachtrijen? Om dit te analyseren hebben we FCD uit publieke bronnen onderzocht voor een aantal willekeurig gekozen S-wegen, N-wegen en snelwegen. We hebben daarbij vooral gekeken naar de correlatie tussen intensiteiten bepaald uit FCD en de daadwerkelijke verkeerintensiteiten.
In de grafieken van figuur 1 is het aantal voertuigen weergegeven dat per 5 minuten is gemeten door lussen (NDW, blauw) en door een openbare FCD-bron (groen). Daarnaast is de hieruit berekende dekking in percentages unieke passages weergegeven (geel). Uit de data zijn de gemiddelde dekkingsgraden bepaald – zie tabel 1. Voor de A en N-wegen ligt dit percentage gemiddeld tussen de 2-4%. Op de S-wegen komt het percentage op 2-3%. De correlatie tussen lusintensiteiten en intensiteiten uit FCD-bronnen blijkt zwak en in sommige gevallen zelfs afwezig. Het lijkt erop dat de voertuigen die FCD leveren niet representatief zijn voor alle voertuigen op die weglocaties.
Het is twijfelachtig of je met deze lage dekkingsgraad en de beperkte correlatie tussen intensiteiten uit FCD en lusdata, wel voldoende nauwkeurig wachtrijen bij verkeersregelinstallaties kunt schatten. Bij FCD bepaal je namelijk op basis van de reistijd/snelheid van de voertuigen of een voertuig zich in een wachtrij bevindt. Met een dekkingsgraad van 3% weten we gemiddeld genomen van slechts 3 op de 100 voertuigen wat de snelheid is. Op basis van de gemeten snelheid bij een verkeerslicht kun je nog afleiden of een voertuig in een wachtrij staat, maar gezien de lage dekkingsgraad is het ondoenlijk om vast te stellen waar de staart van de wachtrij zich precies bevindt. Om daar een betrouwbare uitspraak over te kunnen doen, is een veel hogere dekkingsgraad nodig en een duidelijke correlatie van de FCD-intensiteit met de werkelijke verkeersintensiteit. De staart van de wachtrij verplaatst zich immers continu, afhankelijk van de groentijd van de signaalgroep.
Een ander probleem is de variatie in de dekkingsgraad. In de grafiek rechtsonder (figuur 1) valt op dat de dekking per minuut sterk kan variëren. Dit maakt het bepalen van de wachtrijlengte nog lastiger. Het is immers van groot belang om continu kwalitatief goede wachtrijen te meten voordat je hiermee stedelijk-verkeersmanagementsystemen kunt aansturen.
Hoe verder
Een interessante vervolgvraag in dit verband is welke FCD-dekkingsgraad en correlatie met intensiteiten minimaal vereist is voor voldoende betrouwbare uitspraken over wachtrijen. Daarnaast kunnen er wellicht (stochastische) methodes worden ontwikkeld om ook bij een lage dekkingsgraad wachtrijlengtes te schatten. Het is echter van belang om hierbij het kostenaspect mee te laten wegen.
____
De auteurs
Alex Oonincx, Alexander Jöbsis en Taco Dommerholt van ARS T&TT.
