Kunnen we drukte in de stad voorspellen?
Hoe vormen we een accuraat beeld van de drukte in de stad?
Hoeveel bezoekers en hoeveel fietsers zijn er in het stadscentrum? Welke manier van druktemeting is het meest relevant? En waar kunnen we ons de komende jaren op richten? Gent experimenteert met drukte data. We doen dit in zogenaamde proeftuinen. Dit laat toe om snel, met korte testen, een aantal zaken uit te proberen.
Druktemetingen zijn niet nieuw voor Gent. Het voorbije decennium hebben we verschillende experimenten uitgevoerd tijdens de Gentse Feesten, onder meer samen met de Universiteit Gent. We hebben ook verschillende druktedata gepubliceerd. En vanaf 2020 zorgde Covid19 ervoor dat iedereen drukte en drukte barometers leerde kennen. Via het project Vloed (Voorspellen Lokale Ondernemers en Economie door Drukte) bouwen we verder op onze bestaande expertise en verkennen we mogelijke nieuwe stappen. Dit project wordt gesteund door het Europees Fonds voor Regionale Ontwikkeling (EFRO), Vlaanderen, en we werken hieraan samen met de stad Brugge.
In VLOED werken we met proeftuinen. We stellen eenvoudige en tijdelijke testen op om na te gaan wat mogelijk en haalbaar is. Zo kunnen we met een eenvoudige setup heel diverse mogelijkheden verkennen en deze testen snel afronden.
programma
- Hoe onderzoeken we hoe het kan?
-
-
Wat willen de handelaars en de stad weten?
Wat willen we weten? En vooral, om er wat mee te doen?
Gent heeft tijdens de grote evenementen (onder meer de Gentse Feesten en Lichtfestival) de voorbije jaren geëxperimenteerd met drukmetingen en veel ervaring opgebouwd met crowd management. Bij de start van het Vloed-project houden we dit opnieuw tegen het licht. Wat wil de stad eigenlijk? Wat is nuttig voor de handelaars? En vooral, hoe willen we de data gebruiken?
Onze handelaars willen het huidige druktebeeld en in een prognoses voor de komende uren weten. Ze willen de data online consulteren, maar ook (historische) data downloaden. De interesse richt zich vooralop het straatniveau of voor het eigen winkelgebied. Er is ook veel vraag naar bezoekersprofielen, loopstromen en data over bestedingen. Die elementen vallen echter buiten de scope van Vloed.
Er is interesse in volgende use cases:
Drukte barometer
- voor handelaars, beleid en veiligheidsdiensten
- om drukte beheersbaar te kunnen houden
- ook het aangeven waar de drukte minder groot is, is relevant
- vraagt om fijnmazige data over de ruimtelijke verspreiding van de drukte en prognoses over de evolutie ervan
City Guide
- voor de bezoeker.
- waar is het druk of minder druk, en hoe kunnen we de bezoeker daarin leiden
- vraagt om fijnmazige data over de ruimtelijke verspreiding van de drukte en prognoses over de evolutie ervan. De ruimtelijke verdeling ervan is hier essentieel
Event overview
- de druktebarometer toegepast op evenementen. Voor het evenement zelf, maar ook om er uit te leren voor komende evenementen.
- waar zitten de drukte pieken en hoe verdelen die zich?
- welke evenementen brengen wat bij voor de handelaars en de stad
Wegsignalisatie
- de city guide gecombineerd met de aanwijzing en routebegeleiding naar de parking
- door deze focus op mobiliteit valt deze oplossing echter buiten de scope van Vloed
Open data deling
- dit gaat vooral om de manier van ontsluiten
- bij voorkeur wordt niet enkel een drukte barometer ontsloten maar ook de eigenlijke data zodat de handelaars (en anderen) daar mee aan de slag kunnen, alsook kunnen combineren met eigen data
We identificeren ook een aantal use cases over gebruikersprofielen. Die vallen echter formeel buiten de scope van VLOED.
Visitor insights
- het types bezoekers en hun looproutes.
- voor een bezoekersanalyse (types) en een bezoekersgids (tips voor bezoekers)
- dit gaat veeleer om data over de bezoekers zelf dan over drukte
Conversion rate
- de relatie tussen drukte op straat en inkomsten aan de kassa.
- om de zaak te kunnen optimaliseren (openingsuren aanpassen, aantrekkelijkheid verhogen, …)
- dit gaat zowel om drukte als om het type bezoeker. Ook data van de handelaar zijn nodig
-
Welke meetinstrumenten kunnen we inzetten?
