Technische Samenvatting: De NetMob26 Dataset

Probleemstelling

Ondanks de groeiende belangstelling van onderzoekers en stedelijke stakeholders voor het begrijpen van menselijke mobiliteit en het verbeteren van openbaarvervoersdiensten, blijft hoogwaardige, gedetailleerde data over openbare vervoerssystemen en passagiersvraag schaars. Traditionele op enquêtes gebaseerde datasets missen vaak de temporale resolutie en schaal die nodig zijn voor moderne stedelijke analyse. Bovendien wordt toegang tot operationele data vaak beperkt door privacyzorgen, eigendomsbeperkingen en de strategische waarde van dergelijke informatie in handen van mobiele operators en vervoerbedrijven. Deze beperking hindert reproduceerbaarheid, innovatie en het vermogen om grootschalige empirische studies uit te voeren over de efficiency en rechtvaardigheid van het openbaar vervoer.

Methodologie

Om deze beperkingen aan te pakken, lanceert de NetMob26 Data Challenge een uitgebreide, multi-bron dataset die de dynamiek van het openbare bussysteem in Niterói, Brazilië, vastlegt tijdens maart 2026. De methodologie is gebaseerd op de integratie van operationele data in plaats van enquêtes, waardoor een beeld van mobiliteit wordt gebaseerd op real-world records.

Datacollectie en Integratie:
De dataset aggregeert vier complementaire databronnen:

1. Mobiliteitsdataset (Bus Telemetrie): Hoogfrequente GPS-data van de openbare busvloot, die voertuigposities elke 15–30 seconden registreert. Deze data voldoet aan GTFS-standaarden met realtime-extensies, en vangt voertuigtrajecten, route-identificatoren en operationele attributen.
2. Ticketingdataset: Ongeveer 7,2 miljoen passagiersinstaptransacties. Records bevatten geanonimiseerde gebruikersidentificatoren, tarieftypen (kaart, contant, gratis), voertuig- en route-informatie, en temporale context (tijdstip van de dag, dagtype).
3. Hulpdataset: Statische en contextuele informatie, waaronder busroutegeometrieën (line routes.json), bushaltelocaties (stops.json), integratieterminals, en uurlijkse meteorologische data (temperatuur, neerslag, wind) van het Braziliaanse Meteorologisch Instituut (INMET).
4. Stedelijke Infrastructuur en Socio-demografische Dataset: Georeferentieerde data van het SIGeo Open Data Portal en de IBGE-census van 2022. Dit omvat locaties van scholen, ziekenhuizen en parkeervoorzieningen, evenals demografische statistieken op wijkniveau (bevolking, geletterdheid, huishoudelijke infrastructuur).

Preprocessing en Anonimisering:
Voor de release onderging de data een grondige reiniging en anonimiseringsprocedure om privacy te waarborgen terwijl de analytische bruikbaarheid behouden bleef:

• Gebruikersanonimisering: Passagiersidentificatoren zijn onomkeerbaar omgezet naar anon_user_id. Transacties met anon_user_id = 0 vertegenwoordigen contante betalingen of niet-geregistreerde gebruikers. Er is geen persoonlijk identificeerbare informatie (PII) aanwezig.
• Event-niveau Representatie: De dataset reconstrueert geen individuele trajecten; elke record vertegenwoordigt een enkel instapgebeurtenis om continue tracking te voorkomen.
• Datareiniging: GPS-telemetrie werd gefilterd om inconsistente records te verwijderen (bijvoorbeeld voertuigen buiten dienst zonder route-ID). Telemetriegaten door connectiviteitsproblemen werden behouden maar zijn herkenbaar via temporale discontinuïteiten.
• Standaardisatie: Alle data is georganiseerd in dagelijkse CSV-bestanden, met tijdstempels gestandaardiseerd naar BRT (UTC-3) en ruimtelijke data beperkt tot de stedelijke grenzen van Niterói.

