Tunnelvisie

Joran Buwalda, Boris

Holtman, Lauri Schippers,

Niels Verweij

Bèta-Gamma | Thema 3

Vrije domein

19-01-2018

Tunnelvisie

Een analyse van de routekeuze van voetgangers op

Inhoudsopgave

Inleiding 3

Theoretisch kader 4

Methoden en plan van aanpak 8

Resultaten 9 Conclusie 13 Discussie 14 Literatuurlijst 17 Bijlagen 19 Bijlage 1. Planning 19

Inleiding

Dagelijks wandelen meer dan honderdduizend voetgangers door de stationshallen van Amsterdam Centraal Station (ACS), het op een na drukste station van Nederland (pers. comm. Verhoeff, 24 oktober 2017) . Om van en naar de perrons te komen moeten de reizigers gebruik maken van één van de drie tunnels van het station: de Oosttunnel, de middentunnel of de Westtunnel. Bij de in- en uitgang van deze tunnels staan poortjes waar reizigers in- en uitchecken met een digitale reispas, de OV-chipkaart. Tijdens de ochtendspits en de avondspits moeten de meeste reizigers tegelijk door de tunnels waardoor er moeilijkheden kunnen ontstaan. Volgens de Nederlandse Spoorwegen (NS) zullen er in de toekomst nog meer reizigers van het station gebruik gaan maken. Hierbij komt ook dat sinds kort de poortjes alleen open gaan als er in of uitgecheckt wordt. De NS is dan ook bezig met het voorbereiden van het station op de toekomstige drukte. Om beter voorbereid te zijn op deze

toename aan voetgangers is informatie nodig over het gedrag van deze voetgangers.

Op het moment zijn er al meerdere studies over het loopgedrag van voetgangers gedaan. Veel van deze studies maken gebruik van dynamische simulatie modellen die het gedrag van voetgangers moeten voorspellen op basis van individueel loopgedrag (Braun, et al 2003; Campanella,

Hoogendoorn & Daamen, 2014). Bij iedere casus vertonen voetgangers echter gedragingen die niet uit simulaties verklaard kunnen worden. Daarom moeten modellen altijd experimenteel gekalibreerd worden voor zij goede voorspellingen kunnen doen over voetganger gedrag op specifieke casussen (Duives, 2017). Eén van de factoren waarvoor gekalibreerd moet worden is drukte. Dit onderzoek verkent een theoretische bijdrage aan een veelgebruikt simulatiemodel (het NOMAD model; Campanella, Hoogendoorn & Daamen, 2014; Campanella, 2016) waardoor dit model algemeen geldende voorspellingen kan doen over de invloed van drukte op voetganger gedrag zonder langdurige kalibratie. De toevoeging aan het model bestaat uit het kiezen van een geschikte

theoretische functie uit een andere voetganger theorie en het uitvoeren van de nodige modificaties om de functie in de modelregels van het NOMAD model te kunnen opnemen. Om de toevoeging aan het model te testen en direct relevant in te zetten wordt deze toegepast op de OV-chipkaart poortjes in ACS en daarna gevisualiseerd. Uit deze toepassing kunnen eventuele beperkingen van de theorie naar boven komen. Dit leidt tot de volgende onderzoeksvraag:

Welke invloed heeft de drukte bij de OV-chipkaart poortjes in ACS op de routekeuze van voetgangers?

Het verwachte antwoord op de onderzoeksvraag is: voetgangers passen hun snelheid aan richting een andere route met een factor die lineair afhankelijk is van drukte.

Routekeuze op ACS houdt in: de keuze voor één van de drie tunnels in het station. De hoofdvraag wordt opgesplitst in drie deelvragen. De eerste deelvraag verkent de theoretische bijdrage aan het NOMAD model, de tweede en derde passen deze toe op ACS.

Voor de theoretische bijdrage aan het NOMAD model wordt verkend hoe drukte het gedrag van voetgangers kan veranderen. Een toenemende drukte kan de aantrekkelijkheid van een route veranderen en er toe leiden dat mensen van de route afwijken. Dit leidt tot de eerste deelvraag, die in het theoretisch kader zal worden beantwoord:

− Welke theoretische invloed heeft drukte op het gedrag van voetgangers?

Om de theorie te testen op ACS, is informatie nodig over de drukte op ACS. Deze kan uit data verzameld op ACS bepaald worden. Dit leidt tot de tweede deelvraag:

− Wat is de drukte in de west-, midden- en oosttunnel?

Tenslotte zal de hinder die voetgangers door de in deelvraag 2 bepaalde drukte ervaren worden uitgedrukt in kosten, volgens de inzichten uit de eerste deelvraag. Het NOMAD model rekent namelijk ‘kosten’ uit die worden gemaakt tijdens het lopen van een bepaalde route. Afwijken van de kortste route verhoogt bijvoorbeeld de kosten van een route, terwijl het lopen langs winkels de kosten kan verlagen. De voetganger zal de route lopen die zijn kosten minimaliseert (Hoogendoorn & Bovy, 2004; Campanella, Hoogendoorn & Daamen, 2014). In de eerste deelvraag wordt verkend wat voor effect drukte heeft op deze kosten. Voor de derde deelvraag worden deze kosten voor drukte uitgerekend.

− Wat zijn de kosten op basis van drukte voor de voetgangers in de west-, midden- en oost tunnel op ACS?

Er is een interdisciplinaire aanpak vereist voor het beantwoorden en uitwerken van de

onderzoeksvraag. In de bewegingspsychologie is het een bekend gegeven dat drukte invloed heeft op het loopgedrag van voetgangers (bijvoorbeeld: Moussaïd, et al., 2009; Moussaïd, Perozo, Garnier, Helbing & Theraulaz, 2010). Natuurkunde is noodzakelijk voor het integreren van de functie in het NOMAD model omdat de grondslagen van het model op natuurkunde berusten. Waarna de

verkregen data gevisualiseerd moet worden met behulp van GIS, waarbij de expertise van cartografie noodzakelijk is.

Theoretisch kader

Om de eerste deelvraag te beantwoorden is een overzicht gecreëerd van de theoretische literatuur over het effect van drukte op de routekeuze van voetgangers. Inzichten vanuit de disciplines transport engineering, cartografie en bewegingspsychologie zijn hierbij tot één common ground geïntegreerd. De discipline transport engineering staat centraal in dit onderzoek om de kosten van de drukte voor de voetgangers te bepalen. Vervolgens wordt cartografie gebruikt om deze informatie te visualiseren. Hieronder zullen alle theorieën worden toegelicht in de bovengenoemde volgorde. Transport engineering is een technische discipline die met simulaties transportstromen voorspelt en zo waardevolle inzichten levert voor planologen en logistiek ontwerpers. Er bestaan verschillende modellen die de bewegingen van voetgangers modelleren. Een voorbeeld is het NOMAD walker model van de TU-Delft dat op micro-niveau de motieven van afzonderlijke voetgangers in beschouwing neemt (Campanella, Hoogendoorn & Daamen, 2014).

