Betrouwbaar inzicht in de drukte in treinen en op stations met een algoritme.
NS Stations
- Klantcase
- Data Science
- Dataconsultancy
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 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.
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.
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.
Meer weten?
Business Manager Joachim gaat graag met je in gesprek over wat we als datapartner voor jou en je organisatie kunnen betekenen.
Business Manager020 308 43 9006 23 59 83 71joachim.vanbiemen@digital-power.com
1x per maand data insights, praktijkcases en een kijkje achter de schermen ontvangen?
Meld je aan voor onze maillijst en blijf 'up to data':
Misschien vind je dit ook interessant
Data Science
Zet (big) data om naar praktische inzichten, waardevolle modellen, en geautomatiseerde systemen.
Een schaalbaar machine learning-platform voor het voorspellen van billboard-impressies
The Neuron biedt een programmatisch biedingsplatform om digitale Out-Of-Home-advertenties in realtime te plannen, kopen en beheren. Ze vroegen ons het aantal verwachte impressies voor digitale advertenties op billboards op een schaalbare en efficiënte manier te voorspellen.
