Steden worden steeds intelligenter

Onderzoekers maken met big data steden slim

Kleurrijke taxibusjes scheuren kriskras door de Keniaanse stad Nairobi. Vaste haltes en routes zijn er niet. Wie er in zit, geeft ongeveer aan waar hij of zij naar toe wil. Toch zijn er wel degelijk patronen in de routes die de busjes rijden, ontdekten onderzoekers van Afrikaanse en Amerikaanse universiteiten.

Via Smartphones vergaarden ze heel veel data over de routes van de busjes. Zo identificeerden ze honderddertig informele routes, die ze vaak reden. De onderzoekers herkenden ook nog honderden plekken waar taxichauffeurs veel stopten. Eigenlijk hadden de bestuurders dus zelf een informeel schema van haltes en tijden gemaakt. Net als busmaatschappijen in veel andere steden.

Via Smartphones vergaarden ze heel veel data over de routes van de busjes. Zo identificeerden ze honderddertig informele routes, die ze vaak reden. De onderzoekers herkenden ook nog honderden plekken waar taxichauffeurs veel stopten. Eigenlijk hadden de bestuurders dus zelf een informeel schema van haltes en tijden gemaakt. Net als busmaatschappijen in veel andere steden.

Big data

Startups gebruiken de vergaarde data momenteel om een navigatiesysteem voor de busjes op te zetten, compleet met tijden en haltes. Voor het eerst krijgt Nairobi daardoor een soort openbaar vervoernetwerk. Handig voor inwoners, bezoekers en het leverde ook nog trotse taxichauffeurs op. Bovendien moeten de haltetijden zorgen voor minder files en milieuverontreiniging, doordat de busjes efficiënter rijden. Ook bijzonder is dat de verandering niet door een overheid of een busmaatschappij op werd gelegd, maar werd ontwikkeld in samenwerking met de bestuurders van de busjes.

Dit is de kaart, die gemaakt werd dankzij het onderzoek. De kleuren geven de verschillende lijnen aan en de witte en zwarte stippen de haltes en waar je kan overstappen. Meer informatie op de site van Digital Matatus.

Het is een goed voorbeeld van hoe het verzamelen en verwerken van big data het leven aangenamer, goedkoper en efficiënter kan maken. Door dit soort toepassingen worden steden steeds slimmer. En dat gebeurt al overal ter wereld. Neem de Engelse stad Birmingham waar lantarenpalen niet alleen licht geven, maar ook sensoren hebben die helpen om een accurater weerbericht te maken.

Initiatieven om steden slimmer te maken, schieten overal als paddenstoelen uit de grond. Ongelooflijk veel data speelt daarbij een sleutelrol. Dankzij steeds goedkopere sensoren is het mogelijk om veel meer gegevens te verzamelen. Onderzoekers werken ook steeds vaker samen met inwoners van steden, die bijvoorbeeld via hun mobiele telefoon data verzamelen. “We produceren met z’n allen voortdurend een onwaarschijnlijke hoeveelheid gegevens. Naar schatting is de hoeveelheid data die de mensheid vergaarde tot 2003 zo’n vijf exabytes. Volgens Eric Schmidt van Google produceren we dat nu iedere twee dagen”, zegt Carlo Ratti. Hij is een van de belangrijkste onderzoekers op dit gebied en de directeur van het Senseable City LAB van MIT.

Slimme inwoners

Al die data kan bijvoorbeeld ingezet worden om wateroverlast in een stad tegen te gaan. “We verzamelen dan niet alleen gegevens via klassieke weerstations, maar ook via andere manieren”, zegt boardmember Paul Althuis van het vorige jaar opgerichte Amsterdam Institute of Advanced Metropolitan Solutions (AMS). Dat is een instituut waarin onder meer MIT, TU Delft en Wageningen UR samenwerken in onderzoek naar intelligente steden. “Aan de TU Delft werken al onderzoekers aan goedkope regenmeters en sensoren in paraplu’s. Bovendien versturen inwoners via de zogeheten Social Weather App weer- en wateroverlastgegevens. Dat zorgt voor een schat aan informatie. Waardoor we ontdekken waar in de stad veel wateroverlast ontstaat en waar niet.”

