PhD-studenten Alexandra Gavriilidou en Marie-Jette Wierbos hebben net een intensief fietsexperiment achter de rug. De benodigdheden: duizend meter tape, tweehonderd petjes, acht camera’s en Ahoy Rotterdam. Niemand waagde zich nog aan het voorspellen van fietsgedrag, maar daar brengt de TU Delft nu verandering in. 

‘Once in a PhD time’

De fietser is onvoorspelbaar, schiet nog net voor een voetganger langs over het zebrapad, maakt nog even vaart bij een op rood springend verkeerslicht en komt daar ook nog zonder kleerscheuren vanaf. “Fietsers zijn heel wendbaar, en snel. In tegenstelling tot het andere verkeer waar ze mee te maken hebben: automobilisten zijn aan veel meer regels gebonden, en voetgangers bewegen zich op een veel kleinere schaal.” Gavriilidou en Wierbos hebben net de eerste stap gezet om fietsgedrag te kunnen voorspellen: het verzamelen van data. Veel data, want die is er nog nauwelijks. Tijdens het experiment fietsten tweehonderd deelnemers een parcours in Ahoy. Volgens Wierbos was dit experiment een “once in a PhD time”: “We hebben een berg aan data van automatische tracking camera’s, genoeg om een model te bouwen voor fietsverkeer.” 

Individuele fietser beïnvloedt fietsstroom

De PhD-studenten promoveren beiden binnen het Allegro-project, dat gericht is op slow modes. “Daarmee doelen we op voetgangers en fietsers, maar wij vinden active modes een betere benaming. Het benadrukt dat fietsen en wandelen allebei actief zijn. Je beweegt zelf.”, zegt Wierbos. Zij onderzoekt het gedrag van grote aantallen fietsers door bijvoorbeeld het ontstaan van opstoppingen te bestuderen. “Individuele beslissingen hebben invloed op de fietsersstroom en andersom.”
Gavriilidou onderzoekt het individuele gedrag van fietsers. Wanneer remt of versnelt iemand, en hoe reageer je op andere fietsers? “Een automobilist houdt zich vaak aan de regels: als iemand van rechts komt, stop je. Fietsers zijn veel eerder geneigd om door te fietsen.”

Elk individu gedraagt zich anders, en dus kreeg iedereen in het experiment een petje met een unieke barcode. Gavriilidou: “We hebben software ontwikkeld die de petjes van de individuele deelnemers kan detecteren op de videobeelden. Zo kunnen we het pad afleiden dat elke deelnemer heeft gevolgd.” Dit pad, de zogeheten ‘trajectorie’, kan worden gekoppeld aan gegevens als leeftijd, geslacht en type fiets.

Dagelijkse wetenschap

Ondanks de voorbereidingen van een half jaar ging niet alles als verwacht. “De wegversmalling, gecreëerd door twee dikke matten op de route, zou een opstopping moeten veroorzaken.” Dat verliep anders: in een grote hal als Ahoy zie je de vernauwing aankomen. De fietsers anticipeerden al ruim van tevoren door wat langzamer te rijden. “Dat hoort bij een experiment, in tegenstelling tot waarnemingen in de dagelijkse praktijk.”, zegt Wierbos. “Het grote voordeel is dat we de fietsers konden confronteren met allerlei verschillende situaties. Iets wat in de werkelijkheid niet kan.”

Gavriilidou onderzocht eerder ook fietsgedrag in de dagelijkse praktijk, waaruit bleek dat fietsers zich breed opstellen voor een rood licht. Vaak laten ze veel ruimte op het wegdek over om met de voet op de stoeprand te kunnen steunen. “Uit eerder onderzoek van mij blijkt juist dat het gunstiger is om dicht op elkaar te staan bij een stoplicht, dan pakken meer fietsers groen licht mee en is er minder vertraging”, vult Wierbos aan. “Met deze observaties kunnen bestaande situaties verbeterd worden. Hoe zou je fietsers er bijvoorbeeld van kunnen overtuigen dat het ook voor henzelf beter is om dicht op elkaar te staan voor een rood licht?”

Het toekomstige model kan in Nederland helpen aanpassingen te doen in het ontwerp van onze fietspaden. Waar zitten knelpunten, zoals versmallingen, verkeerslichten, kruispunten, bochten en invoegingen? En hoe kunnen we dat oplossen? Misschien blijkt wel dat we bijvoorbeeld beter fietspaden kunnen maken met een snelle en langzame rijbaan. In een land als Griekenland, waar Gavriilidou opgroeide, kan het nog veel meer effect hebben. “Daar bestaan nu nog helemaal geen fietspaden. Ik fietste naar de universiteit tussen de motoren en auto’s, ik mag van geluk spreken dat ik nooit een ongeluk heb gehad!” Mocht er in Griekenland een fietsnetwerk aangelegd worden, dan kan het model helpen om bijvoorbeeld aan te geven hoe breed een fietspad moet zijn op basis van het verwachte aantal fietsers, of wat de gewenste straal is van een bocht in een fietspad. En in de toekomst kan het model wellicht helpen om realtime voorspellingen te gaan doen over fietsverkeersdrukte. Zo kun je van tevoren zien waar het druk is op straat.

Gepubliceerd: september 2018