The availability of smart card data from public transport travelling the last decades allows analyzing current and predicting future public transport usage. Public transport models are commonly applied to predict ridership due to structural network changes, using a calibrated parameter set. Predicting the impact of planned disturbances, like temporary track closures, on public transport ridership is however an unexplored area. In the Netherlands, this area becomes increasingly important, given the many track closures operators are confronted with the last and upcoming years. We investigated the passenger impact of four planned disturbances on the public transport network of The Hague, the Netherlands, by comparing predicted and realized public transport ridership using smart card data. A three-step search procedure is applied to find a parameter set resulting in higher prediction accuracy. We found that in-vehicle time in rail-replacing bus services is perceived ≈1.1 times more negatively compared to in-vehicle time perception in the initial tram line. Waiting time for temporary rail-replacement bus services is found to be perceived ≈1.3 times higher, compared to waiting time perception for regular tram and bus services. Besides, passengers do not seem to perceive the theoretical benefit of the usually higher frequency of rail-replacement bus services compared to the frequency of the replaced tram line. For the different case studies, the new parameter set results in 3% up to 13% higher prediction accuracy compared to the default parameter set. It supports public transport operators to better predict the required supply of rail-replacement services and to predict the impact on their revenues.@en

Hoe zou het OV van Den Haag eruit zien als we het opnieuw zouden ontwerpen? Om verbetermogelijkheden in het huidige netwerk op te sporen hebben we een ontwerpmethodiek toegepast met als uitgangspunt een uitgebreide demografische analyse. De methodiek bestond uit vier stappen: In stap 1 zijn demografische gegevens gebruikt voor het genereren van gegevens over potentieel reizigersgedrag. Hieruit zijn in de volgende stap HerkomstBestemmings-matrices gegenereerd door middel van een zwaartekrachtsmodel. Het ontwerpen van het netwerk vond plaats in stap drie door een minimaal aantal kortste schakels aan te brengen tussen wijken totdat alle wijken ontsloten zijn door middel van een “kortste schakel netwerk”. Hier worden ‘shortcuts’ aan toegevoegd om tegemoet te komen aan drukke relaties volgens de HB-matrix. Op deze manier ontstaat er een ‘ideaal’ netwerk van wijk-wijk relaties. Om in de laatste stap de frequenties van de links te bepalen, zijn de reizigers uit de HB-matrix toegedeeld volgens een ‘all-or-nothing assignment’. Het resultaat is een netwerk van links en nodes die de zwaartepunten van de wijken in Den Haag met elkaar en met de stations verbinden. Uit de vergelijking tussen het nieuwe en bestaande netwerk blijkt dat het huidige tramnetwerk van Den Haag goed voldoet aan de vraag. Er zijn wijken die nog beter ontsloten zouden kunnen worden (zoals Benoordenhout en Binckhorst) en wijken waar directere verbindingen naar het centrum zouden kunnen worden gecreëerd (zoals voor de wijken in het zuiden van Den Haag en Wateringen). In dit paper wordt een aantal concrete voorstellen gedaan voor deze verbeteringen. Deze ontwerpmethodiek blijkt goed toepasbaar en waardevol voor het vinden van netwerkverbeteringen en is ook interessant voor andere steden en gebieden om de potentiele reizigersvraag beter te kunnen koppelen aan het OV-netwerk. De methodiek kan daarbij gebruikt worden als een toetsing van het bestaande netwerk of voor het ontwerpen van een nieuw netwerk. @en