Het model neemt als input informatie over waar voetgangers het liefst lopen. De ‘kosten’ voor de voetganger zijn op die plekken het laagst. Plekken met lage kosten zijn kortste routes en routes die drukte vermijden. Deze kosten van bepaalde routes worden gevisualiseerd in een cost-map (zie figuur 1). De voetganger zal de route lopen die zijn kosten minimaliseert (Hoogendoorn & Bovy, 2004; Campanella, Hoogendoorn & Daamen, 2014).

Figuur 1. Voorbeeld van een cost-map. De voetgangers lopen vanaf hun vertreklocatie (ster) naar de bestemming (gele balk). De gekleurde vlakken geven gebieden van gelijke kosten aan. De voetganger zal steeds loodrecht op de scheidingslijnen tussen kosten-vlakken lopen, naar het volgende vlak met lagere kosten. Deze cost-map is kwalitatief, daarom hanger er geen waarden aan de kleuren.. (Campanella, Hoogendoorn & Daamen, 2014).

De invloed van drukte op routekeuze wordt in dit theoretisch kader aan de hand van het kostenminimalisatie principe uitgelegd. Daarvoor moet eerst de kostenfunctie van het NOMAD model worden belicht. Het NOMAD model rekent uit hoeveel kosten een voetganger op een bepaalde plek op een bepaald moment heeft. Daarbij worden verschillende factoren in rekening genomen, zoals de kortste route, de nabijheid van obstakels en de drukte. Het NOMAD model kent echter geen theoretische fundering voor de invloed van drukte op de kosten. En drukte heeft wel invloed op het gedrag van voetgangers, volgens onderzoeken uit de bewegingspsychologie (bijvoorbeeld: Moussaïd, et al., 2009; Moussaïd, Perozo, Garnier, Helbing & Theraulaz, 2010).

Daarom wordt hieronder ingegaan op theoretische drukte-afhankelijke functies in andere literatuur.

De lineaire formule

Een voorbeeld is de drukte-afhankelijke functie in de continuum theory van Hughes (2000). Daarin wordt gerekend met de ‘ongemakken door drukte’. Hughes neemt aan dat voetgangers hun snelheid aanpassen gebaseerd op deze ongemakken.

Bij de keuze voor het gebruik van formules uit de continuüm theorie moeten twee afwegingen worden gemaakt, die consequenties hebben voor de validiteit en betrouwbaarheid van dit onderzoek.

De eerste afweging is het overnemen van drie principiële aannames achter de kostenfunctie uit de onderzoeken van Hughes (2000; 2002).

1. Voetgangers lopen de kortste weg naar hun bestemming.

2. De grootte en richting van de snelheid van voetgangers hangt lineair af van de dichtheid van omringende voetgangers.

3. Voetgangers passen hun snelheid aan om grote dichtheden te vermijden, zelfs als dit hun reislengte verlengt.

De eerste en derde aanname zijn breed erkend (zie bijvoorbeeld ook Hoogendoorn & Bovy, 2004; Helbing et. al., 2001). De tweede aanname is minder goed onderbouwd. Er zijn twee experimentele proeven gedaan om de aanname te valideren, bijvoorbeeld door Hughes (2000) en Pushkarev en Zupan (1975), maar deze waren opgezet met kleine onderzoeksgroepen en in specifieke locaties waar het voetganger gedrag specifieke vormen kan aannemen waarvan onbekend is of die op andere plekken ook zouden voorkomen (bijvoorbeeld de Jerimat brug nabij Mekka). Een andere theorie stelt dat de snelheid van voetgangers kwadratisch afhangt van de dichtheid van omringende voetgangers. Deze aanname is gebaseerd op simulaties gedaan aan de hand van deze aanname beschrijven voetganger gedrag in verkeersknooppunten in Azië tot redelijke nauwkeurigheid. Voor een

concretere beschouwing van deze aanname, zie Huang (2009); Jiang Zhang, Wong & Liu (2010); Jiang & Zhang, (2012).

Beide theorieën, een lineaire en een kwadratische dichtheid afhankelijkheid, hebben een beperkte onderbouwing. In dit onderzoek is de aanname van een lineaire afhankelijkheid gebruikt (Hughes, 2000; Hughes, 2002) om twee redenen. Ten eerste omdat deze aanname experimenteel getest is, wat de betrouwbaarheid vergroot. Ten tweede omdat de externe validiteit van het onderzoek van het voetganger gedrag in Azië niet duidelijk genoeg is verantwoord in de artikelen van Huang (2009), Jiang et al. (2010), Jiang & Zhang, (2012) om hun resultaten te kunnen extrapoleren naar

voetgangersgedrag in Europa.

De tweede afweging is of de kostenfunctie van Hughes (2000) wel toe te passen is op de versimpeling tot één tunnel-keuzemoment voor voetgangers in ACS. In de werkelijkheid kunnen voetgangers uiteraard op meerdere locaties hun route aanpassen en verschillen de kosten ook nog binnen de tunnels. De functie van Hughes is dan ook bedoeld om tijdens het bewegen over een verkeersknooppunt per tijdstap de kosten opnieuw uit te rekenen. Door uit te gaan van één

keuzemoment wordt de voorspellende kracht van de kostenfunctie sterk vermindert. In hoeverre dit de voorspellende kracht vermindert en dus de interne validiteit van dit onderzoek verlaagt, kan alleen experimenteel bepaald worden. Die validatie is in dit onderzoek niet uitgevoerd, wegens gebrek aan tijd en middelen.

De keuze voor een lineaire dichtheid afhankelijkheid leidt, via een wiskundige redenering die kan worden teruggevonden in Hughes (2000) en Hughes (2002), tot vergelijking 1.

(1) g

(

ρ

)

=ρ(ρmax−ρcrit)

ρ_crit(ρ_max−ρ)als ρcrit<ρ< ρmax

Waarin:

g

(

ρ

)

is de factor waarmee voetgangers hun snelheid aanpassen bij drukte

ρ

is voetganger dichtheid (voetgangers per m2₎

ρ_crit is de kritische dichtheid (voetgangers per m2₎

ρ

_{max is de maximale dichtheid (voetgangers per m}2₎

De mate waarin een voetganger zijn snelheid aanpast is in essentie niet hetzelfde als kosten. In dit onderzoek wordt echter aangenomen dat de grootte van deze factor wel kan worden gebruikt als kosten: hoe sterk een voetgangers zijn snelheid wil aanpassen, reflecteert hoeveel kosten hij ondervindt door de drukte. Aldus leidt dit tot de volgende kostenfunctie voor drukte:

(2)

kosten=

ρ( ρ

max

−

ρ

crit

)

ρ

_crit

(

ρ

_max

−

ρ)

als ρ

crit

<

ρ<ρ

max

Deze functie gaat alleen op als de dichtheid groter is dan de kritische dichtheid. Onder de kritische dichtheid is het volgens de theorie onbekend of en hoe voetgangers uitwijken. Bij de maximale dichtheid is doorstroom onmogelijk en staan alle voetgangers stil. Dan zijn de kosten oneindig. De theoretische kritische dichtheid is 3,0 voetganger/m2 _{en de theoretische maximale dichtheid is 5,0}

voetganger/m2_.