Er zijn verschillende meetsystemen en datasets te koop? Wat is bruikbaar? En waarvoor?
Een proeftuin in de winkelstraten
Er zijn veelt verschillende meetsystemen op de markt. Die variëren van infraroodsensoren en andere sensoren tot en met camera’s met edge computing. Via de aanpak van een innovatieve overheidsopdracht zochten we de meest passende meetsystemen voor de proeftuin. Verschillende leveranciers krijgen de kans om hun systeem in Gent of Brugge te installeren om zo de waarde en beperkingen van de systemen te laten zien. We onderzoeken welke meetsystemen de meest relevante en accurate data opleveren.
In de data-analyse controleren we ook de waarde van de combinatie met de al beschikbare databronnen die we hebben. Daarnaast kijken we naar hoe we op basis van de beschikbare data uit de meetsystemen en onze eigen systemen een prognose van de drukte kunnen maken. Dit gebeurt in een aparte proeftuin voor druktevoorspellingen.
De testopstellingen waren operationeel in de lente en het begin van de zomer van 2022.
Waarom?
Real time druktecijfers en druktevoorspellingen laten handelaars en horeca-uitbaters toe om beter geïnformeerde beslissingen te nemen. Dankzij data en drukteprognoses kunnen er nu heldere antwoorden op ‘drukte-gerelateerde’ vragen gegeven worden. Met deze proeftuin, de data-analyse en de proeftuin voor druktevoorspellingen onderzoeken we wat allemaal mogelijk is.
Voor bezoekers:
- hoe druk is het in de stad?
- hoe druk is het in de parkings?
Voor handelaars:
- wanneer zet ik extra personeel in?
- hoeveel mensen mag ik verwachten tijdens de braderie?
- waar is de beste plek om een terras te plaatsen?
- waar is het zinvol om te investeren?
Hoe wordt de drukte gemeten?
1. Radiosensors in Langemunt en Veldstraat
De radiosensors gebruiken geen camera’s, Wi-Fi, Bluetooth of mobiele data. Ze gebruiken enkel een simpel radiosignaal. Hoe meer mensen er door het signaal lopen, hoe meer ze het verstoren. Toestellen aan de overkant van de straat vangen de storing op. Zo telt een algoritme hoeveel mensen er in de zone zijn. De technologie wordt al sinds het begin van de coronacrisis In Gent gebruikt. Deze toestellen hangen structureel in beide straten.
2. Passantentelling van de Langemunt tot Kouter
Deze slimme camera 's gaan een stapje verder. De camera's herkennen het type passant op basis van de snelheid: is het een voetganger of is het een fietser? De software in de camera genereert meteen ook cijfers: het aantal voetgangers, auto’s, bussen en trams dat voorbij kwam in de Veldstraat en op de Korenmarkt. Goed om weten: er worden geen beelden bijgehouden of ontsloten. Enkel de cijferanalyse wordt doorgestuurd vanuit het systeem.
Wat met privacy?
Geen van de vier in Gent gebruikte technologieën registreert persoonlijke gegevens. Alle geteste systemen gaan uit van privacy by design. Dit betekent dat we niet naar informatie over personen zoeken. Als er al info over personen gecapteerd wordt op de meetsystemen, mag die het toestel niet verlaten, en moet die informatie quasi meteen verdwijnen. Zo kan de slimme technologie ook niet misbruikt worden door derden.
Meer weten over de geteste systemen?
-
Welke data hebben we al?
Met welke bestaande data kunnen we aan de slag? En hoe verhoudt zich dit tot de meetsystemen?
Samen met een datascientist heeft de stad de gegevens onder de loep genomen. We kijken zowel naar de output van de proeftuin voor meetsystemen, als naar de data die we al hebben.
Veel databronnen
We beschikken over deze data, waaruit we waardevolle inzichten proberen af te leiden, zoals:
- huidige en oudere druktemetingen
- mobiliteit: straatparkeren
- mobiliteit: parkeergarages
- mobiliteitsgegevens circulatiegegevens via verkeerslussen en ANPR
- andere mobiliteitsdata, zoals: data van autodelen, deelfietsen, fietstelpalen, park ‘n’ rides, Waze, …
- toerisme: cijfers bezetting en reservatie van hotels
- bezoekersaantallen van cultuur en toerisme
- bezoekersaantallen van evenementen
De inzetbaarheid van deze data is echter heel verschillend:
- (quasi) continu beschikbare data vs in tijd beperkte datasets
- data beschikbaar via API of niet
- real time data of post factum data
De analyse van de data door VLOED toont aan dat gegevens pas echt bruikbaar zijn voor het volgen van drukte als het gaat om lange tijdreeksen, beschikbaar via API, met realtime gegevens. Omdat veel gegevens verband houden met drukte, is dit een belangrijk aandachtspunt voor veel systemen.
