Youtube LinkedIn Twitter
010 - 40 20 343 info@smart-port.nl

Youtube

Voorspeller verblijfstijden binnenvaart

Kan de havenverblijftijd van containerbinnenvaartschepen op basis van beschikbare data voorspeld worden?

 

Onderzoek

Havenbedrijf Rotterdam heeft een dashboard ontwikkeld dat de performance van de binnenvaart in het verleden laat zien (barge performance monitor). Kan dat dashboard uitgebreid worden met een voorspelling van de havenverblijftijden op basis van openbaar beschikbare data? Het onderzoek laat zien dat met openbare data een grove voorspelling gemaakt kan worden. Om de nauwkeurigheid te vergroten, is meer data nodig is.

Op basis van de beschikbare historische gegevens kon worden getest of de huidige beschikbare set openbare data afdoende is voor een accurate voorspelling. Dat blijkt nog niet het geval: er zijn meer data-sets nodig om tot betrouwbaardere voorspellingen te komen.
Van invloed op de verblijfstijd zijn onder meer: windsnelheid, dag van aankomst (welke dag in de week), maar ook bijvoorbeeld de betreffende operator en diens manier van werken.

Kansen

  • Betrouwbare voorspelling verblijfstijden – Met publieke informatie is een zekere voorspelbaarheid mogelijk. Maar alleen als daar geaggregeerde data aan worden toegevoegd, is maximale voorspelbaarheid en volledig inzicht mogelijk.
  • Extra service – Verbeterde service door Havenbedrijf Rotterdam aan klanten.
  • Beslisinformatie – Meer informatie helpt de vervoerders in hun keuze voor de meest geschikte modaliteit.

Uitdagingen

  • Is alle mogelijke data die behulpzaam kan zijn, geïdentificeerd? Of zijn er nog data-sets over het hoofd gezien, en wat is daarvan mogelijk de toegevoegde waarde?
  • Welke data kunnen en willen partijen beschikbaar stellen (privacy versus transparantie)?
  • Hoeveel zekerheid in de voorspelling is gewenst? Hoe precies moet de voorspelling zijn om in de praktijk van nut te zijn voor de verschillende betrokkenen?

Impact – effecten

De voorspelbaarheid (betrouwbaarheid) van de binnenvaart in de Rotterdamse haven verbetert. Beter verwachtingsmanagement wordt mogelijk, onder meer in de keuze tussen vervoersmodaliteiten (binnenvaart, weg, spoor).

Partners

Havenbedrijf Rotterdam, Erasmus Universiteit Rotterdam, TNO.

‘Het project Barge port stay predictor heeft ons waardevolle inzichten opgeleverd over de voorspellende waarde van gecombineerde open data bronnen. De projectresultaten dragen bij aan het streven van het Havenbedrijf Rotterdam om klanten van de haven meer informatie te bieden over de betrouwbaarheid van de logistieke ketens door de haven.’

Wouter Groen

Business manager Nextlogic , Havenbedrijf Rotterdam

‘De studie toont aan dat je de te voorspellen verblijftijden niet kunt opvatten als autonome processen, maar dat deze sterke bedrijfsspecifieke gedragskenmerken hebben die bepalend zijn voor de uitkomsten.’

Jan van Dalen

Associate Professor of Statistics, RSM Erasmus Universiteit

‘Uit het project blijkt dat door verschillende bronnen te combineren goede voorspellingen kunnen worden gemaakt van de havenverblijftijd. Naast externe factoren spelen hierbij ook de bedrijfsmodellen van de verschillende ondernemers een rol.’

Jorrit Harmsen

Consultant Sustainable Transport & Logistics, TNO

Direct contact

Meer informatie

Spreek af met Roy van den Berg voor meer informatie over deze en andere projecten.

Bel me terug

Heb je liever dat wij jou bellen? Laat dan hieronder je gegevens achter.