Belangrijkste Bijdragen

De primaire bijdrage van dit werk is de release van de NetMob26 dataset, een uniek middel dat de kloof overbrugt tussen aanbod (bewegingen van de busvloot) en vraag (passagierstransacties) in een middelgrote Braziliaanse stad. Belangrijke kenmerken zijn:

• Meerlagige Representatie: In tegenstelling tot eerdere NetMob-uitdagingen die zich richtten op het gebruik van mobiele applicaties of geaggregeerde statistieken, integreert NetMob26 ruwe operationele telemetrie met transactiedata en rijke socio-spatiale context.
• Schaal en Resolutie: De dataset dekt een volledige maand aan operaties (maart 2026), met miljoenen gebeurtenissen vastgelegd met hoge temporale resolutie (15–30 seconden voor GPS) en ruimtelijke precisie.
• Privacy-bewarend Ontwerp: De dataset maakt gedetailleerde analyses op systeemniveau mogelijk zonder de privacy van individuen te schaden, in overeenstemming met strikte anonimiseringsprotocollen.
• Contextuele Verrijking: Door mobiliteitsdata te koppelen aan demografische censusgegevens en stedelijke infrastructuur (gezondheid, onderwijs, mobiliteitsactiva), ondersteunt de dataset complexe analyses van toegankelijkheid en rechtvaardigheid.

Resultaten en Karakterisering

Het artikel biedt een initiële verkennende karakterisering van de dataset, waarin verschillende belangrijke patronen in het vervoerssysteem van Niterói worden blootgelegd:

• Reistijd: De gemiddelde reistijd bedraagt ongeveer 87,42 minuten (mediaan 81,57 minuten), met een standaardafwijking van 42,12 minuten, wat wijst op aanzienlijke variabiliteit. Een klein aantal reizen overschrijdt 200 minuten, waarschijnlijk als gevolg van perifere routes of files.
• Temporale Vraagpatronen: De passagiersvraag vertoont duidelijke dagelijkse en wekelijkse cycli.
  • Uurlijks: De vraag piekt om 04:00 (ongeveer 614.000 passagiers) en 14:00 (ongeveer 580.000 passagiers), met lage activiteit tijdens de late nachtelijke uren.
  • Dagelijks: Doordeweekse dagen tonen een hoge, consistente vraag (240.000–280.000 passagiers/dag), terwijl zaterdagen een daling zien (124.000–133.000) en zondagen de laagste (63.000–73.000).
• Gebruikersgedrag: De verdeling van reizen per passagier is sterk rechts-scheef. De mediaan gebruiker maakt 9 reizen, terwijl het gemiddelde 15 is, wat wijst op een subset van "zware gebruikers" (dagelijkse forenzen) die het gemiddelde omhoog duwen. De meeste gebruikers vallen in het bereik van 1–10 reizen.
• Routeheterogeniteit: Een kleine subset van buslijnen (bijvoorbeeld lijn 49.2) concentreert een aanzienlijk deel van de vraag en fungeert als hoofdvervoercorridors.
• Meteorologische Context: Maart 2026 vertoonde typische tropische omstandigheden met temperaturen variërend van 21°C tot 35°C. Neerslag was intermitterend, met een totale accumulatie van 75,60 mm, geconcentreerd op specifieke dagen (bijvoorbeeld 9, 20 en 23 maart).

Betekenis en Claims

Het artikel positioneert de NetMob26 dataset als een waardevol middel voor het bevorderen van onderzoek naar de efficiency van openbaar vervoer, vraagprognoses en toegankelijkheidsanalyse. De auteurs beweren dat door operationele data te combineren met gedetailleerde netwerk- en socio-demografische informatie, de dataset mogelijk maakt:

• Data-gedreven Inzichten: Het faciliteren van studies naar vervoerspatronen, betrouwbaarheid van diensten en interacties tussen vraag en aanbod.
• Ondersteuning voor Beleid en Planning: Het mogelijk maken van de evaluatie van vervoerrechtvaardigheid, de optimalisatie van routes en dienstregelingen, en de beoordeling van hoe externe factoren (zoals weer) het lokale vervoerssysteem beïnvloeden.
• Reproduceerbaarheid: Het bieden van een gestandaardiseerde, goed gedocumenteerde basis voor reproduceerbare wetenschappelijke studies in stedelijke informatica en vervoersplanning.

De auteurs benadrukken dat de dataset niet louter beschrijvend is, maar dient als fundament voor het ontwikkelen van voorspellende modellen, optimalisatiestrategieën en evidence-based benaderingen om stedelijke mobiliteit te verbeteren. Het initiatief onderstreept het belang van open, gedocumenteerde mobiliteitsdatasets voor het stimuleren van innovatie in slimme steden, met name in de context van het Globale Zuiden zoals vertegenwoordigd door Niterói. Toegang tot de data wordt verleend aan deelnemers aan de uitdaging die akkoord gaan met de Algemene Voorwaarden en een Geheimhoudingsovereenkomst (NDA) ondertekenen.