Met vergelijking 2 en deze waarden zijn alle middelen in handen om de kosten veroorzaakt door drukte te berekenen, mits de dichtheid van voetgangers boven de kritische dichtheid is. Vergelijking 2 geeft dus antwoord op de eerste deelvraag (Welke theoretische invloed heeft drukte op het gedrag

van voetgangers?). In de rest van het theoretisch kader wordt ingegaan op een speciaal geval voor

de kosten en hoe de kosten gevisualiseerd kunnen worden.

De kwadratische formule

Als de dichtheid van voetgangers onder de kritische dichtheid is, kan de kwadratische formule van Jiang et al., 2010 en Jiang & Zhang, 2012 alsnog worden gebruikt. Deze gaat er namelijk vanuit dat voetgangers ook bij lage dichtheden hun snelheid aanpassen. Deze kwadratische formule gebruiken heeft echter alléén meerwaarde voor dit onderzoek als de dichtheden onder de kritische dichtheid zijn, de formule is namelijk minder goed onderbouwd dan de lineaire formule.

De kwadratische formule is als volgt:

(3)

kosten=(

ρ

ρ

max

)

2

(Jiang et al., 2010; Jiang & Zhang, 2012)

Cost-map

De simpelste manier om de kosten in een cost-map te visualiseren voor ACS is door uit te gaan van drie mogelijke routes: de west, midden en oost tunnel (Duives, 2017). Voetgangers hebben voor het station één keuzemoment waar ze een tunnel kiezen. Van iedere tunnel kunnen de kosten om erdoorheen te lopen worden berekend met vergelijking 2 (of, onder de kritische dichtheid eventueel met vergelijking 3). Elke tunnel krijgt in de cost-map dan een eigen kleur, op een kleurenschaal van lage tot hoge kosten. Voor het fabriceren van de cost-map wordt gebruik gemaakt van een

geographical information system (GIS). Door het toevoegen van kosten-bronnen worden cost-maps namelijk ingewikkelder. GIS kan de complexere cost-maps toch bewerkbaar maken. Voorbeelden van de toepassingen van GIS’s bestaan al in file-modellen (Goldsberry, 2008; Gundogdu, Sari, & Esen, 2008).

Methoden en plan van aanpak

De hoofdvraag die in dit verslag wordt beantwoord is:

Welke invloed heeft de drukte bij de OV-chipkaart poortjes in ACS op de routekeuze van voetgangers?

Deelvraag 1 is in het theoretisch kader beantwoord. De theoretische kostenfunctie wordt in deelvragen 2 en 3 gestest op ACS, om eventuele beperkingen van de functie te identificeren. Deze worden in de discussie besproken.

Deelvragen 2 en 3 worden door uitvoering van de verdere methoden beantwoord. Deelvraag 2:

Wat is de drukte in de west-, midden- en oostunnel?

Deze deelvraag wordt beantwoord door middel van data die is verzameld voor onderzoeken van Transport engineers naar routekeuze op ACS. De data zijn aantallen reizigers in ACS, verkregen via wifi van telefoons van reizigers en via in- en uit-checkdata. Uit de data-analyse komen getallen voort voor de drukte in de west-, midden en oost tunnels (aantal mensen per poortje per minuut). Dit zijn gemiddelden van de drukte tussen 17:00 en 19:00 gedurende twee maanden. Er is gekozen het gemiddelde tussen 17:00 en 19:00 te nemen omdat tijdens de avondspits veel reizigers het station in lopen om Amsterdam te verlaten. Dit vormt dus een interessante onderzoeksperiode. De data-analyse is op de volgende pagina uiteengezet.

Deelvraag 3:

Wat zijn de kosten op basis van drukte voor de voetgangers in de west-, midden- en oost tunnel?

Om deze deelvraag te beantwoorden worden theoretische inzichten uit de natuurkunde en transport engineering gecombineerd met een cartografische methode (zoals eerder verantwoord in het theoretisch kader). De getallen voor de drukte uit de eerste deelvraag worden via de passende kostenfunctie (vergelijking 2 en indien de dichtheid onder de kritische dichtheid is, vergelijking 3) omgezet in kosten voor voetgangers. Des te hoger de kosten van de tunnel, des te minder graag loopt de voetganger door die tunnel. De kosten voor voetgangers worden gevisualiseerd in een cost-map. De precieze methode hiervoor komt voort uit de cartografie en staat nog open. Om meer informatie te verzamelen over hoe je zo een cost-map maakt, zal een interview worden gedaan met Sophie Boot (zie Bijlage 2).

Figuur 1. De Opbouw van de methode van dit onderzoek.

Data-analyse

Van Verhoeff zijn er data-sets ontvangen over de reizigersaantallen op ACS. Deze data zijn op te delen in twee categorieën: data van het in- en uitchecken bij ov-poortjes en blip-data (verkregen op basis van bluetooth en/of wifi metingen van mobiele telefoons in de west-, midden-, en oosttunnel). De gegevens van de ov-poortjes zijn verkregen aan de hand van het in- en uitchecken van reizigers in de west- en oosttunnel. Gedurende twee maanden is per minuut aangegeven hoeveel mensen bij welk poortje in- en uitchecken. Er wordt vanuit gegaan dat deze gegevens de totaal aantal reizigers in de west- en oost tunnel weergeven. Een probleem met de ov-chipkaart gegevens is dat gegevens over de middentunnel ontbreken. Daarvoor gaan de blip-data worden gebruikt.

Een probleem bij de blip-data is dat niet elke reiziger wifi of bluetooth signalen heeft ingeschakeld op zijn of haar mobiele telefoon. Hierdoor zijn niet alle reizigers meegeteld in deze dataset. Dit kan worden gecorrigeerd door de blipdata (van west- en oosttunnel) te vergelijken met de ov-poortjes data (van west- en oosttunnel), die wel alle reizigers meetelt.

Resultaten

Drukte-analyse

De resultaten zijn als volgt.

Tabel 1. De gemiddelde aantallen reizigers per minuut per poortje tussen 17:00 en 19:00

Tunnels

West Midde n

Oost

Tunneldichtheid

(Gemiddeld aantal reizigers per minuut in de gehele tunnel)

88,31 57,31 23,24

Poortjes

(Aantal poortjes per tunnel)

10 11 9

(Gemiddeld aantal reizigers per minuut per poortje)

Om de reizigersaantallen van alle drie de tunnels te krijgen is de volgende data-analyse gevolgd. De reizigersaantallen van de oost- en west tunnel zijn direct uit de OV-chipkaart data worden gehaald. In excel zijn de data-inputs tussen 17:00 en 19:00 worden gemiddeld. Dit geeft het aantal incheckende mensen per minuut per poortje tussen 17:00 en 19:00.