Proxygegevens voor drukte
Bij de Gentse datasets identificeerden we datasets die potentieel een sterke proxy zijn voor drukte in de stad. Dit is bevestigd bij de verdere verwerking voor de voorspellende modellen. Het wordt dus bijzonder belangrijk om in te zetten op de beschikbaarheid en kwaliteit van dit soort data. Deze proxy-data worden vooral bruikbaar als ze gecombineerd worden met data die een indicatie heeft van de spreiding van de drukte over en binnen de sfeergebieden in de stad.
Het gaat daarbij concreet om:
- bezetting van de parkeergarages
- circulatie op basis van ANPR camera’s
Hiaten in de data
Elk systeem heeft te maken met hindernissen en problemen die leiden tot hiaten in de data. Dit valt vooral op wanneer we de mogelijkheden voor voorspellende modellen verkennen. Een apparaat kan bijvoorbeeld uitvallen, zowel de systemen voor het meten als de tools voor het verwerken/opslaan van de data kunnen uitvallen. Een een parking kan tijdelijk niet toegankelijk zijn, of de capaciteit kan tijdelijk verminderd worden. In al deze situaties moeten de data en de voorspellende modellen ermee omgaan. Data moeten dus continu kritisch beheerd en gecontroleerd worden.
De belangrijkste uitdaging voor data-analyse en voorspellende modellen is hoe we omgaan met ontbrekende data. We besteden daarom binnen VLOED ook aandacht aan data-monitoring en data-imputatie.
De noodzaak van een integraal datamanagement
Multidisciplinaire data, lange realtime tijdsreeksen, kwaliteit en data-imputatie, proxydata. Er is veel mogelijk op het gebied van data-analyse wanneer dit actief wordt nagestreefd en beheerd. Als we verder willen gaan op basis van VLOED, hebben we een goed uitgewerkt datamanagementplan nodig. Door dit toe te passen, verandert ook de behoefte aan specifieke meetsystemen voor drukte en kunnen we verder werken met de data die we sowieso nodig hebben.
-
Wat kunnen we voorspellen?
We kunnen meten hoe druk het nu is? Maar kunnen we ook uit de drukte nu en de evolutie ervan afleiden of het straks druk wordt?
Dankzij de proeftuin met meetsystemen en de data-analyse weten we de input hebben om drukte te voorspellen. We zien twee types van modellen voor drukteprognoses die we willen testen. We passen deze opties toe in een proeftuin in Brugge en een proeftuin in Gent.
Dit waren de geplande testen:
Gerichte voorspellingen voor één zone, op basis van meetsystemen
- puntgerichte voorspellingen, voor één straatdeel
- input van een meetsysteem,
- output getest van datzelfde meetsysteem
- bruikbaar voor een druktebarometer voor dat ene gebied, crowd management, beheersing van evenementen en wegsystemen
Brede voorspellingen voor verschillende stadsdelen, op basis van meer datasets
- verspreiding van de drukte over een ruimer gebied
- input uit meerdere databronnen,
- onder meer een indicatie van de spreiding van de drukte via telco-data
- druktemeting, hetzij via meetsystemen, hetzij via proxy-data
- bruikbaar voor een druktebarometer op gebiedsniveau, overview van grotere evenementen, signalisatie voor bezoeker
- interessant als dataset voor de analyse van de drukte in het recente verleden
We realiseerden op basis daarvan deze proeftuinen:
Drukte prognose voor één winkelstraat
- prognoses voor één straatsegment
- voor het komend uur
- input: de meetsystemen
- output getest met data op basis van een meetsysteem
- herleiden van de uitdaging naar een classificatiesysteem dat de mate van drukte aangeeft
Drukte prognose per sfeergebied
- prognoses voor de drukte gespreid over de sfeergebieden
- voor de komende 4 tot 8 uur
- input: telecomdata, circulatie gegevens, bezetting parkings; kalender en weerdata. Ook tijdelijk getraind op meetsysteem
- output getest aan de hand van telecomdata
- nood voor data-imputatie om onderbrekingen in de datasets te verhelpen
Productieklaar na optimaliseren datamanagement
Beide proeftuinen tonen ons dat voorspellende modellen haalbaar zijn, maar ook hun beperkingen hebben. Het model voor één winkelstraat is haalbaar, maar tegelijk is de meerwaarde een stuk beperkter. Het model met drukte prognoses over de sfeergebieden kan, maar vergt een continue inspanning voor de datakwaliteit en hertraining. Dit model toont tegelijk de grote waarde van goede proxy-data, waarin wel blijvend geïnvesteerd moet worden.
