Data-evaluatie circulatieplan stad Aalst
21060
Van 2021 tot 2022
TML evalueerde het vernieuwde circulatieplan van de stad Aalst door kritieke prestatie-indicatoren (KPI’s) te analyseren die verband houden met verkeersveiligheid, leefbaarheid en autobereikbaarheid, met behulp van kwantitatieve gegevens verzameld voor en na de invoering van het plan. Na een statistische analyse en dataverwerking via Excel en Python gaf TML inzicht in de evolutie van deze KPI’s in een overzichtelijke presentatie aan de stad.
De stad Aalst wilde, met het oog op eventuele bijsturingen, haar circulatieplan grondig evalueren. Daartoe schreven ze een opdracht voor dataevaluatie uit. Deze diende minstens een uitspraak te doen over de impact op de drie speerpunten van het circulatieplan: bereikbaarheid, leefbaarheid en veiligheid.
TML maakte een statistische analyse van de evolutie van de KPI’s. We baseerden ons daarbij op verschillende gegevensbronnen zoals fietstellingen, parkeerplaatstellingen, verkeersintensiteiten en gebruikers van het openbaar vervoer. Daarbij dienden we data op elkaar af te stemmen en te stroomlijnen zodat deze praktisch bruikbaar was en we deze tot KPI’s konden verwerken. De gegevens die we verzamelden via Telraam en aanbieders van floating car data verwerkten we via Excel en Python, om zo met behulp van een kaart een grafisch beeld te geven van de evolutie van de KPI’s. Dit alles goten we in een overzichtelijke presentatie voor de stad Aalst, waarbij de nadruk op grafieken, tabellen en kaartmateriaal lag.
De stad Aalst wilde, met het oog op eventuele bijsturingen, haar circulatieplan grondig evalueren. Daartoe schreven ze een opdracht voor dataevaluatie uit. Deze diende minstens een uitspraak te doen over de impact op de drie speerpunten van het circulatieplan: bereikbaarheid, leefbaarheid en veiligheid.
TML maakte een statistische analyse van de evolutie van de KPI’s. We baseerden ons daarbij op verschillende gegevensbronnen zoals fietstellingen, parkeerplaatstellingen, verkeersintensiteiten en gebruikers van het openbaar vervoer. Daarbij dienden we data op elkaar af te stemmen en te stroomlijnen zodat deze praktisch bruikbaar was en we deze tot KPI’s konden verwerken. De gegevens die we verzamelden via Telraam en aanbieders van floating car data verwerkten we via Excel en Python, om zo met behulp van een kaart een grafisch beeld te geven van de evolutie van de KPI’s. Dit alles goten we in een overzichtelijke presentatie voor de stad Aalst, waarbij de nadruk op grafieken, tabellen en kaartmateriaal lag.