Voor middentunnel is gebruik gemaakt van de blip-data, omdat er geen OV-chipkaart data is de middentunnel. Dit is op deze manier gedaan:

Er wordt twee keer een waarschijnlijk aantal reizigers berekend in de middentunnel, een keer met de data van de westtunnel, en een keer met de data van de oosttunnel. Dit gebeurd aan de hand van de volgende formules:

(4)

_BlipW

OVW

∗

BlipM=OVM

_wes

(5)

OVO

BlipO

∗

BlipM =OVM

oost

Het gemiddelde van OVMwest en OV Middenoost geeft een goede projectie van de reizigersaantallen in

de Middentunnel.

In de westtunnel gaan er per minuut gemiddeld 8,83 personen door een poortje ACS in. In de midden- en oosttunnel is dat 5,21 en 2,58 personen respectievelijk. Daarmee is de tweede deelvraag beantwoord: Wat is de drukte in de west-, midden- en oosttunnel?

Dit laat zien dat de westtunnel meer dan drie keer zoveel wordt gebruikt als de oosttunnel. De middentunnel geeft een waarde tussen de west en oosttunnel.

Kostenanalyse - lineaire formule

Om de drukte voor west- midden- en oosttunnel te kunnen gebruiken in de kostenfunctie, zijn de getallen omgerekend van aantal reizigers per minuut per poortje (ρpoortje) naar aantal reizigers per vierkante meter (ρm2)

Dit is als volgt gedaan: (6)

ρ

_m2

=

ρ

_{poortje × tpoortje}

A

_poortje

Waarin: tpoortje is de tijdsduur voor één voetganger om door het poortje te komen; Apoortje is

het grondoppervlak van één (normaal) poortje.

Voor tpoortje wordt 5 s genomen. Dit is een inschatting aan de hand van waarnemingen op ACS.

A

_poortje is 1,24 m2 _{(gemeten op ACS).}

De waarden voor de drukte in voetgangers per vierkante meter (zie tabel 2) liggen onder de kritische dichtheid van 3 voetgangers m-2_{. Dit betekent dat de kostenfunctie volgens de theorie van Hughes}

(2000) niet opgaat voor de drie tunnels. Daarom zijn ook de kosten volgens kwadratische vergelijking 3 uitgerekend.

Kostenanalyse - kwadratisch formule

Voor de kwadratische kostenfunctie zijn dezelfde drukte waardes in voetgangers per vierkante meter gebruikt.

De kosten van de drie tunnels, uitgerekend via vergelijking 2 en vergelijking 3, zijn als volgt.

Tabel 2. De kosten van de voetgangers in de tunnels op ACS

Tunnels West Midde n Oost Dichtheid

( ∙ 10

-1

voetgangers per m

2

)

6,0 3,5 1,7 Kosten volgens vergelijking 2

( ∙ 10

-3

)

90 50 24 Kosten volgens vergelijking 3

( ∙ 10

-3

)

3,5 1,2 0,30

De kosten uit vergelijking 2 liggen onder de kritische waarden van diezelfde vergelijking.

Hierdoor kunnen de uitgerekende kosten niet geïnterpreteerd worden. Wel is er een

verband te zien tussen de grootte van de kosten, waarin de westtunnel de hoogste kosten

heeft en de oosttunnel de laagste.

Dit verband is ook te zien in de kosten uit vergelijking 3. Te zien is dat de kosten van de

oos

ttunnel lager zijn dan de westtunnel, namelijk 3,0-4 en 3,5e-3 respectievelijk. De kosten van de middentunnel liggen daar tussenin, namelijk 1,2e-3. Dit betekent dat de westtunnel het minst en de oosttunnel het meest aantrekkelijk is voor voetgangers op basis van de drukte.

Gezien de orde van grootte van de kosten in Tabel 2, passen de voetgangers op ACS hun snelheid aan in de orde van 0,1 tot 10 ‰.

Costmap

De costmap visualiseert de kosten uit Tabel 2, berekend aan de hand van vergelijking 3. Het laat zien dat de kosten in de oosttunnel het laagst en in de westtunnel het hoogst zijn. De costmap staat weergegeven in Figuur 3.

Figuur 2 Cost map van de kosten van drukte voor voetgangers bij de zuidingang van ACS, berekend aan de hand van vergelijking 3.

Conclusie

Hieronder worden de deelvragen beantwoord. Daarna wordt er een antwoord geformuleerd op de onderzoeksvraag en wordt nagegaan of de hypothese klopt.

● Welke theoretische invloed heeft drukte op het gedrag van voetgangers?

Drukte veroorzaakt bij voetgangers een neiging om uit te wijken naar een andere route die minder druk is. Hoe sterk voetgangers hun snelheid aanpassen richting een andere route wordt beschreven door ‘kosten’. De kosten van drukte kunnen worden uitgerekend met vergelijking 2, mits de drukte groter is dan de kritische dichtheid van 3,0 voetgangers per vierkante meter. Hiermee is de theoretische bijdrage aan het NOMAD model succesvol.

● Wat is de drukte in de west-, midden- en oosttunnel?

De drukte in de westtunnel is 8,83 voetgangers per poortje per minuut, in de middentunnel 5,21 voetgangers per poortje per minuut en bij de oosttunnel 2,58 voetgangers per poortje per minuut.

● Wat zijn de kosten op basis van drukte voor de voetgangers in de west-, midden- en oost tunnel?

Volgens de continuüm theorie van Hughes zijn de kosten op ACS onder de kritische dichtheid en is er dus geen theoretische uitwijking van voetgangers door drukte. Volgens de kwadratische formule zijn de kosten van de westtunnel zijn 3,5 X 10-3_{, van de middentunnel 1,2 X 10}-3 _{en van de oosttunnel 3,0}

X 10-4_{. Deze waarden zijn zodanig laag, dat voetgangers hun snelheid gemiddeld met minder dan tien}

promille aanpassen richting een andere tunnel. Dit betekent dat de meeste voetgangers hun route niet zullen wijzigen naar een andere tunnel op basis van drukte.

Hoofdvraag: Welke invloed heeft de drukte bij de OV-chipkaart poortjes in ACS op de routekeuze van

voetgangers?

Boven de kritische dichtheid passen voetgangers hun snelheid aan met een factor (gegeven door de kosten) naar een andere route. Deze kosten hangen lineair samen met drukte. Alleen als de

dichtheden onder de kritische dichtheid zijn, heeft de kwadratische functie meerwaarde. Deze formule is namelijk minder goed onderbouwd dan de lineaire formule.

Op ACS zijn de kosten, brekend met de kwadratische functie, zodanig laag, dat voetgangers hun snelheid gemiddeld met minder dan tien promille aanpassen richting een andere tunnel.

De verwachting was dat de voetgangers hun snelheid aanpassen aan de hand van de drukte. Dit komt overeen met de resultaten. Echter is de aanpassing van snelheid zo klein dat het te verwaarlozen is.

Discussie

Om tot de resultaten van dit onderzoek te komen, zijn een aantal theoretische afwegingen gemaakt en aannames gedaan. Ook zijn er grote versimpelingen gemaakt van de werkelijkheid, om het onderzoek haalbaar te maken. In deze discussie worden deze afwegingen, aannames en versimpelingen beargumenteerd. Dit leidt tot een analyse van de mate waarin dit onderzoek betrouwbaar en valide is in het beantwoorden van de hoofdvraag. Beperkingen hierin leveren aanbevelingen voor vervolgonderzoek.

Discussie van de theorie

Afwegingen voor de kosten-functie

De afwegingen over de keuze voor de gebruikte kostenfunctie zijn al uitgebreid in het theoretisch kader behandeld en daar zal nu niet verder meer op in worden gegaan. Wat wel belangrijk is om bij stil te staan, is dat in dit onderzoek de werkelijkheid wordt versimpeld op twee maniere, wardoor de gevonden kostenfunctie (vergelijking 2) in haar huidige vorm niet zomaar kan worden toegevoegd aan het NOMAD model.

Ten eerste wordt er in dit onderzoek vanuit gegaan dat er maar één moment is waarop de

voetgangers een keuze maken voor één van de drie tunnels. In de werkelijkheid kunnen voetgangers uiteraard op meerdere locaties hun route aanpassen en verschillen de kosten ook nog binnen de tunnels. De functie van Hughes is dan ook bedoeld om tijdens het bewegen over een

verkeersknooppunt per tijdstap de kosten opnieuw uit te rekenen. Door uit te gaan van één

keuzemoment wordt de voorspellende kracht van de kostenfunctie sterk vermindert. In hoeverre dit de voorspellende kracht vermindert en dus de interne validiteit van dit onderzoek verlaagt, kan alleen experimenteel bepaald worden. Die validatie is in dit onderzoek niet uitgevoerd, wegens gebrek aan tijd en middelen.

Ten tweede, is ergekozen voor een statische beschrijving van de kosten. Het oorspronkelijk plan was om het onderzoek uit te breiden met een analyse vanuit de populatie-ecologie. Hierin zou worden gezocht naar evenwichten in de drukte op ACS. Daarmee zou de beschrijving van de statische situatie zoals die nu in dit onderzoek gedaan wordt, worden uitgebreid naar een dynamische beschrijving: Hoe ontwikkelt de drukte zich in de loop van de tijd? Dit is echter niet haalbaar doordat er in statistische formules binnen de populatie ecologie veel assumpties gedaan worden die niet

toepasbaar zijn op voetgangers patronen. De resultaten van dit onderzoek zijn dus een beschrijving op macro-niveau van de gemiddelde situatie in ACS over de onderzoeksperiode. De betrouwbaarheid van deze resultaten voor een specifiek moment op de dag is dus laag.

Een oplossing voor deze lage betrouwbaarheid zou kunnen komen vanuit een in de biologie veel gebruikte methode, agent based simulation. Deze methode zou wel inzicht kunnen bieden in de dynamische ontwikkeling van drukte. Een vergelijkbare methode wordt ook al toegepast in het NOMAD model. Voor dit onderzoek waren er echter te beperkte tijd en middelen om een dergelijke simulatie zelf op te zetten.

Discussie van de resultaten

Kosten

Uit de toepassing op ACS komen twee verdere beperkingen van de theoretische kostenfunctie naar boven. Allereerst liggen de waarden voor de drukte (in voetgangers per vierkante meter) liggen onder de kritische dichtheid van 3,0 voetgangers per vierkante meter. Dit komt er wiskundig op neer dat de factor waarmee voetgangers hun snelheid aanpassen richting een andere route kleiner dan 1 is. De theorie van Hughes (2000) stelt dan dat de vergelijking niet opgaat. Volgens Hughes’ theorie zou uit de resultaten van dit onderzoek dus moeten worden geconcludeerd dat voetgangers geen kosten ondervinden door drukte in ACS. Dit is een beperking aan de theoretische toevoeging aan het NOMAD model: onder de kritische dichtheid kan hij niet worden gebruikt en is men overgeleverd aan een minder goed onderbouwde functie waarvan de voorspellende kracht lager is.

Ten tweede blijken de kosten (berekend met de vergelijking van Huang et al.) voor alle drie tunnels zo klein dat ze een verwaarloosbaar effect hebben op de routekeuze voor voetgangers op ACS. Dat deze kosten te verwaarlozen zijn komt doordat andere kosten (zoals die door korste route) in de voetgangers theorie meerdere tien machten groter zijn. Er kan meer onderzoek worden gedaan naar de weegfactor van kosten door drukte ten opzichte van andere vormen van kosten om te controleren of het terecht is dat de kosten door drukte meerdere ienmachten lager zijn dan andere kosten.

Costmap

De costmap die gemaakt is voor dit onderzoek is gemaakt op basis van drie waardes, welke zijn berekend met vergelijking 3. Voor een betere representatie van de data zou het beter zijn op meer punten de kosten te berekenen, bijvoorbeeld per OV-poortje. Hierdoor zou een costmap gemaakt kunnen worden die gedetailleerder is.

Aanbeveling vervolgonderzoek

Een uitgebreide cost-map op basis van de in dit onderzoek gevonden kostenfunctie kan de basis vormen voor een goed onderzoek in de toekomst. In de eerdere discussie zijn echter vijf beperkingen van de theoretische kostenfunctie naar voren gekomen die eerst moeten worden opgelost. (1) de kostenfunctie in haar huidige vorm gaat uit van één locatie waarop routes worden gekozen (is niet continu) en (2) geeft een statische beschrijving. (3) onder de kritische dichtheid kan de functie niet worden gebruikt en (4) de kosten van drukte blijken meerdere tienmachten lager dan andere kosten. Tenslotte (5) is de cost-map ongedetailleerd door een klein aantal punten waarop kosten zijn

uitgerekend.Beperkingen omtrent de continuïteit en de statische beschrijving van kosten (1&2) kunnen worden opgelost door agent based simulation, met de cost-map als terrein. Hierbij kunnen de agents geplaatst worden in de omgeving waarna iedere agen de goedkoopste route voor zichzelf zoekt. Deze methode wordt veel gebruikt in de biologie om de verspreiding van organismen te verklaren. Hierbij worden bepaalde patches (stukjes gebied) met kosten aangegeven (Bowman, et al 2002). Crooks, et al (2015) gebruikt deze techniek om agent in de omgeving een zo kort mogelijke route te laten kiezen terwijl ze gehinderd kunnen worden door andere agents. Dit geeft betere

uitkomsten in dynamische systemen (Parunak, et al 1998). Door de simulatie meerdere keren te doorlopen kan een beter model van de reële situatie gemaakt worden.

Bij een agent based simulation wordt het model continu doordat de agents op iedere locatie hun route aanpassen en dynamisch doordat de drukte per tijdstap wordt berekend. Dit maakt ook een gedetailleerdere cost-map mogelijk (5).De beperkingen omtrent de kritische dichtheid en de lage kosten (3&4) moeten verder worden onderzocht. Hoe gedragen voetgangers zich onder de kritische dichtheid en kloppen de algemeen geaccepteerde weegfactoren voor verschillende vormen van kosten?Wij raden vervolgonderzoek naar agent based simulation van de kostenfunctie uit dit onderzoek en vervolgonderzoek naar de kritische dichtheid en weegfactoren aan, om de

voorspellende waarde en de validiteit van de kostenfunctie te verhogen. Dit is een belangrijke stap richting een volledige theoretische beschrijving van voetganger gedrag in de transport

engineering.Daarnaast raden wij met betrekking tot het onderzoek naar ACS aan om een vergelijkbare agent based simulation te maken voor andere factoren die kosten leveren voor

voetgangers, zoals faciliteiten op het station, kortste route en esthetische waarde van de tunnels. Dit kan worden gedaan met bijvoorbeeld het NOMAD model. Als de cost-maps van al deze factoren over elkaar worden gelegd kan een volledig en realistisch beeld verkregen worden van de routekeuze van voetgangers op ACS. Gezien de OV-chipkaart poortjes gesloten zijn, het station ook komende jaren nog wordt verbouwd en de verwachtingen zijn dat de drukte flink zal toenemen (tot wel 300.000 voetgangers per dag in 2025) wordt een dergelijke betrouwbare methode om de routekeuze van voetgangers te analyseren voor ACS alleen maar belangrijker.

Literatuurlijst

Boerlijst, M (08-11-2017) Persoonlijke communicatie

Bowman, J., Cappuccino, N., & Fahrig, L. (2002). Patch size and population density: the effect of immigration behavior. Conservation ecology, 6(1).

Braun, A., Musse, S. R., de Oliveira, L. P. L., & Bodmann, B. E. (2003, May). Modeling individual behaviors in crowd simulation. In Computer Animation and Social Agents, 2003. 16th International Conference on (pp. 143-148). IEEE.

Campanella, M., Hoogendoorn, S., & Daamen, W. (2014). The nomad model: theory, developments and applications. Transportation Research Procedia, 2, 462-467.

Crooks, A., Croitoru, A., Lu, X., Wise, S., Irvine, J. M., & Stefanidis, A. (2015). Walk this way: Improving pedestrian agent-based models through scene activity analysis. ISPRS International Journal of

Geo-Information, 4(3), 1627-1656.

Duives, D. (2017) Persoonlijke communicatie

Fujii, K., & Sano, T. (2014). Experimental study on crowd flow passing through ticket gates in railway stations. Transportation Research Procedia, 2, 630-635.

Goldsberry, K. (2008): “GeoVisualization of Auto-mobile Congestion.” Proceedings of the AGILE 2008 Conference, AGILE Workshop on GeoVisualization of Dynamics, Movement and Change

Gundogdu, I. B., Sari, F., & Esen, O. (2008). A new approach for geographical information system-supported mapping of traffic accident data.

Helbing, D., Molnár, P., Farkas, I. J., & Bolay, K. (2001). Self-organizing pedestrian movement. Environment and planning B: planning and design, 28(3), 361-383.

Heuvel, J. P. A., van den, & Hoogenraad, J. H. (2014). Monitoring the performance of the pedestrian transfer function of train stations using automatic fare collection data. Transportation Research Procedia, 2, 642-650.

Hoogendoorn, S. P., & Bovy, P. H. (2004). Pedestrian route-choice and activity scheduling theory and models. Transportation Research Part B: Methodological, 38(2), 169-190.

Huang, L., Wong, S. C., Zhang, M., Shu, C. W., & Lam, W. H. (2009). Revisiting Hughes’ dynamic continuum model for pedestrian flow and the development of an efficient solution algorithm.

Transportation Research Part B: Methodological, 43(1), 127-141.

Hughes, R. L. (2000). The flow of large crowds of pedestrians. Mathematics and Computers in

Hughes, R. L. (2002). A continuum theory for the flow of pedestrians. Transportation Research Part B: Methodological, 36(6), 507-535.

Jiang, Y. Q., Zhang, P., Wong, S. C., & Liu, R. X. (2010). A higher-order macroscopic model for pedestrian flows. Physica A: Statistical Mechanics and its Applications, 389(21), 4623-4635. Jiang, Y., & Zhang, P. (2012). Modeling and simulation of pedestrian flow through hydrodynamics.

Procedia Engineering, 31, 1039-1044.

Moussaïd, M., Helbing, D., Garnier, S., Johansson, A., Combe, M., Theraulaz, G. (2009) Experimental study of the behavioural mechanisms underlying self-organization in human crowds. Proceedings of

de royal society B. doi: 10.1098/rspb.2009.0405

Moussaïd, M., Perozo, N., Garnier, S., Helbing, D., Theraulaz, G. (2010) The walking behaviour of pedestrian social groups and its impact on crowd dynamics. PLoS ONE 5(4): e10047.

https://doi.org/10.1371/journal.pone.0010047

Parunak, H. V. D., Savit, R., & Riolo, R. L. (1998). Agent-based modeling vs equation-based modeling: A case study and users' guide. Lecture notes in computer science, 1534, 10-25.

Pushkarev, B., & Zupan, J. M. (1975). Capacity of walkways. Transportation research record, 538, 1-15.

Verhoeff, L. (2014) Choice and experience of the movement route. Elsevier. Transportation Research Procedia 675 – 680

Bijlagen

Bijlage 1. Planning

Om ervoor te zorgen dat wij een goed interdisciplinair onderzoeksproject af gaan leveren hebben we afgesproken dat we minimaal één keer per week een werkblok van twee uur samen aan het project gaan werken. In deze eerste weken van het project hebben we al ondervonden dat het samenwerken in deze geplande werkblokken erg goed werkt. We zullen hier dus zoveel mogelijk gebruik van maken. Verder proberen we tussentijds ook in kleine groepjes samen te komen. Omdat iedereen een druk en wisselend rooster heeft stuurt Lauri iedere week een datumprikker om het volgende

werkblok te plannen. In het werkblok wordt er naast het samenwerken aan het project, ook de werkverdeling afgesproken voor de volgende week. Voor de rest hebben wij besloten om niet met een roulerende voorzitter te werken maar om per onderdeel één of meerdere

eindverantwoordelijken aan te wijzen. De verdeling van de onderdelen staat hieronder: Introductie: Boris

Methodologie: Joran en Lauri

Theoretisch kader: iedereen het eigen deel van zijn vakgebied Data-analyse: Niels

Resultaten: Niels en Joran Conclusie: Joran

Discussie: Boris en Lauri Opmaak: Niels

Spelling en stijl: Lauri Bijlagen: Lauri

Plannen gezamenlijke werkblokken: Lauri Ordenen drive: Joran

Daarnaast hebben we naast de reguliere deadlines onszelf de deadline gesteld dat het theoretische gedeelte uiterlijk 9 november af moet zijn. Verder kunnen we dan per week in het werkblok in deze tabel hieronder invullen wie welk deel voor zijn rekening neemt. Qua planning hebben we

vastgesteld dat er een aantal momenten zijn, namelijk de kerstvakantie en de twee tentamenweken, dat er door vakanties en majortentamens geen tot weinig tijd is om aan Thema III te werken. We hebben hierop geanticipeerd door daar in onze planning rekening mee te houden. Daarom verwachten we niet dat dit ons problemen zal opleveren. Boris heeft in de periodes van 16-26 november en van 14-22 december heel veel verplichte practica voor zijn major. Hier moeten we rekening mee houden tijdens de werkverdeling. Dit gaan we waarschijnlijk doen door Boris in de rest van de tijd iets meer te laten doen zodat hij die periodes iets minder kan doen.

