Iedereen kent inmiddels wel de plaatjes waarop je kunt zien hoe het verkeer doorstroomt en waar het vaak vast staat. Deze plaatjes zijn visualisaties van probe-data: Data verzameld door voertuigen en bestuurders met een smartphone, ingebouwd navigatiesysteem of ander device waarmee continue snelheid en positie worden doorgegeven. Dit gebruik van probe-data gebeurt in Nederland al zo’n tien jaar. Navigatiebedrijven als TomTom stellen hun ‘historische’ data tegen betaling beschikbaar voor analyses. Ook gegevens van een concurrerend bedrijf als Google bieden steeds meer inzicht in [auto-]verkeersstromen.
Autoverkeer in Parijs [TomTom]
Hardlopen in Parijs [Runkeeper]
Fietsen in Parijs [Strava]
Maar eigenlijk is dat pas het begin van het gebruik van probe-data. Het is weliswaar mooi om te zien waar doorstromingsproblemen ontstaan. Maar dergelijke plaatjes geven geen inzicht in hoe de stad gebruikt wordt als het verkeer gewoon doorstroomt. Even gechargeerd gezegd: Als het verkeer doorstroomt zie je eigenlijk niets.
Planning van infrastructuur gebeurt in Nederland aan de hand van verkeersmodellen. Deze modellen hebben moeite met routekeuze. Ze zijn zo geprogrammeerd dat ze voor één enkele route kiezen van A naar B kiezen. Soms gecorrigeerd voor drukte in de spits, waardoor een concurrerende route aantrekkelijker wordt. De praktijk is dat er verschillende routes van A naar B zijn, die meestal maar enkele minuten verschillen in reistijd. Omdat verkeer zich gedraagt als water, zullen al die verschillende alternatieven in meer of mindere mate gebruikt worden. Bovendien kan iemand er ook nog voor kiezen om toch maar naar C te rijden in plaats van B. Dat alles leidt tot een in werkelijkheid andere belasting van het wegennet dan de huidige verkeersmodellen voorspellen.
Met probe-data kun je een goede indruk krijgen van de echte belasting van het stedelijk netwerk. En dat is nog niet alles: Je kunt ook achterhalen waar het verkeer vandaan komt en waar het naartoe gaat. En dat zonder dure en privacygevoelige camerasystemen. De mobiele burger doet het gewoon zelf en automatisch: Self-tracking.
In dit EmergentCity onderzoek is vooral verkeersdata gebruikt: Fietsersdata van Strava en de Fietstelweek en auto-intensiteiten van TomTom. Allemaal voorbeelden van data die door gebruikers zelf met hun telefoon [of navigatiesysteem] is geproduceerd. Onderstaande visualisatie van het half-Nederlandse Human laat zien dat gebruikers van dergelijke apps in staat zijn om hun steden heel consequent en overal op dezelfde manier in kaart te brengen.
De revoluties in mobiliteit en connectiviteit leiden tot verschuivende bewegingspatronen. Sommige stromen verliezen aan belang, andere winnen nog en weer andere veranderen van reikwijdte of karakter. Deze veranderingen leiden uiteindelijk ook tot verschuivende sociaal-economische potenties. Andere plekken in de stad worden belangrijk, andere steden worden belangrijk. In bovenstaande visualisatie is bijvoorbeeld heel kort maar ook erg duidelijk te zien dat in Amsterdam vooral in het relatief kleine gebiedje tussen Kostverlorenvaart en de Amstel gefietst wordt [00:30], in Berlijn juist vooral aan de oostkant [00:40] en in Kopenhagen rond de kop van de Vesterbrogade [00:50]. Dat zet behoorlijke vraagtekens achter traditionele opvattingen over wat het ‘centrum’ van deze steden is. Voor de fietser is dat blijkbaar heel iets anders als voor de voetganger, om nog maar te zwijgen over de automobilist.
Niet toevallig zijn die drie bovengenoemde buurten in Amsterdam, Berlijn en Kopenhagen ook buurten die zich als uberhip laten omschrijven. Dat herinnert er nog maar eens aan dat mobiliteit onlosmakelijk is van enerzijds de mens, en anderzijds de stad. Beweging is wat beide verbindt. Vooral lopen, maar ook fietsen en zelfs nog autorijden bieden niet alleen verplaatsing maar ook interactie met de leefomgeving. Amsterdamse stadsstraten, met hun laagste fietssnelheid van heel Nederland, zijn met hun direct aangrenzende omgeving ook het meest diverse leefmilieu van het land. En de Parijse boulevards zijn zeer verkeersintensief, maar vooral geniaal als flaneeromgeving, als sociaal milieu.
Anders gezegd: Verkeersdata is makkelijk toegankelijk, belangrijk om te gebruiken en dat doen we nog veel te weinig. Er valt nog heel veel te leren en toepassingen zullen alleen maar slimmer worden. Maar de valkuil is dat het optimaliseren van de verkeersmachine een doel op zich wordt. Waar het werkelijk om gaat is stedelijke beweging en stedelijke activiteiten zo te organiseren dat ze als een organisch geheel werken. Dat ons helpt onze dromen voor onszelf en onze medemens waar te kunnen maken.