In de Crowd Safety Manager kan nu zes dagen vooruit worden gekeken, om drukte vooraf al in goede banen te leiden. Sascha Hoogendoorn-Lanser, directeur van het Mobility Innovation Center Delft is vanuit de TU Delft betrokken bij het voorspellen van drukte in Scheveningen. De keuze van databronnen om tot goede voorspellingen te komen is belangrijk.
Om drukte in goede banen te leiden, is het van belang om niet alleen huidige situatie te kunnen monitoren en terug te kunnen kijken in de tijd. Algoritmes en rekenmodellen voorspellen sinds kort vooraf voorspellen waar drukte kan ontstaan en welke factoren daarbij van invloed zijn. In de Crowd Safety Manager wordt nu getest met het voorspellen van drukte tot wel zes dagen vooruit.
Onderzoekers zijn al jaren bezig om tot goede voorspellingsmodellen te komen. Het is een beetje de heilige graal van ons vakgebied, zegt Sascha Hoogendoorn-Lanser, directeur van het Mobility Innovation Center Delft. Kijkend naar de eerste uitkomsten in de Crowd Safety Manager is de TU Delft erin geslaagd om tot goede voorspellingen te komen.
Sascha werkt binnen de TU Delft samen met Serge Hoogendoorn en Panchamy Krishnakumari, die aan de wieg stonden van het recent opgerichte “AI in Mobility” lab (AIM-lab) bij afdeling Transport & Planning van de faculteit Civiele Techniek en Geowetenschappen. Dat de uitkomsten van de voorspellingen nu ook opgenomen zijn in de digital twin is uniek, zegt Hoogendoorn-Lanser.
Explainable AI
Hoogendoorn-Lanser spreekt over ‘explainable AI’. Dat is kunstmatige intelligentie, die in staat is om niet alleen te voorspellen, maar ook helpt om de uitkomsten te duiden. ‘In de Crowd Safety Manager laten we zien op welke databronnen een voorspelling gebaseerd is en hoe voorspellingen zich verhouden tot andere tijdsmomenten.’
Gemeenten, hulpdiensten, evenementenorganisatoren en andere gebruikers van de Crowd Safety Manager hebben daar volgens haar behoefte aan. Om de rust en orde in steden te handhaven, komen afdelingen regelmatig bij elkaar om de capaciteitsdruk van hun organisatie te bepalen. Om een goed onderbouwde claim te doen op mankracht voor het in goede banen leiden van drukte, moeten zij beter vooruit kunnen kijken. ‘Voorspellen vertaalt zich in scherpere beleidskeuzes’, aldus Hoogendoorn-Lanser.
Hoe doe je dat?
‘Als gemeenten vroeger inschatting van de drukte moesten maken, ging dat met aardig wat beperkingen gepaard’, vervolgt de directeur. ‘Een gemeente zei dan: als temperatuur X en dag Y, dan is het zo en zo druk. Dat ging dan om een grove schatting’, legt Hoogendoorn-Lanser uit. De achterliggende explainable AI van de Crowd Safety Manager biedt dezelfde dienstverlening, maar dan vooral eerder en nauwkeuriger.
Hiervoor toetst het Mobility Innovation Center samen met de andere partners achter de Crowd Safety Manager beschikbare databronnen op hun bruikbaarheid voor het goed voorspellen van toekomstige drukte. Open data-bronnen, veelal gratis of tegen minimale vergoeding, kunnen vaak al een scala aan inzichten bieden. Van het aantal vrije plekken in een parkeergarage en hoe snel deze worden gevuld tot het aantal verkochte kaartjes voor grootschalige evenementen: aan elkaar gekoppeld kunnen slimme rekenmodellen een beeld vormen van de drukte van nu en later.
‘Het ene moment kan de drukte in goede banen geleid worden, het andere moment kan dezelfde mate van drukte ineens wel tot problemen leiden. Dat kan gebeuren als er “verzwarende omstandigheden” zijn. Dat kan bijvoorbeeld komen door het soort event dat op Scheveningen georganiseerd word, het sentiment onder de bezoekers of door een plotselinge weeromslag. Als je doorhebt hoe zulke verzwarende omstandigheden meewegen in de impact die drukte heeft, dan heb je nog iets waardevols in handen’, stelt Hoogendoorn-Lanser. Om de Crowd Safety Manager verder te optimaliseren, gaan we daar komende maanden mee aan de slag.
Voordat we voorspellingen gaan maken, kijken we eerst of we trends in de beschikbare data kunnen vinden. We zagen bijvoorbeeld dat je 5 procent meer bezoekers in Scheveningen hebt bij 1 graad temperatuurstijging. Dat is een indicatie dat het weer een belangrijke voorspellende waarde heeft en dus in het voorspellingsmodel moet worden meegenomen. Ook het belang van wind als verklarende factor kwam naar voren. Op enkele plekken in Scheveningen bleek temperatuur veel minder bepalend te zijn voor de drukte. Daar spelen vooral events een belangrijke rol. Hoogendoorn-Lanser noemt specifiek historische data, zoals weeromstandigheden, druktepatronen, events, en schoolvakanties: ‘Leg je die data van enkele jaren naast elkaar, dan haalt een algoritme hier een voorspelling uit.’ Zitten er geen duidelijke trends in de data, dan zijn databronnen minder bruikbaar, vertelt de directeur.
Al een enkele uitslag van voetbalwedstrijden of gestrande trein kan op het laatste moment toch leiden tot onverwachtse piekdrukte. ‘Is het dan toch een onvoorziene tegenvaller, dan kan je in de Crowd Safety Manager alsnog real-time inspelen op wat er op het moment zelf nodig is om die drukte te sturen.’ Enkele databronnen, zoals de toon van berichtgeving op sociale media of gps-locaties van bussen en treinen, kunnen de voorspellingen in het systeem van de CSM direct bijsturen.
Cruciale databronnen
In Scheveningen testen de gemeente Den Haag, de Politie en andere partners van de Crowd Safety Manager de voorspellingstool al in de praktijk. In zo’n tien gebieden op en rondom de Boulevard van de badplaats hoe zij kunnen sturen met voorspellingen.
De eerste resultaten zijn positief, aldus Hoogendoorn-Lanser. Zij tonen aan dat de methodiek van de Crowd Safety Manager al landelijk inzetbaar is. De ambitie is echter om te blijven testen met verschillende combinaties van databronnen. Zo moet duidelijk worden welke data cruciaal is voor een voorspelling en welke typen data eerder optioneel zijn.
Uiteindelijk moet zo helder worden welke data er door heel Nederland nodig is om te voorspellen met de Crowd Safety Manager en welke data situatie-afhankelijk meerwaarde biedt. Hoogendoorn-Lanser: ‘Neem als voorbeeld een locatie zoals Zandvoort. Dat lijkt in veel opzichten erg op Scheveningen, waar we al veel testen hebben uitgevoerd. In beide gemeenten heb je baat bij data over openbaar vervoer en weersomstandigheden. Maar wil je de drukte in een andere gemeente voorspellen, dan weegt andere data wellicht weer zwaarder.’