Wat ook kan bijdragen aan een goed verslag is het inwinnen van advies van experts. Voor het specificeren van ons onderzoeksvoorstel en het verkrijgen van extra theoretische uitleg voor ons theoretisch kader hebben we de volgende drie experts geïnterviewd.

− Lee Verhoeff: Hij is afgestudeerd aan de universiteit van Birmingham en heeft het artikel geschreven over tunnelkeuze op ACS (geïnterviewd door Lauri).

− Dorine Duives: zij is een van de onderzoekers van de TU Delft die het NOMAD model hebben ontwikkeld (geïnterviewd door Joran).

− Maarten Boerlijst: hij doet onderzoek naar voedselwebben en populatiedynamica aan de UvA (geïnterviewd door Boris)

Na het analyseren van de data willen we Thijs de Boer interviewen om advies te vragen over het maken van een cost-map. Thijs de Boer is manager van de GIS-studio op de UvA. Hij heeft veel ICT werk gedaan op gebied van datavisualisatie en cartografie in GIS. Helaas is het niet gelukt om Thijs de

Boer te interviewen. Daarom is Sophie Boot geinterviewd over haar expertise voer het programma GIS. Voor de uitwerking van de interviews zie Bijlage 2.

Week Bijzonderheden en deadlines

Wat moet er gebeuren? Werkverdeling

(+aantal uren) 25-09 t/m 01-10 02-10 t/m 08-10 -Evalueren oriëntatieopdracht -Verdere afbakening onderzoeksvraag -2 uur -3 uur 09-10 t/m 15-10 13-10 deadline onderzoeksvoorstel -Schrijven onderzoeksvoorstel -Maken presentatie

-Contact leggen ACS

- 16 uur - 1 uur - 1 uur 16-10 t/m 22-10 -expert benaderen -interview voorbereiden -interviewen -2 uur -6 uur -4 uur 23-10 t/m 29-10 26-10 deadline interview met expert

-interview uitwerken -6 uur

30-10 t/m 05-11 -uitwerking theoretische deelvragen -10 uur 06-11 t/m 12-11 09-11 deadline datacollectie en analyse + theoretisch deel af -opzet eindverslag -theoretisch kader -8 uur - 12 uur 13-11 t/m 19-11

-analyseren data ACS -8 uur

20-11 t/m 16-11

-analyseren data ACS -8 uur

27-11 t/m 03-12

-analyseren data ACS -8 uur

04-12 t/m 10-12

-schrijven van definitieve methode en resultaten

-16 uur

11-12 t/m 17-12

-schrijven van definitieve conclusie en discussie

-16 uur

18-12 t/m 24-12

21-12 deadline 1e versie -check van spelling, stijl en opmaak

-8 uur

25-12 t/m 31-12

01-01 t/m 07-01 08-01 t/m 14-01

-verwerken van de feedback op de eerste versie -8 uur 15-01 t/m 21-01 19-01 deadline definitieve versie

-verwerken van de feedback op de eerste versie -voorbereiden presentatie -4 uur -8 uur 22-01 t/m 28-01

Bijlage 2. Uitwerking van de interviews

Interview met Dorine Duives

(Joran Buwalda, 25-10-2017 via Skype)

Wie is Dorine Duives?

Dorine Duives werkt als postdoc bij de Pedestrians group van de Transport & Planning department aan de TU Delft. Daar onderzoekt zij de bewegingen van groepen mensen tijdens bijzondere gebeurtenissen, zoals evacuaties en in situaties waar de capaciteit van een verkeersknooppunt geraakt wordt. Om de bewegingen van voetgangers te onderzoeken maakt ze gebruik van modellen zoals NOMAD. Over het NOMAD model heeft Joran haar een aantal vragen gesteld.

Wat vindt u van de opzet van ons onderzoek?

- Dorine: Leuk dat jullie je storten in dit onderbelichte vakgebied!

- Waarden voor kosten toekennen is lastig. Het lukt al goed met hele meetbare dingen zoals: > Kortste route tussen activity area’s

> Snelste route (reistijd) > Drukte

> Veiligheid

Maar subjectieve, individuele overwegingen zijn zeer lastig te kwantificeren. Dorine: Wat dat betreft hebben jullie jezelf een ambitieuze opgave gesteld.

- Wat wél al goed lukt, is het algemene model kalibreren aan de hand van subjectieve factoren. Als voetgangers anders blijken te lopen dan je model voorspelt, kan je dit in je model verwerken. Je leert je model dan dat op deze specifieke casus mensen nou eenmaal een afwijkende route nemen. De reden voor die afwijkende route laat je dan echter buiten beschouwing.

Hoe verwerk je zo’n kalibratie tot ‘kosten’ in de cost-map van het NOMAD model?

Door te tellen hoeveel mensen een plek vermijden heb je experimenteel bepaald hoeveel (extra) kosten er op die plek zijn. In het model voeg je dan als het ware een ‘gewichtje’ toe aan die plek. Een voorbeeld is dat voetgangers vaak een ruimere bocht nemen dan te verwachten zou zijn aan de hand van de kortste route. Dit kan te maken hebben met veiligheidsoverwegingen van de individuele voetganger: als je de bocht ruim neemt heb je langer om uit te wijken als er een tegenligger vanaf de andere kant blijkt te komen. Deze ‘reden’ voor de afwijkende route valt echter niet te kwantificeren. Hoe zit dat ‘gewichtje toevoegen’ wiskundig in elkaar?

Dat kan op twee manieren, afhankelijk van hoe je model de cost-map berekent.

1. De kosten van de cost-map worden op kleine schaal continu uitgerekend. Je hebt

bijvoorbeeld je verkeersknooppunt in hokjes van een meter bij een meter ingedeeld en een wiskundige functie integreert over de ruimtelijke coördinaten. Hier moet je ook ‘continue gewichtjes’ meenemen. Dit is wiskundig erg ingewikkeld en vaak onpraktisch omdat het te veel rekenkracht van de computer vereist om uit te rekenen.

2. De kosten worden in een graaf uitgerekend. Je onderscheid een aantal ‘knooppunten’ waar de voetgangers tussen routes moet kiezen. Bij ieder knooppunt worden de kosten per mogelijke vervolgroute uitgerekend. De kosten worden dus niet continu, maar per ‘knoop’ uitgerekend. Per knoop worden bepaalde routes ‘verzwaard’ door een gewichtje. Dit is

wiskundig een stuk makkelijker, en vereist minder rekenkracht als het model wordt gerund. Nadeel: je moet wel meerdere malen itereren omdat de uitkomst van één knoop de vorige knoop weer kan beïnvloeden. Dorine: Ik raad jullie aan met grafentheorie aan de slag te gaan.

