Regelgebaseerde vervoermiddelclassificatie in een slim reis- en mobiliteitsonderzoek

Smartphones bieden een innovatieve manier om data te verzamelen over reisgedrag door middel van smart surveys. Smart survey apps kunnen de responslast verminderen, met als doel volledig geautomatiseerd te worden en geen interactie met de respondent te vereisen. Om dit te onderzoeken, ontwikkelde het CBS een smart survey app en verzamelde data in een steekproef van de Nederlandse bevolking. Dit artikel richt zich op het classificeren van de vervoerswijze, een centrale slimme functionaliteit van de app, door een deterministisch regelgebaseerd algoritme te ontwikkelen om zeven vervoerswijzen te classificeren: fiets, bus, auto, metro, trein, tram en lopen. Er werden drie handmatige regelgebaseerde algoritmen ontwikkeld die verschilden in de gebruikte featuresets. Het uiteindelijke algoritme behaalde een overall accuraatheid van 85% voor classificatie en een gebalanceerde accuraatheid van 70%. Openbaar vervoer modi zijn de meest uitdagende om te classificeren. De resultaten laten zien dat het combineren van GPS- en OSM-gegevens belangrijk is voor het verkrijgen van classificaties van vervoerswijzen van acceptabele kwaliteit. Het ontwikkelde algoritme laat zien dat een handmatige regelgebaseerde aanpak zeer effectief kan zijn bij het classificeren van vervoerswijzen. Handmatige regelgebaseerde benaderingen bieden dus verschillende voordelen ten opzichte van machine-learning benaderingen en mogen niet over het hoofd worden gezien.

Fourie, J., J. Klingwort, Y. Gootzen (2025). Rule‐based transport mode classification in a smart travel and mobility survey. Discussion paper, Statistics Netherlands, The Hague/Heerlen.