Voorspellen Lokale Ondernemers en Economie door Drukte (VLOED)

Het Druktedashboard geeft een actueel overzicht van de drukte in verschillende gebieden van Brugge, ondersteund door diverse grafieken.

De druktebarometer voor de binnenstad

Deze barometer geeft de drukte in de binnenstad van Brugge weer. Op een schaal van 1 tot 5 duidt het de drukte aan, waarbij 1 staat voor “zeer rustig” en 5 voor “zeer druk”. De informatie wordt regelmatig bijgewerkt voor de meest actuele weergave.

De interactieve druktekaart

Deze kaart biedt een overzicht van de drukte in verschillende delen van Brugge. Deze interactieve kaart stelt gebruikers in staat om de drukte in diverse gebieden van de stad te verkennen en toont ook de locaties van de gebruikte sensoren.

Nog drie informatieve grafieken

1. Het weekoverzicht van de binnenstad: Deze grafiek toont de drukte in absolute aantallen op elk moment gedurende de week, waardoor gebruikers specifieke piekmomenten kunnen identificeren in de grafiek 'Drukte in de binnenstad'.
2. Algemene drukte in de binnenstad: Deze grafiek geeft de relatieve drukte gedurende de week weer, waardoor gebruikers trends en variaties in de drukte kunnen observeren.
3. Het jaaroverzicht: Deze grafiek biedt inzicht in de drukte over een langere periode, waardoor trends en seizoensgebonden fluctuaties zichtbaar worden.

Bij de start van het VLOED-project houden we crowd management en druktemetingen tegen het licht. Wat wil de stad eigenlijk? Wat is nuttig voor de handelaars? En vooral, hoe willen we de data gebruiken?

De handelaars willen het huidige druktebeeld en in prognose voor de komende uren weten. Ze willen de data online consulteren, maar ook (historische) data downloaden. De interesse richt zich vooral op 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:

Druktebarometer

• 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

Met welke bestaande data kunnen we aan de slag? En hou 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
• Parkeergarages
• 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.

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 real-time 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.

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

Gerealiseerde 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.

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 op het verder versterken van het datamanagement op mobiliteitsdata die een belangrijke proxy kunnen vormen voor drukte in de stad

Er zijn verschillende meetsystemen en datasets te koop? Wat is bruikbaar? En waarvoor?

Een proeftuin in de winkelstraten

Er zijn veel 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 Living Lab, meer specifiek in de winkelstraten Zuidzandstraat en Steenstraat, 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: De sensors van CrowdScan gebruiken geen camera’s, Wi-Fi, Bluetooth of mobiele data maar 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 voorbijliepen.
2. Passantentelling via telcamera’s en sensoren: De oplossingen van Citymesh en ViNotion gaan een stapje verder. Die slimme camera herkent het type passant op basis van de snelheid en vorm: loopt daar een voetganger of is het een fiets? De software in de camera genereert meteen ook cijfers: zoveel voetgangers, auto’s, bussen en trams kwamen er voorbij in Steenstraat, Zuidzandstraat en op het Simon Stevinplein. Goed om weten: er worden geen beelden opgenomen en niemand kan ze bekijken, enkel de cijferanalyse wordt doorgestuurd. 

Wat met privacy?

Geen van de 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. 

Vanaf de start van het project zijn we vertrokken vanuit de zeven principes voor de toepassing van crowd management technologie:

1. Maatschappelijke waarde: We zetten dataverzameling alleen in om maatschappelijke vraagstukken als bereikbaarheid, veiligheid en leefbaarheid op te lossen. We plaatsen sensoren bewust en gebruiken niet meer sensoren dan noodzakelijk.
2. Ethisch verantwoorde toepassing: Strikte en kritische omgang met data, algoritmes en analysemethoden blijven absoluut noodzakelijk. Over de effecten op inwoners en ondernemers werd vooraf goed nagedacht.
3. Transparantie centraal: We communiceren over welke gegevens worden verzameld, welke datasets met elkaar worden gecombineerd en met welke leveranciers er wordt samengewerkt. De verzamelde data in de openbare ruimte is opvraagbaar door het publiek en wordt indien mogelijk via een dashboard openbaar.
4. Inwoners en ondernemers betrokken: De openbare ruimte is van iedereen, daarom worden inwoners en ondernemers geïnformeerd/betrokken bij het gebruik van sensoren. Zo werden zij actief betrokken in workshops en communicatie.
5. Juridische basis op orde: De toepassing kent een juridische basis die vooraf in kaart is gebracht. Samen met de DPO werden de vraagstukken rondom privacy tijdig geadresseerd en gestart met een DPIA
6. Rechten over data geregeld: Bij de aanbesteding van sensortechnologie worden de afspraken over de rechten over de data vastgelegd. We eisen aan leveranciers dat onze data niet verkocht mag worden aan derden.
7. Toegankelijke en veilige digitale technologie: De gebruikte digitale infrastructuur en technologie is veilig, inzichtelijk en kent open interfaces en open protocollen. We houden reeds bij de aanschaf van sensoren rekening met dataminimalisatie, zodat deze alleen data verzamelen en registreren die nodig is om het doel te realiseren.

Proeftuinen als methode

Dankzij de proeftuinen van ’t Zand tot aan de Markt konden we op korte termijn veel verkennen en leren. 

1. We gingen voorbereidend in gesprek met stadsdiensten en handelaars en leerden hoe de interesses van deze actoren vaak verschillen
2. Voor de technisch proeftuin lanceerden we een innovatieve overheidsopdracht die ons de belangrijkste beschikbare meetsystemen leerde kennen. We ondervonden:

• 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. 
• heel veel zaken de metingen kunnen onderbreken: van stroomtoevoer en technische pannes tot vooral het intens gebruik van de openbare ruimte.
• het periodiek blijven checken aan de hand van manuele tellingen bij elk systeem een noodzaak is
• de eigenheden van elk systeem. Elke technologie interpreteert namelijk net iets anders. 
• en dat daardoor een nauwe samenwerking met de leveranciers nodig is.

1. De data-analyse toont hoe data gecombineerd kunnen worden. Vooral het belang van goede proxy-data is daarbij cruciaal. De bestaande datasets uitbouwen tot betrouwbare en bruikbare real-time datasets is dus nodig. 
2. De proeftuin met de drukteprognoses leerde ons ook anders en bewuster kijken naar onze huidige data en de bruikbaarheid en beperkingen daarvan.

Datamanagement en voorspellende modellen op maat van de eigen stad

Andere steden

Die conclusies tonen ons de mogelijkheden voor een bewuste omgang met drukte data. Tegelijk merkten we vaak 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. Dit maakt dat de dynamiek in beide steden verschillend is. Drukte prognoses moeten dan ook per stad anders opgebouwd worden, en ook de behoeften aan data en systemen zijn daardoor verschillend. 

Ander systeem- en  datamanagement

Ook de historie is in beide steden verschillend. Gent heeft een datamanagement opgebouwd waarin verkeersdata cruciaal zijn. Brugge hecht dan weer veel belang aan het effectief meten van drukte in de straten.