Doel van ZOOF A67
Brabant in-car III is een subsidieprogramma dat valt binnen de kaders van het landelijke Beter Benutten programma. Hierin staat het oplossen van concrete doorstromingsproblemen centraal. Uiterlijk in 2014 moeten er concrete resultaten opgeleverd worden. Brabant In-car III richt zich daarbij op het met behulp van in-car technologie oplossen van concrete doorstromingsproblemen op de A67. Daarbij is Brabant in-car III het eerste van deze serie programma’s waarin het oplossen van een concreet verkeerskundig vraagstuk centraal stond.
Het programma Brabant in-car III betrof een zoektocht naar:
“ITS-toepassingen die de interactie tussen personen- en vrachtauto´s in het verkeer optimaliseren zodat de doorstroming van zowel vracht- als personenverkeer verbetert. Het toepassingsgebied omvat in ieder geval de A67 (Belgische grens tot Duitse grens) en de toe- en afritten daarvan. Maatregelen mogen niet ten koste gaan van de netwerk-prestatie van het totale regionale wegennet”.
Aanpak project
Brabant in-car III is het vervolg op de programma’s Brabant in-car I en II. Anders dan bij de vorige twee programma’s, waarin een variëteit aan projecten was ondergebracht, zijn in het huidige programma drie projecten ondergebracht met een grote mate van overeenkomst:
- Elk van de projecten focust primair op de ontwikkeling van een smartphone app waarop in-car adviezen worden gegeven.
- De adviezen betreffen aspecten als rijsnelheid, afstand tot de voorganger en de rijbaan.
- Deze worden gegeven aan chauffeurs van personen- en vrachtauto’s die geregeld van de A67 gebruik maken tussen de Belgische en de Duitse grens op de route Antwerpen via Eindhoven naar het Ruhrgebied.
- Elk van de projecten maakt gebruik van kennis die is ontwikkeld in het HTAS project Connected Cruise Control (CCC).
- In elk van de projecten speelt daarom de TUD een rol.
- Projectdoelen zijn een betere doorstroming en meer verkeersveiligheid op de A67 nu en uitrol van deze dienst naar andere delen van Nederland en daarbuiten als vervolgdoel.
V-tron heeft deelgenomen aan het deelproject ZOOF (voorheen Doorstroomrijden), dat is uitgevoerd door Fourtress, Spr!ng, V-tron, Be-Mobile, TIM Digital Marketing, ProDrive en Fantasm.
Contactpersoon V-tron:
Behaalde resultaten
ZOOF heeft in de eindfase van het project nog één en ander aan de applicatie en de back-end verbeterd. Voor ZOOF waren daardoor twee gegevenssets beschikbaar. Uit de eerste gegevensset konden dezelfde overzichtskenmerken worden afgeleid als bij de deelprojecten Smoover en Blinkr.
Over het algemeen kan gesteld worden dat ZOOF als app de functie van de AID overneemt. Helaas is de timing van de adviezen en de detectie van congestie nog niet helemaal perfect. Dat is dan ook iets wat erg lastig voor elkaar te krijgen is, zonder direct aan wegkant-systemen gekoppeld te zijn. De informatieketen die aan een dergelijke app vooraf gaat, bevat veelal een te grote vertraging om tijdig voor congestie te kunnen waarschuwen. Via een voorspelalgoritme of –model kan die vertraging gecompenseerd worden.
Dat is dan ook één van de belangrijke verschillen met de versie van de app in november. In februari werkte de app wel met een voorspelmodel, daarvoor nog niet. Uit bovenstaande resultaten blijkt dat daarin niettemin nog (meer) winst te behalen valt. Daarbij zou de timing en de detectie nog verder verbeterd kunnen worden.
Conclusies
Voor alle drie de projecten geldt dat het vooral erop lijkt dat gebruikers met de stroom van het verkeer meerijden. Je kan dan ook niet verwachten dat wanneer het overgrote deel van het verkeer geen advies krijgt, de gebruikers van de app met sterk afwijkende snelheden gaan rijden ten opzichte van de verkeersstroom.
Of de gebruikers hun snelheid aanpassen naar aanleiding van de adviezen, of dat de adviezen kloppen met de verkeersstroom is lastig te zeggen. Het is in die zin een beetje een kip-ei situatie. Om echt goed de gedragseffecten te kunnen analyseren moeten de snelheids-profielen van de gebruikers naast de gehele verkeersstroom worden gelegd. Wanneer dan duidelijke verschillen ontstaan kort na advies-momenten, dan is de kans groot dat gedragsbeïnvloeding plaatsvind. Een dergelijke meting was binnen dit project echter niet haalbaar.
Doordat gebruikers grotendeels met de verkeersstroom mee lijken te rijden is het tevens lastig te bepalen of er toch niet subtiele effecten zijn. Gaat men bij een advies van 80, terwijl men 100 rijdt, misschien toch 95 km/u rijden? Uit de snelheidsprofielen is dit niet af te leiden en bij de gemiddelden vallen dergelijke effecten ook weg. Door dieper in de gegevens te duiken zou het misschien mogelijk zijn dergelijke effecten op te sporen, maar ook dan geldt dat het de vraag is of dit effect komt door het advies, of door de verkeersstroom.
Als een soort van file-waarschuwing apps hebben Blikr! en ZOOF potentie. Vooral Blikr! lijkt goed in staat tijdig een afremadvies te geven voordat een file bereikt wordt. Bij ZOOF moet nog wat aan de timing en detectie geschaafd worden.
Deelprojectpartners ZOOF:
