Population Synthesizer: realistisch modelleren, zonder persoonsgegevens
Hoe neem je onderbouwde mobiliteitsbeslissingen zonder te weten wie precies geraakt wordt? In Nederland beschikken we over veel data, maar die vertellen zelden het hele verhaal. De population synthesizer van Goudappel maakt het mogelijk die puzzel wél te leggen: een realistisch beeld van de bevolking, zonder gebruik van herleidbare persoonsgegevens.
Genoeg data, maar samenhang ontbreekt
Hoeveel mensen hebben geen auto? En hoe is de inkomensverdeling in Nederland? Dit soort vragen zijn vaak goed te beantwoorden met bestaande datasets. Veel databronnen bevatten waardevolle informatie over inwoners, huishoudens, inkomen of autobezit. Die informatie is echter vaak alleen beschikbaar als totaal voor een gebied. Daardoor blijft onbekend hoe deze kenmerken samenhangen.
Juist die samenhang is nodig om beleidsvragen te beantwoorden. Deze gaan zelden over één kenmerk maar over combinaties:
- Waar wonen mensen met een laag inkomen én geen auto?
- Welke leden van een huishouden zijn afhankelijk van een buslijn?
- Voor wie is deelmobiliteit een realistisch alternatief, en voor wie niet?
De uitdaging is dat deze kenmerken vaak alleen bekend zijn als totaal van een gebied. Openbare data, zoals dat van het CBS, bieden veel inzicht, maar niet op individueel niveau. Andere databronnen bevatten juist wel details op persoonsniveau, maar zijn niet op grote schaal beschikbaar of mogen niet gebruikt worden. De uitdaging: hoe krijgen we toch inzicht in hoe kenmerken samenhangen, zonder persoonsgegevens te gebruiken?
De oplossing: een synthetische bevolking
Oplossing voor dit probleem is een population synthesizer: een model waarmee we de bevolkingssamenstelling synthetisch nabootsen. Door beschikbare statistieken slim te combineren, genereren we een populatie van ‘virtuele’ personen die de werkelijkheid zo nauwkeurig mogelijk benadert. Denk aan kenmerken als:
- Leeftijd en geslacht;
- Opleidingsniveau en inkomen;
- Huishoudsamenstelling;
- Autobezit
Zo ontstaat een realistisch beeld van wie waar woont, inclusief combinaties van kenmerken die in losse datasets niet zichtbaar zijn.
Toepassingsmogelijkheden: verkeersmodellen, analyses en beleid
Realistischere verkeersmodellen
De synthetische populatie vormt de basis voor micromodellen, waarin de keuzes en verplaatsingen van individuen worden gesimuleerd. Voor het bepalen van die keuzes, gebruiken we bij Goudappel de micromodelleringstechniek Octavius. Hiermee ontwikkelen we toekomstbestendige verkeersmodellen op persoonsniveau die inzicht geven in de effecten van beleid voor verschillende doelgroepen.
Beleid- en scenarioanalyses
Deze verkeersmodellen gebruiken we om toekomstige scenario’s realistischer door te rekenen. Scenario’s die worden gebruikt om onderbouwde keuzes te maken, bijvoorbeeld bij:
- Bouwen van nieuwe wijken (uitbreiding): wat is de toekomstige bevolkingssamenstelling van deze wijk? Komen hier vooral ouders met kinderen en één of meerdere auto's te wonen? Of verwachten we starters met een lager autobezit? En welke nieuwe infrastructuur en voorzieningen hebben we daarvoor nodig?
- Herontwikkelen van bestaand gebied (inbreiding): wat gebeurt er met het aantal en type verplaatsingen wanneer we nieuwe woningtypen toevoegen? (bijvoorbeeld een appartementencomplex op de plek van een paar seniorenwoningen) Kan de bestaande infrastructuur dit nog wel verwerken?
Inzicht in mobiliteitsongelijkheid
De population synthesizer helpt zichtbaar maken welke groepen beperkt zijn in hun mobiliteitsopties, door een zo realistisch mogelijke bevolkingssamenstelling na te bootsen en verschillende combinaties te maken. Bijvoorbeeld in bereikbaarheidsanalyses, waarin we onderzoeken:
- Waar kwetsbare doelgroepen zich bevinden: welke ouderen wonen alleen? En hoe hangt autobezit samen met inkomen?
- Welke opties zij hebben om belangrijke bestemmingen te bereiken: hoeveel arbeidsplaatsen kan iemand die niet kan fietsen bijvoorbeeld bereiken binnen 15 km?
- Welke impact maatregelen hebben op hun bereikbaarheid: wat betekent bijvoorbeeld het opheffen van een buslijn voor bewoners die niet kunnen fietsen?
Voordelen: meer inzicht, betere beslissingen
- Betere beleidskeuzes: u ziet niet alleen hoeveel mensen ergens wonen, maar ook hoe de bevolking is samengesteld. Daarmee onderbouwt u beleid met demografische en sociaaleconomische inzichten die in losse datasets vaak ontbreken.
- Inzicht op microniveau zonder privacyrisico’s: krijg een samenhangend beeld van doelgroepen, zonder gebruik van herleidbare persoonsgegevens
- Realistischer modelleren en analyseren: door samenhang tussen persoons- en huishoudkenmerken mee te nemen, simuleert u gedrag en effecten van maatregelen veel nauwkeuriger.
- Direct en breed toepasbaar: snel inzetbaar binnen bestaande verkeersmodellen door heel Nederland en geschikt voor zowel analyses van de huidige situatie als het doorrekenen van toekomstige scenario’s (zoals woningbouw, vergrijzing of veranderingen in mobiliteitsgedrag)
- Heldere output: resultaten worden vertaald naar begrijpelijke kaarten, dashboards en visualisaties van doelgroepen en hun kenmerken, de direct gebruikt kunnen worden in beleid en besluitvorming.
Visualisatie van de gegevens uit onze population synthesizer
Van totalen naar mensen: zo werkt het
In verkeersmodellen werken we met zones. Hiervoor zijn totalen bekend, zoals het aantal inwoners, huishoudtypen of sociaaleconomische kenmerken gebaseerd op data vanuit onze opdrachtgevers of vanuit het CBS. Ook hebben wij de beschikking over ons eigen Mobiliteitsspectrum waarbinnen we deze data ook tot onze beschikking hebben.
De population synthesizer vertaalt deze totalen naar individuele ‘personen’ in vier stappen:
- Een dataset (zoals MPN) dient als blauwdruk voor plausibele combinaties van kenmerken
- Met behulp van bewezen methoden (zoals maximum entropy en SNET) creëren we een populatie die aansluit op de bekende (totaal)kenmerken van een gebied
- Alleen combinaties die in werkelijkheid voorkomen, blijven bestaan (onmogelijke combinaties, zoals kinderen met een rijbewijs, worden uitgesloten)
- De uitkomsten worden vervolgens gecontroleerd op meerdere niveaus:
- Persoonsniveau: klopt het aantal mensen en de verdeling van kenmerken?
- Huishoudniveau: klopt de samenstelling van huishoudens?
Het resultaat: een consistente populatie, inclusief realistische combinaties, die geschikt is voor betrouwbare analyses en modellering.
Voorbeeld: waarom dit verschil maakt
Met een voorbeeld leggen we de meerwaarde van zo’n populatie uit. Stel, we willen vier huishoudsamenstellingen modelleren en weten uit MPN-data alleen totalen:
- 8 inwoners;
- 4 huishoudens;
- 2 huishoudens zonder auto;
- 3 scholieren/studenten;
- 4 werkenden
De population synthesizer helpt om de totalen te vertalen naar een kloppende set van huishoudens en personen (zie tabel hieronder). Nu weten we dus, dat het totaal van 8 personen en 4 huishoudens, bestaat uit:
- 5 mannen en 3 vrouwen;
- 2 éénpersoonshuishoudens, 1 tweepersoonshuishouden met kinderen en 1 tweepersoonshuishouden zonder kinderen;
- 2 huishoudens met één auto, en 2 zonder;
| Persoon | Leeftijd | Geslacht | Huishoudsamenstelling | Aantal auto's | Maatschappelijke participatie |
|---|---|---|---|---|---|
| 1 | 72 | M | Eénpersoons | 0 | Overig |
| 2 | 36 | M | Tweepersoons met kinderen | 1 | Werkend |
| 3 | 34 | V | Tweepersoons met kinderen | 1 | Werkend |
| 4 | 8 | M | Tweepersoons met kinderen | 1 | Schoolgaand |
| 5 | 6 | V | Tweepersoons met kinderen | 1 | Schoolgaand |
| 6 | 21 | V | Eénpersoons | 0 | Schoolgaand |
| 7 | 28 | M | Tweepersoons zonder kinderen | 1 | Werkend |
| 8 | 27 | M | Tweepersoons zonder kinderen | 1 | Werkend |
In de praktijk
I&W: inzicht in doelgroepen voor pilots inclusieve deelmobiliteit
In een onderzoek naar inclusieve deelmobiliteit voor het Ministerie van Infrastructuur & Waterstaat analyseerden we welke doelgroepen toegang hebben tot deelmobiliteit, en welke niet. Met behulp van de population synthesizer konden we doelgroepen scherper afbakenen op basis van kenmerken zoals inkomen, autobezit en woonlocatie. Zo werd duidelijk dat bepaalde doelgroepen structureel buiten beeld bleven en wat er nodig is om gerichter beleid te maken om dit te voorkomen.
Almere & Amsterdam (DRO): vervoersarmoede zichtbaar maken
Binnen het samenwerkingsprogramma DRO pasten we de population syntheszier toe om vervoersarmoede beter zichtbaar te maken in verkeersmodellen. Samen met Almere & Amsterdam onderzochten we welk deel van de bevolking niet kan fietsen of zonder moeite kan lopen. Daarna voegden we kenmerken als maximale looptijd, fietsvaardigheid, fietsbezit en inkomen toe aan onze population synthesizer. Daardoor kunnen verkeersmodellen beter laten zien welke groepen beperkt zijn in hun mobiliteitsopties, en welke impact maatregelen hebben.
OmniTRANS Powered by Bentley OpenPaths
De meest complete en toonaangevende verkeersmodelleringssoftware in de markt.
Ontdek het zelf
Bewezen methoden, continue doorontwikkeld
De toenemende complexiteit van mobiliteitsvraagstukken vraagt om modellen die nauwkeuriger én realistischer zijn. Daarom bouwt de population synthesizer op bewezen statistische technieken en ontwikkelen we de methodiek continue door. Ook de tooling daaromheen staat niet stil. Onze population synthesizer is als module geïntegreerd in OmniTRANS Powered by Bentley OpenPaths: de vernieuwde versie van de meest gebruikte verkeersmodelleringssoftware OmniTRANS. Ook verkeersmodellen ontwikkeld met Octavius, kunnen we opleveren in deze software.
