Regelgebaseerde vervoermiddelclassificatie in een slim reis- en mobiliteitsonderzoek

In dit artikel:

Het CBS ontwikkelde in een smart‑surveyproject een deterministisch, handmatig regelgebaseerd algoritme om vervoerswijzen te bepalen in de CBS‑verplaatsingenapp. Doel was de responslast te verminderen en uiteindelijk een volledig geautomatiseerde, niet‑interactieve dataverzameling mogelijk te maken. In een steekproef van de Nederlandse bevolking classificeerde het algoritme zeven modi: fiets, bus, auto, metro, trein, tram en lopen. Er werden drie regelgebaseerde varianten gemaakt die verschilden in gebruikte kenmerken (features). Het beste model bereikte een totale accuraatheid van 85% en een gebalanceerde accuraatheid van 70%; openbaarvervoermodi bleken het moeilijkst te herkennen. Belangrijke bevinding is dat de combinatie van GPS‑data en OpenStreetMap‑informatie cruciaal is voor acceptabele classificatiekansen. De studie (Fourie, Klingwort, Gootzen, 2025; Statistics Netherlands) toont aan dat handmatig opgestelde regels een effectieve, uitlegbare en praktische alternatief zijn voor machine‑learningoplossingen en dus niet over het hoofd mogen worden gezien bij geautomatiseerde reisgedragsmetingen.