Deze en andere vragen waren voor de gemeente Utrecht aanleiding om samen met InTraffic en KPN het Mobiliteit Data Systeem (MDS) in te richten. Dit systeem is een belangrijke component in de smart mobility-gedachte van de gemeente Utrecht en is via design thinking tot stand gekomen.
De afdeling Mobiliteitsonderzoek van de gemeente Utrecht vergaart veel data. Verkeerslichten, detectielussen, camera’s, sensoren; de stad levert een schat aan informatie als het om het verkeer gaat. Het perfecte Internet of Things, zou je denken. Maar om van al die data chocola te maken, is nog niet zo eenvoudig, weet Martijn van Aartrijk, senior business consultant bij InTraffic. “Want die data zijn afkomstig van verschillende bronnen. Tientallen partijen leveren data aan, in verschillende formaten. In deze wereld is nog weinig sprake van standaardisatie. Het is een enorme klus om de data centraal te ontsluiten en zo te structureren dat je met algoritmes inzicht krijgt.”
Algoritmes en dashboards voor mobiliteitsvraagstukken
InTraffic en KPN hebben samen ervaring op dit gebied en vullen elkaar perfect aan. InTraffic is specialist in het beantwoorden van vragen op gebied van mobiliteit aan de hand van data. KPN heeft een robuuste infrastructuur voor datadeling ontwikkeld: de Data Services Hub (DSH). Dit is een platform dat real-time data uit vele verschillende bronnen centraal ontsluit.
Wij hebben als InTraffic op de KPN DSH een oplossing gebouwd om mobiliteitsvragen te beantwoorden: het Multimodal Analytics (M2A)-platform. Dit is een omgeving waarmee we data uit voor ons bekende bronnen kunnen omzetten naar een geïntegreerd datamodel, zodat we verschillende bronnen kunnen samenvoegen en met elkaar kunnen laten praten. Ons M2A-platform bevat daarnaast standaardalgoritmes en dashboards voor mobiliteitsvraagstukken. We breiden deze omgeving steeds verder uit om steeds meer Smart City mobiliteitsvraagstukken met M2A te kunnen beantwoorden.”
- Martijn van Aartrijk, senior business consultant bij InTraffic
Mesh infrastructuur voor datadeling
Data-governance, zoals bijvoorbeeld het goed regelen van de privacy, speelt in dergelijke Smart City-vraagstukken een belangrijke rol. En laat dat nu één van de sterke punten zijn van DSH. “Je kunt in het platform eenvoudig aangeven wie welke data mag gebruiken”, vertelt Bob Beelen, partnermanager bij KPN. “De DSH maakt gebruik van het mesh data-principe: de data blijft in de bron. In tegenstelling tot bijvoorbeeld een datalake maken wij er geen kopie van; we regelen alleen dat een andere partij bepaalde data die via de DSH toegankelijk wordt gemaakt mag gebruiken. Als eigenaar van de brondata kun je zelf bepalen wie wat met welke data mag doen. Op die manier kun je dus heel goed de data-governance regelen. Zo kan de mobiliteitsdata eenvoudig en veilig gekoppeld worden aan andere systemen, zoals de systemen die de veiligheid in de stad in de gaten houden.”
Uitermate schaalbaar
Het M2A smart mobility platform, gebouwd op de DSH, is ultiem schaalbaar. Je kunt er onbeperkt databronnen op ontsluiten. In theorie zelfs alle Nederlandse gemeenten en alle partijen die op een of andere manier data verzamelen voor die gemeenten.
Design thinking
Voor de gemeente Utrecht is met dit schaalbare platform een oplossing op maat ingericht: het Mobiliteit Data Systeem (MDS). In september is de eerste versie opgeleverd. “Het unieke van de samenwerking met de gemeente Utrecht is dat zij niet vroegen om een kant-en-klaar product, maar dat ze op zoek zijn naar partners die hen op lange termijn helpen bij het ontwikkelen van een smart mobility-omgeving”, zegt Martijn. “We pakken dit aan via design thinking. Er is geen vast omschreven einddoel, we weten alleen dat we samen de weg willen afleggen en tijdens die route zoveel mogelijk willen leren.”
Samen uitdagingen aangaan
En leren, dat doen de drie partijen volop. Martijn kan tientallen uitdagingen noemen waar het team tegenaan liep. “Meet een sensor of lus bijvoorbeeld altijd wel wat je denkt dat hij meet? Je kunt ander gedrag van een lus verwachten op een industriegebied dan in een Vinex-wijk. Daar moet je expliciet rekening mee houden. Alleen maar naar de ruwe data kijken, is onvoldoende.”
Je kan er bovendien niet van uitgaan dat alle data betrouwbaar zijn. Martijn: “Met het MDS kunnen we snel achterhalen welke data onbetrouwbaarheid zijn, wat de oorzaak daarvan is en of we er een automatische interpretatieslag overheen kunnen doen waardoor we toch met die data kunnen werken.”
Een andere uitdaging is dat een IoT-device zoals een camera, sensor of detectielus altijd maar één aspect meet. “Je kunt data van meerdere IoT-devices bij elkaar brengen, maar dan nog heb je geen totaalbeeld. Want er gebeuren ook dingen die je niet kunt meten. Je zult data dus altijd moeten interpreteren”, zegt Martijn. Hij vat het samen met: “Als je regie wilt voeren op mobiliteit, moet je wel data hebben waar je regie op kúnt voeren.”
Grote complexiteit
De uitdagingen op het gebied van mobiliteitsdata in de stad Utrecht waren nog veel complexer dan bij aanvang gedacht. Inzicht krijgen in deze complexiteit is iets wat past bij de design thinking-aanpak. Martijn: “Hoewel KPN en wij heel goed weten tegen welke uitdagingen je aanloopt en ook Utrecht al veel ervaring heeft op het gebied van smart mobility, waren we alle drie toch verrast door de complexiteit in een stad als Utrecht. Via de design thinking-aanpak hebben we deze complexiteit gekanaliseerd. Dat was mogelijk omdat we niet een dashboard of ander kant-en-klaar dataproduct opleveren, maar een platform dat om kan gaan met een diversiteit aan datavraagstukken.” Een platform dat nu alleen geschikt is voor mobiliteitsvraagstukken, maar in de toekomst wellicht ook gecombineerd kan worden met andere Smart City-vraagstukken.