Hoe vinden we meer over grafentheorie en kostenfuncties in het NOMAD model?

Zoek op ‘flooding algorithms’ en lees bijvoorbeeld de phd-thesis van Mario Campanella, die NOMAD doorontwikkeld heeft.

Drukte en veiligheid worden al in algemene modellen meegenomen, zei u eerder. Hoe betrek je die in de cost-map?

Het effect van drukte op routekeuze wordt onderzocht in ‘dynamische modellen’ (die niet per sé met kosten werken zoals NOMAD dat doet). De initiële routekeuze wordt uitgerekend aan de hand van de kortste route. Vervolgens wordt de drukte in kaart gebracht. Dit beïnvloedt de verwachte reistijd van een voetganger. Een korte route door een drukke hal kan langer duren. Zo kan drukte de voetganger er toch voor laten kiezen een andere route te nemen.

Een paar voorbeeldonderzoeken:

− T. Kretz, K. Lehmann, I. Hofsäß, and A. Leonhardt "Dynamic Assignment in Microsimulations of Pedestrians" in 93rd Annual Meeting of the Transportation Research Board 2014 (on conference CD: 14-0941) (2014). download from arXiv. Bibtex.

− T. Kretz, K. Lehmann, and I. Hofsäß "User Equilibrium Route Assignment for Microscopic Pedestrian Simulation" in Advances in Complex Systems 17(2) pp. 1450010 (2014). download from arXiv. Bibtex.

− T. Kretz "The Effect of Integrating Travel Time" in Pedestrian and Evacuation Dynamics 2012, U. Weidmann, U. Kirsch, and M. Schreckenberg (eds.), pp. 1013-1028, Springer-Verlag (2014). ISBN: 978-3-319-02446-2. download from arXiv. Bibtex.

Dorine: Ik weet ook een paar onderzoeken naar het effect van de afmetingen van ruimtes op wayfinding.

Die onderzoeken zijn met VR-brillen uitgevoerd, maar misschien wel leuk voor jullie onderzoek. Zoek op Bauke de Vries en Jos Post (TU Eindhoven).

Interview Lee Verhoef

(Lauri Schippers, 24-10-17)

Lee Verhoeff is op dit moment werkzaam als onderzoeker voor Pro Rail. Tijdens zijn studie op de universiteit van Birmingham heeft hij zijn master onderzoek gedaan naar de tunnel keuze op

Amsterdam Centraal. Voor dit onderzoek heeft hij een model gemaakt om de drukte in de tunnels te voorspellen. Dit model was gebaseerd op de theorie van de route met de laagste kosten. De

aanname was dat hierbij de kortste route en de kortste hoeveelheid tijd die het kost om een route te nemen bepalend zou zijn voor de keuze van een route. Echter de knelpunten die voorspeld werden aan de hand van het model bleken in het echt niet te ontstaan. Daaruit concludeerde Verhoeff dat er andere factoren meespelen in de keuze voor een bepaalde route. Eventuele factoren die een rol zouden kunnen spelen bij die keuze zijn esthetiek, faciliteiten en de drukte(ervaring).

Advies van Verhoeff:

Het kwantificeren van esthetiek en faciliteiten is heel interessant, maar te ingewikkeld voor de korte tijdsspanne die ons onderzoek biedt. Hij raadde ons aan om alleen naar de drukte te kijken omdat dat makkelijker te kwantificeren is. Verder raadde hij aan om te kijken naar:

- Van Hagen, M. (2011) Waiting Experience At Train Stations. Delft: Eburon Academic Publishers.

- Verhoeff, L (2014) Quality of stations .MSc in Railway Systems Engineering and Integration College of Engineering, School of Civil Engineering.

Interview Sophie Boot (Niels Verweij, 16-01-2018)

Voor het interview voor de discipline aardwetenschappen is Sophie Boot geïnterviewd. Ze volgt op dit moment een Geo-Information Science master waarin ze veel gebruikmaakt van GIS. Met deze achtergrond heeft zij veel verstand van cartografie en de digitale aspecten van aardwetenschappen. GIS is het programma dat we hebben gebruikt om de cost-map te maken.

Advies van Boot:

Probeer een zo eenvoudig mogelijke plattegrond te vinden van ACS. Hierdoor zal de geprojecteerde data beter zichtbaar worden op de costmap. Hou bij het geoprocessing van de kaarten rekening met de verschillende coördinatensystemen waarin ze geprojecteerd zijn, dit zorgt voor een andere weergave.

Interview Maarten Boerlijst

(Boris Holtman, 08-11-2017)

Maarten Boerlijst is een docent bij de afdeling Theoretische en Computationele Ecologie van het Instituut voor Biodiversiteit en Ecosysteem Dynamica (IBED) op de universiteit van Amsterdam. Hij geeft de vakken populatiedynamica en theoretische biologie bij de bachelor biologie. Verder verricht hij onderzoek op deze vakgebieden in ruimtelijke dynamiek van organismen in een ecosysteem. Nadat u van ons plan gehoord heeft wat vindt u van het gebruiken van de discipline biologie? Leuk plan, erg leuk om vanuit de biologie te kijken naar het gedrag van de voetgangers.

Wat vindt u van het plan om populatiedynamica modellen toe te passen op de casus (Amsterdam centraal)?

Ik denk niet dat dat de beste optie is. Dit zijn erg complexe situaties en een populatiedynamica model kan daar niet goed voorspellingen over doen. Het probleem is dat je in dit soort situaties niet moet proberen om een model te maken maar juist moet gaan kijken hoe het gedrag van de

Heeft u een idee wat beter van toepassing is op de situatie?

Ja, ik heb naar aanleiding van de mail al even gekeken naar wat gebruikt kan worden en het lijkt mij het beste om ‘swarm models’ te gebruiken. Dit zijn modellen waar individuelen een set acties krijgen waarna ze handelen naar iets dat op groepsgedrag lijkt, zoals een school vissen, bacteriekolonies of een zwerm vogels. Hiervoor zou je het programma Netlogo kunnen gebruiken. Netlogo wordt in veel disciplines gebruikt waaronder biologie.

Wij hebben eerder gekeken naar het gebruik van modellen en daaruit besloten dat wij niet genoeg kennis hebben om deze op de casus toe kunnen passen, is het niet mogelijk om toch populatie modellen te gebruiken?

Nee deze modellen zijn niet goed genoeg voor het beschrijven van zulke complexe situaties. Wat je zou kunnen doen ik zoeken naar modellen die al bestaan en de eigenaren mailen om te vragen of je ze kunt gebruiken. Als je vergelijkbare data kunt testen zou je daar informatie voor de casus uit kunnen krijgen, je kunt dan alleen geen harde conclusies maken.