Door te fietsen de stad slimmer maken? Dat kan met Copenhagen Wheel, waar Carol Ratti onder meer aan meewerkt. Dit is namelijk niet alleen een strak vormgegeven achterwiel waarmee je een fiets omtovert in een e-bike. Het wiel bevat twaalf sensoren, die de snelheid, luchtverontreiniging, GPS en kuilen in de weg signaleren. Deze gegevens stuurt Copenhagen Wheel anoniem door naar de gemeente, zodat zij de stad kunnen verbeteren.

Samenwerken met inwoners is bij dit soort projecten onmisbaar en de kracht van het onderzoek naar slimme steden, stelt Carlo Ratti. “Ik hou daarom niet van de term ‘slimme stad’. Het zijn de burgers die het verschil maken. Liever noem ik hen ‘slimme inwoners’. We moeten ons richten op toepassingen die steden voor mensen beter leefbaar maken. En daarvoor moeten we de technologie inzetten. Veel mensen denken nog dat de overheid actie moet ondernemen om steden beter te maken. Wij geloven dat de burgers dit van onderop zelf kunnen doen”, zegt Ratti, die ook betrokken is bij het AMS Institute in Amsterdam.

Is er dan helemaal geen rol voor de overheid? Jawel, benadrukt Ratti. Denk bijvoorbeeld aan het verzamelen van afval. De onderzoeker werkte al mee aan een interessant project. De wetenschappers brachten in de Amerikaanse stad Seattle RFID-tags aan op vijfduizend stukjes afval. Ze volgden het drie maanden om na te gaan waar het terechtkwam. Wat bleek? Er was troep dat duizenden kilometers verder weg terechtkwam. Dat geeft volgens Ratti aan dat het systeem niet klopt. Door te communiceren over het project, voelden burgers zich betrokken. Iemand gaf bijvoorbeeld aan geen plastic waterflesjes meer te gebruiken, omdat hij zag dat ze op de vuilnisbelt belandden. Hij dacht dat de afvalverwerker ze hergebruikte.

In de Amerikaanse stad Seattle onderzocht Ratti waar afval terechtkwam.
Foto: tdlucas5000

Puntenwolken

Net zoals de al genoemde steden, wil Amsterdam nu ook bekend staan als intelligent (zie kader Smart Citizen Kit). Het nieuwe instituut moet daarbij helpen. Daar doen wetenschappers niet alleen onderzoek, maar verzorgen ze vanaf 2017 ook onderwijs. “We hopen dat veel studenten een bedrijf beginnen rond een slimme toepassing voor steden. Amsterdam is daar een goede plek voor. Het is groot genoeg om big data te verzamelen en klein genoeg om overzichtelijk te blijven”, zegt Althuis. Hij ziet de hoofdstad ook als een testcase. Want waarom zouden toepassingen die het daar goed doen, niet ook interessant zijn voor Chicago of Melbourne?

Een succesvolle toepassing van al die ideeën staat of valt met goed werkende techniek om grote hoeveelheden data te verwerken. Dat dit geen eenvoudige opgave is, laat interessant onderzoek aan de TU Delft zien. Wetenschappers gaan daar na hoe ze het beste gigantische hoeveelheden data van puntenwolken verwerken.

Puntenwolken worden bijvoorbeeld gebruikt bij het Algemeen Hoogtebestand Nederland (AHN2), die architecten en stedenbouwkundigen veel raadplegen. Daarin staan zo ontzettend veel punten, dat je woningen, bomen en zelfs stoepjes herkent. Voor heel Nederland gaat het, met ongeveer tien punten per m2, maar liefst om 640 miljard punten. In de toekomst neemt dat alleen maar toe, benadrukt hoogleraar GIS-technologie Peter van Oosterom (TU Delft).

Het lijkt wel een foto van een rotonde, maar dat is het niet. Dat komt doordat zoveel punten te zien zijn. Hoe verwerk je dit soort big data het beste? Daarvoor werkt de TU Delft samen met het Nederlandse eSience Center, Rijkswaterstaat, Oracle en Fugro. Foto: Fugro

Als voorbeeld laat hij een plaatje zien. Het lijkt een foto van een doodgewoon kruispunt ergens in Nederland. “Maar het is geen foto. Het zijn allemaal stipjes waar je in 3D doorheen navigeert”, aldus Van Oosterom. Momenteel werken onderzoekers aan datasets met tientallen triljarden punten, rekent hij voor. En dat levert problemen op. Want nu al is het ingewikkeld om het AHN2 te raadplegen. Wie binnen de TU Delft momenteel AHN2 info wil over een bepaald deel van Nederland, moet dat bij de universiteitsbibliotheek een dag van te voren aanvragen. Zoveel rekentijd is er nodig. Natuurlijk kosten al die punten ook verschrikkelijk veel opslag. Hoog tijd dus om de informatie toegankelijker te verwerken en beschikbaar te maken.

Wiskundig trucje

Daar werkt Van Oosterom onder meer aan met collega Oscar Martinez Rubi, gedetacheerd door het Nederlandse eSience Center. Ze bekijken verschillende manieren voor efficiënt datamanagement. De onderzoekers willen bijvoorbeeld data ruimtelijk clusteren via de zogeheten Morton of Hilbert code. “Alle punten krijgen een code. We proberen daarom een slim wiskundig trucje toe te passen. Twee punten die dichtbij elkaar liggen krijgen bij ons dan een code met waarden die ook dichtbij elkaar liggen. Door deze aanpassing gaat het opvragen van gegevens veel sneller. Handig als je alleen het hoogtebestand van het centrum van Utrecht wilt zien.”

Martinez Rubi en Van Oosterom werken aan nog meer slimmigheidjes. Bijvoorbeeld door de meest karakteristieke punten als eerste door te sturen, wanneer iemand data opvraagt. “Dan zie je direct de hoogste en laagste punten, waardoor minder belangrijke, gedetailleerde punten pas later worden verzonden. Bovendien werken we aan een manier om puntenwolken goed op te slaan in databases. Zodat het eenvoudiger wordt om gegevens uit meerdere databases te combineren en je door kadastrale gegevens toe te voegen in het AHN2 ziet wie de eigenaar is van een pand.”

Screenshot van het project rond de Via Appia, gemaakt met puntenwolken. Foto: Netherlands eScience Center

Dat puntenwolken een belangrijke rol gaan spelen in de wetenschap en de ontwikkeling van de slimme stad, wordt duidelijk wanneer Martinez Rubi een filmpje laat zien. Hij toont op zijn computer beelden van de Via Appia, de historische weg in Italië. Het is een indrukwekkend voorbeeld van wat allemaal mogelijk is met de big data van puntenwolken. “Het is handig voor archeologen, om achter hun bureau bepaalde delen van de weg te onderzoeken. Of de graftombes ernaast”, zegt Martinez Rubi. “Maar dit soort toepassingen kan je ook gebruiken voor ander onderzoek of om te laten zien hoe een stad verandert door een historisch archief van puntenwolken.” Ook zijn puntenwolken geschikt om bijvoorbeeld de diepzee in kaart te brengen. En werden ze al gebruikt door een afstudeerder van de TU Delft om te checken of er vervormingen optraden na de aanleg van de metrotunnel bij Rotterdam Centraal.

Mogelijkheden genoeg dus om big data te vergaren en te ontwikkelen. Maar waar het precies voor gebruikt gaat worden, valt nog niet helemaal te overzien. Het verschilt ook waar per stad behoefte aan is. In Nairobi kwam het bijvoorbeeld goed uit om de routes van busjes in kaart te brengen, overigens ook door gebruik te maken van puntenwolken. Andere steden kampen weer met andere problemen. Inventieve ideeën zijn er in ieder geval al genoeg. Een van de mooiste voorbeelden is Street Bump, een ogenschijnlijk even eenvoudige als handige toepassing. Street Bump meet namelijk via Smartphones, waar hobbels in de weg zitten. Vrijwilligers geven die info door, waardoor de gemeente in kan grijpen als de staat van de weg te slecht is. Zodat de inwoners weer over gladde wegen rijden.