Met MaaS naar het werk? Een kwestie van databronnen koppelen

maandag 26 november 2018
timer 5 min
Van alle Amsterdammers die aan de Zuidas werken gaat vijftig procent met de auto naar het werk. Terwijl de verkeersdruk op en om de ring goed is voor minimaal een halfuur vertraging, per vervoersbeweging. Tel daarbij op dat het gebrek aan parkeergelegenheid goed is voor nog een halfuur zoeken naar een plekje waar de auto acht uur lang leeg mag stilstaan en je hebt een mobiliteitspatroon dat vraagt om verandering. Mobility as a Service (MaaS) is hier het antwoord, zegt Laurens Lapré van CGI.

Sterk verbeterd rendement 

Belangrijk is dat werkgevers inzien dat de kosten voor het vervoer van hun werknemers al nauwelijks beheersbaar meer zijn en jaar na jaar blijven stijgen stijgen. Met een wagenpark in de parkeerkelder waarvan elke auto gemiddeld niet meer dan vijf procent van de vijf leasejaren op de weg is. MaaS heeft de potentie om dit rendement sterk te verhogen. Wat dat doet voor de vervoerskosten van een bedrijf is niet moeilijk te berekenen.

Bij MaaS hebben we het over een platform waarop we vele databronnen samenbrengen. Ten eerste, natuurlijk, de data van alle vervoersmiddelen die we willen gaan inzetten. Dat zijn al vele bronnen, met ieder een eigen structuur en informatieve kwaliteit. Data van deelauto’s, -taxi’s, -scooters en -fietsen, het openbaar vervoer, maar ook alle vervoersmiddelen die de gebruikers zelf bezitten. Van elk onderdeel dat deel kan zijn van een MaaS-reis hebben we informatie nodig.

Databronnen koppelen

Ook faciliteiten zijn databronnen. Publieke parkeerplaatsen, laadpalen, bedrijfsterreinen en eigen garages om er een paar te noemen. En dan hebben we nog de voorkeuren en de profielen van werknemers en de mobiliteitsopties die werkgevers bieden. Pas als we al deze informatie netjes aan elkaar kunnen koppelen, met inachtneming van privacy, kan MaaS gaan werken. Dan pas kunnen we een optimaal advies geven en de reis regelen die perfect past bij de gebruiker en diens werkgever.

In Amsterdam kunnen we deze informatie ook goed aanvullen met verkeersdata. Voor een deel is die informatie afkomstig van de bekende lussen in het wegdek, maar ook van camera’s, wegkantsystemen en – met name op lokaal niveau in de stad – van boordsystemen in auto’s. Inmiddels zijn we er prima in geslaagd daar een betrouwbare basislaag van te maken. De praktijklessen van projecten zoals de Praktijkproef Amsterdam zijn daarbij van grote waarde voor het vormgeven van de beste MaaS-dienst voor de Zuidas.

Voorkeuren gebruiker

Om de gebruiker een betrouwbare dienst te bieden voor vervoer (geen advies, nee, een daadwerkelijk georganiseerde reis met alle bijbehorende modaliteiten) is echter veel meer nodig. Zo verzamelen we data over evenementen, zodat de MaaS-app weet dat een route door het hart van de stad niet de snelste is tijdens het Amsterdam Dance Event. Ook calamiteiten, stremmingen en wegwerkzaamheden moet worden meegewogen, net als weersverwachtingen en last but not least: de voorkeuren van de gebruiker.

Want wat wil de reiziger? De goedkoopste route, of de snelste, of de reis met de minste tussenstops, of met de meest luxe vervoermiddelen? En daar komen nog twee dimensies bij. Beschikbaarheidsdata (op welk station in de buurt van Eemnes is een leenauto beschikbaar) en systeemdata van het vervoermiddel zelf, want is de batterij van die leenauto vol genoeg om mee naar Eemnes te rijden en is er een laadpaal aanwezig op de plaats waar de gebruiker na afloop de auto weer laat staan?

Succes met lokale pilots

Het MaaS-platform verzamelt, koppelt en aggregeert al die data. Voor de werking is niet alleen de actuele data van belang, maar ook historische, omdat op basis daarvan afwijkingen zijn vast te stellen en voorspellingen kunnen worden gedaan. En er komen steeds meer datasoorten beschikbaar. Hoe meer we er daarvan betrouwbaar kunnen integreren in het platform, hoe beter we met MaaS de beste reis kunnen bepalen. Daar ligt het doel, het punt waarop de gebruikers blind afgaan op de mobiliteit die de Maas-app regelt, omdat ze weten dat de app het altijd bij het rechte eind heeft.

In de lokale pilots gaan we aan tonen dat het kan. In Rotterdam en bij de Zuidas Mobility Experience zijn aansprekende resultaten bereikt, maar het maakt wel een verschil of je met een honderdtal werknemers werkt of met tienduizenden. Daarom experimenteren we nu op regionaal niveau. Op landelijk niveau zijn we zover nog niet, maar met de ambitie voor een landelijk dekkende MaaS-dienst zijn we een van de meest vooruitstrevende landen ter wereld.

Collectief belang en persoonlijk voordeel

De grote uitdaging is om alle betrokken partijen te overtuigen van het collectieve belang en hun eigen voordeel. Maar laten we even terugkeren naar het uitgangspunt: de werknemers. MaaS-diensten kunnen al worden aangeboden in verschillende smaken. Bedrijven kunnen kiezen voor diensten op basis van budget, efficiency of luxe en die opties vervolgens aanbieden aan hun werknemers. De kostenreductie die daarmee op korte termijn al kan worden bereikt is enorm. Met MaaS naar het werk wordt straks voor velen een reële optie, want de dienst bespaart kosten en verbetert stedelijke bereikbaarheid. En dat is dan weer goed voor de leefbaarheid en het milieu.

Lees ook: 

De uitdagingen van MaaS voor de opdrachtgever


Deadlock op de Zuidas, de limiet is bereikt