Waar rijden vrachtwagens en bestelbussen? Waar komen ze vandaan en wat voor lading is er aan boord? En worden de voertuigen schoner onder de invloed van zero-emissiezones? Vijf gemeenten – Amsterdam, Den Haag, Rotterdam, Utrecht, en Zwolle – wilden het weten voordat ze bijvoorbeeld venstertijden of toegangsbeleid invoeren. Hun vraag leidde tot een proof of concept binnen het DMI-ecosysteem: hoe maak je met data logistieke stromen in steden inzichtelijk?
“Gemeenten bleken met dezelfde vraagstukken te worstelen”, vertelt Kevin Otjes, Smart City-adviseur en mede-eigenaar van Analyze. Zijn bedrijf helpt organisaties bij het datagedreven werken en hij was dan ook volop betrokken bij dit project. “Voordat je beleid maakt, wil je weten wie je raakt. Is de maatregel eerlijk? Staat het in verhouding tot wat je wilt bereiken? Helpt het beleid of de maatregel ook echt? En daarvoor heb je data nodig. Maar die data is versnipperd over verschillende bronnen.”
CBS-data en ANPR
Tot nu toe werkten de steden met VESDI-data van het CBS: een dataset van uitgevoerde vrachtwagenritten met informatie over herkomst, bestemming, lading en ladinggewicht. “Een mooi begin, maar die data is beperkt. Bestelbusdata is in VESDI bijvoorbeeld nog niet meegenomen”, zegt Otjes. “Ook gaat het om een steekproef, waardoor je geen honderd procent dekking hebt.” Aan de andere kant van het spectrum staat ANPR-data: gegevens vanuit camera’s die op specifieke plekken voertuigen tellen. “Deze gegevens geven volledige dekking van alle vrachtwagens en bestelbussen. Maar met een nadeel: het zijn heel lokale puntmetingen en je kunt die camera’s niet op iedere hoek van de straat zetten.”
Derde bron: floating car data
Daarom werd een derde bron toegevoegd: floating car data (FCD) van Bridgestone Mobility Solutions. “Dat zijn GPS-voertuigtracés en -stops, gegenereerd door telematica in voertuigen van de gebruikers van zogenaamde Webfleet-boordcomputers”, legt Otjes uit. “Die geven tot in detail informatie over onder meer routes en laad- en lospunten. Ook verder de zero-emissiezone in. Verder dan waar de ANPR-camera’s staan. Maar de FCD-data van Bridgestone dekt drie tot vijf procent van het totale vrachtverkeer in steden. Voor inzichten op straatniveau zou je graag een groter aandeel hebben.” Binnen het project koppelden deelnemers de drie datasets die elk afzonderlijk hun beperkingen hebben in een digital twin waarin kaartlagen elkaar aanvullen. “Door slim te koppelen, compenseren ze elkaars tekortkomingen”, zegt Otjes. “ANPR geeft harde tellingen, FCD vult gaten op en de data van het CBS voegt context over lading toe.”
Storytelling-element
Het proof of concept leverde een viewer op waarin gemeenten konden zien waar vrachtwagens en bestelbussen hebben gereden, waar ze stoppen en bij welke logistieke sector ze horen. Het was niet eenvoudig, vertelt Ida Poortinga, datavisualisatie-expert bij DMI. “Als je veel datasets in één omgeving stopt, wordt het snel complex. We hebben daarom een kaartverhaal toegevoegd dat gebruikers door de verschillende kaartlagen leidt. Een kaartverhaal is een manier om extra context en uitleg te geven bij een kaart. Dat element van storytelling maakte het verschil. Gemeenten gaven aan dat dit hen helpt: van tuurinformatie naar stuurinformatie.”
Inzicht verkregen in stadslogistiek
We hebben goede vooruitgang geboekt. We hebben het recept neergezet van hoe je logistieke stromen in een stad inzichtelijk maakt. Het werkt en het smaakt naar meer.” De privacy is uiteraard geborgd. “De datasets zijn geanonimiseerd”, zegt Poortinga. “Je kunt werken met categorieën en aggregaties, zonder persoonsgegevens.”
Dekkingsgraad FCD-data
Gemeenten vonden de dekking van FCD te laag, zegt Otjes. “Maar dat verandert. Rijkswaterstaat en de RDW zijn bezig met een aanbesteding, ROMO 2, om veel meer floating car data in te kopen, van meerdere leveranciers. Dan praat je niet meer over drie tot vijf procent, maar misschien over dertig tot veertig procent. Combineer dat met ANPR en CBS en je hebt een zeer krachtig beleidsinstrument, mits er ook daadwerkelijk data over vrachtwagens en bestelbussen in de FCD-data van ROMO 2 aanwezig is”
Meer ingrediënten toegevoegd
Dat perspectief maakt het project tot een springplank. “We hebben getest of het recept werkt”, constateert Otjes. “En nu voegen we meer ingrediënten toe. Dan kun je niet alleen zien wie waar rijdt, maar ook waarom. Je kunt industriecodes koppelen en dan bijvoorbeeld zien welke sectoren elektrisch kunnen rijden in je stad. Dat helpt bij keuzes: waar stel je een milieuzone in, waar kies je voor een overslagpunt en wie raak je daarmee?”
Meenemen in het ontwerp
De toepassingen reiken verder dan stedelijke logistiek. “Denk aan gebiedsontwikkeling”, zegt Otjes. “Als je weet hoe bevoorradingsprofielen ontstaan bij voorzieningen, kun je die informatie meenemen in het ontwerp. Niet alleen wie waar komt, maar ook waarom. Dat maakt het verhaal compleet.” Ook marktpartijen profiteren. “Logistieke vervoerders kunnen zien waar knelpunten ontstaan en waar hubs nodig zijn”, zegt Poortinga. “We hebben eerder met touringcarbedrijven gekeken naar laadcapaciteit. Zulke crossovers worden makkelijker als je data deelt.”
Broedplaats
Het proof of concept laat zien wat mogelijk is, maar ook wat er nog ontbreekt: meer data, meer standaardisatie en een gebruiksvriendelijk inzicht. “DMI is een broedplaats”, zegt Otjes. “Sommige eieren zijn al gelegd, andere moeten nog uitkomen. Maar niemand zegt: we doen er niets mee. Utrecht werkt met Argaleo, ontwikkelaars van een digital twin-platform, aan een vervolg. En iedereen kijkt uit naar de aanbesteding van ROMO 2.” Poortinga ziet nog extra mogelijkheden: “In floating car data vinden we meer dan alleen routes en stops. Je kunt ook remacties zien, snelheden en zelfs wegdekschade. Dat opent een deur naar nieuwe use cases. En diverse partijen werken bij DMI samen aan standaardisatie van ANPR-data.”
Wie beleid wil maken dat werkt, kan niet zonder data, concluderen Otjes en Poortinga. “Het gaat erom dat we van losse kaartlagen naar een handelingsperspectief komen”, Poortinga. Otjes sluit aan: “Meer data, goed gecombineerd tot inzichten, leidt tot betere beslissingen. Daar wordt de stad slimmer, veiliger en duurzamer van.”
Wie meer wil weten over het proof of concept, kan contact opnemen via ida.poortinga@birdseye-analytics.nl en/of kevin.otjes@analyze.nl.
1 gedachte over “Met data grip krijgen op logistieke stromen: van turen naar sturen”
Het rapport staat hier: https://docspace.dmi-ecosysteem.nl/s/Ljtf3qyz5dCQbFX