Beide steden trekken hieruit de nodige conclusies.
- Er kan voor gekozen worden om vooral in te zetten op meetsystemen die de reële drukte in verschillende straten meten.
- Er kan gekozen worden om in te zetten het verder versterken van het datamanagement op mobiliteitsdata die een belangrijke proxy kunnen vormen voor drukte in de stad
-
Hoe kunnen we verder aan de slag?
Wat hebben we geleerd? En wat kunnen we daarmee doen?
Proeftuinen als methode
Dankzij de proeftuinen konden we veel verkennen en leren in een korte tijd. We hebben vooraf gesprekken gevoerd met stadsdiensten en handelaars om ons voor te bereiden, en geleerd dat de interesses van deze actoren vaak verschillen.
Voor de technische proeftuin lanceerden we een innovatieve overheidsopdracht, waarmee we de beschikbare meetsystemen leerden kennen.
We leerden:
- het potentieel en de beperkingen van de verschillende systemen
- het essentiële verschil tussen densiteit en passantentelling
- het belang van goede locaties en opstellingen, en wat zoal een goede meting kan vertroebelen.
- dat heel veel zaken de metingen kunnen onderbreken: van stroomtoevoer en technische pannes tot vooral het intens gebruik van de openbare ruimte.
- dat het periodiek blijven checken aan de hand van manuele tellingen bij elk systeem nodig is
- de eigenaardigheden van elk systeem: elke technologie interpreteert namelijk net iets anders
- en dat daardoor een nauwe samenwerking met de leveranciers nodig is
De data-analyse toont hoe data gecombineerd kunnen worden. Vooral het belang van goede proxy-data is daarbij cruciaal. Om betrouwbare en bruikbare real-time datasets te creëren, is het nodig om de bestaande datasets uit te bouwen. De proeftuin met de drukteprognoses heeft ons ook anders en bewuster laten kijken naar onze huidige data en de bruikbaarheid en beperkingen daarvan.
Datamanagement en voorspellende modellen op maat van de eigen stad
Andere steden
We merken we dat de structuur en het leven in beide steden heel verschillend zijn. Denk maar aan de verschillende impact van toeristen en studenten op Brugge en Gent, waardoor de dynamiek in beide steden verschillend is. Dit maakt ook dat de noden aan data en systemen verschillend zijn, en dat drukteprognoses in de twee steden ook anders opgebouwd moeten worden, en ook de behoeften aan data en systemen zijn daardoor verschillend.
Ander datamanagement
Bovendien is het systeem- en datamanagement in beide steden anders. Gent heeft een datamanagement opgebouwd waarin verkeersdata cruciaal zijn, terwijl Brugge veel belang hecht aan het effectief meten van drukte in de straten. Vloed heeft Brugge en Gent veel geleerd voor het datamanagement; onder meer dat de toekomstige inzet van data in beide steden verschillend moet blijven.
-
Hoe kunnen we samen aan de slag
Sinds Corona ontdekte iedereen drukte. We kijken over het muurtje en zien wat we kunnen leren. En we zoeken hoe we met de geïnteresseerden data en informatie kunnen delen.
Wat kunnen we leren van andere drukte-projecten?
Verschillende steden werkten de afgelopen jaren rond drukte en het datamanagement m.b.t. druktedata. Op 27 maart stellen de diverse steden hun conclusies voor. Na het event nemen we hier ook de voornaamste conclusies op
Wat kunnen we samen met jullie doen?
Data rendeert pas echt als we samenwerken, de data open is, en de nodige achtergrondinformatie beschikbaar is. We willen daarom aan de slag samen met de community. We communiceren hier binnenkort meer over, maar wie wel kan al aan de slag.
Op het open dataplatform vind je alvast deze datasets. Op basis van jullie interesse kunnen we dit verder uitbreiden.
Check druktedata op het Open Data Platform.
We starten een datalab over drukte. Daar houden we geïnteresseerden op de hoogte en kan je vragen stellen waarop we publiek informeren.
Blijf op de hoogte, en stel jouw vragen via het Datalab Drukte.
-
