Voorspellen van verkeersstromen met behulp van logistieke data

De onderzoeken FT Maas (Freight Traffic Management as a service) en ToGrip (GRIP on freight TRIPS) bekijken wat de combinatie van verkeersdata en logistieke data kan opleveren voor het voorspellen van verkeersstromen.

 

Research

De onderzoeksprojecten FT Maas (Freight Traffic Management as a service) en ToGrip (GRIP on freight TRIPS) bekijken wat de combinatie van verkeersdata en logistieke data kan opleveren.

Vanuit diverse gegevensbronnen is op te maken welk verkeer dagelijks het Rotterdamse havengebied in en uit gaat. Het gaat om historische data op basis waarvan verkeersvoorspellingen gemaakt kunnen worden. Als we aan die data nog logistieke data van transportbedrijven kunnen toevoegen, dan kunnen betere verkeersvoorspellingen worden gemaakt.
De onderzoeken verkennen welke impact dit heeft voor verkeers- en logistiekmanagement; welke maatregelen kunnen zorgen voor een betere doorstroming, betere voorspellingen over de drukte op de weg en betere reisadviezen.

Veel verkeersdata is op dit moment direct beschikbaar, maar dat geldt veel minder voor logistieke data vanuit het bedrijfsleven. De toegankelijkheid tot logistieke systemen wordt wel steeds beter en er wordt ook steeds meer data gegenereerd, zoals locatiegegevens van vrachtauto’s.

FTMaas is een living lab waarin proof of concept- / test-applicaties ontwikkeld worden waarin de diverse verkeers- en logistieke data met elkaar gecombineerd worden.
Bijvoorbeeld: bij een locatie van ExxonMobil wordt normaal gesproken gereed product continu afgevoerd. Maar als de vrachtwagens die het product komen halen, vaststaan in de file, moet de productie op de locatie worden stopgezet omdat de opslagcapaciteit ter plekke beperkt is.
Als je, op basis van betere voorspellingen, slots kunt toewijzen waarin de vrachtwagens zonder problemen hun bestemming kunnen bereiken, dan kun je een probleem als dit voorkomen.

ToGrip levert ook input voor FTMaas.

Opportunities

  • De planning van laden en lossen kan op basis van data geoptimaliseerd worden.
  • Betere voorspellingen en het daarop afstemmen van goederenvervoer resulteert ook in snellere doorstroming.

Challenges

  • Er is veel ruwe data te verkrijgen, maar dat vraagt om goede data-analyse. Alleen dan kun je betrouwbare voorspellingen maken waar gebruikers echt iets aan hebben.

Impact

Voorspellingen van reistijd en verkeersintensiteit worden zo betrouwbaar en zo nauwkeurig, dat het mogelijk wordt de bedrijfsprocessen er op af te stemmen.

Partners

ToGrip: Deltalinqs, Havenbedrijf Rotterdam, Rijkswaterstaat, PortBase, TLN, TNO, TUDelft.
FTMaas: Exxon Mobile, Havenbedrijf Rotterdam, Technolution, TU Delft.

Dit project is onderdeel van de roadmap Smart Logistics. Voor meer informatie over dit project of deze roadmap, neem contact met ons op.