Nooit meer stress door het openbaar vervoer
App begeleidt je stap per stap met bus of trein en toont wat je kan doen in geval van problemen
Vertragingen, afschaffingen, stakingen, … De pendelaar worstelt dagelijks door allerlei problemen die kunnen ontstaan tijdens het reizen met bus of trein. Arne Nys (22), masterstudent Mobiliteitswetenschappen aan Universiteit Hasselt, ontwierp een app die meteen andere routes suggereert in geval van problemen, zodat je snel weer verder kan reizen. Voor mensen die maar zelden het openbaar vervoer gebruiken toont de app ook stap per stap de relevante informatie om verder te geraken, zoals in een navigatiesysteem voor auto’s.
Beeld je in: je trein heeft 20 minuten vertraging opgelopen waardoor je je aansluiting niet meer haalt. Of je bus staat in de file, waardoor het sneller zou zijn om bij de volgende halte over te stappen. Dit zijn dingen die pendelaars dagelijks meemaken, en het kost veel tijd en frustratie om andere routes te vinden. Bovendien kampen mensen die maar sporadisch het openbaar vervoer nemen vaak met onzekerheid: “Zit ik wel op de juiste bus?”, “Waar moest ik nu weer afstappen?”. Dit zorgt voor stress, en kan ertoe leiden dat mensen besluiten om toch maar de auto te nemen.
Mobiele apps zoals die van De Lijn, NMBS of Google Maps zijn een grote hulp bij het opzoeken van reisroutes en om te checken of je bus of trein op tijd is. Deze apps bieden echter maar een statische lijst van de verschillende stappen in je route, zonder rekening te houden met hoe ver je al gevorderd bent of hoeveel vertraging je al opgelopen hebt. Dit kan immers een impact hebben op de rest van je reis. Bovendien overladen apps je met allerlei informatie, waardoor de relevante informatie op het juiste moment verloren raakt.
Voor zijn thesis onderzocht Nys hoe een app eruit zou kunnen zien die stap per stap enkel relevante informatie toont, maar die de gebruiker ook waarschuwt in het geval van problemen. Hiervoor gebruikte hij het principe van ‘Cascading Information’, waarin een hele brok informatie wordt opgesplitst in beter verteerbare stukjes. Door het succesvol doorlopen van elke stap geraakt de reiziger zo gemakkelijk op de eindbestemming. Tegelijkertijd kan je zien hoe ver je al bent geraakt, en kan je snel teruggrijpen naar het volledige reisoverzicht.
Omdat trein- en busreizigers vaak heel snel informatie moeten opzoeken onder stressvolle omstandigheden, is het belangrijk dat de app duidelijke informatie weergeeft op een overzichtelijke manier. Daarom werden testgebruikers uitgenodigd om feedback te geven op het prototype, zodat het verder verbeterd kon worden. In eerste instantie gebeurde dit met interviews en kleine groepsgesprekken, later werd ook nog een online enquête uitgestuurd. Op die manier kon het prototype grondig worden aangepast aan de noden van bus- en treinreizigers.
Onder de motorkap baseert de app haar informatie en suggesties op de real-time posities van de reiziger en van de te nemen voertuigen. Aan de hand van GPS en een versnellingsmeter, die elke smartphone bezit, kan de huidige activiteit van de gebruiker herkend worden: zo weet de app of hij nog aan de bushalte staat te wachten, of reeds op de bus is gestapt. Dit wordt gecontroleerd met behulp van real-time informatie van De Lijn en NMBS. Zo toont de app altijd de juiste en meest relevante informatie op het geschikte moment.
Maar het nemen van openbaar vervoer beperkt zich niet tot bus en trein alleen. Op weg van thuis of het werk naar de halte dien je de juiste wandelroute te volgen, anders ben je niet op tijd voor je trein of bus. Voor mensen die de stad niet kennen of die moeite hebben met zich te oriënteren is dus een Google Street View-navigatiefunctie toegevoegd, waardoor het duidelijk is wanneer de gebruiker links of rechts moet afslaan. De navigatie houdt ook rekening met het gemiddelde wandelsnelheid van de gebruiker, zodat de reistijd hieraan aangepast kan worden. Wanneer de gebruiker toch te traag wandelt, krijgt hij een notificatie dat hij zijn bus of trein zal missen als hij niet versnelt.
De testpersonen waren over het algemeen heel tevreden over de applicatie. 81% van de mensen die de enquête invulden gaven aan dat ze het graag of heel graag zouden willen gebruiken. Wel gaven sommigen aan dat ze de real-time informatie van De Lijn en NMBS niet altijd vertrouwen, en dat ze geen suggesties voor trein- of busroutes willen als ze daar geen vervoerbewijs voor hebben. De Street View-navigatie werd wel door velen bijzonder positief onthaald. Verdere suggesties waren o.a. om fietsnavigatie toe te voegen en om tickets te kunnen kopen via de app.
Om de app gebruiksklaar te maken moeten eerst nog een heleboel technische zaken in orde te worden gemaakt om de reisassistentie en alternatievensuggesties te laten functioneren. Hiervoor moeten algoritmen worden opgesteld die herkennen wat de gebruiker aan het doen is onderweg, en die alleen relevante reisalternatieven bieden wanneer de app merkt dat er vertragingen of annuleringen zijn. Meer tests zijn nodig om dit uit te werken en op punt te stellen.
Desalniettemin is het een veelbelovend concept dat veel pendelaars en sporadische trein- en busreizigers zou kunnen helpen. Verschillende partijen gaven al aan interesse te hebben. Sinds september werkt Nys dan ook in Berlijn voor een startup die een reisapp heeft uitgebracht en die verder wil ontwikkelen. Eén ding is zeker: mobiele apps zijn een uitstekende manier om openbaar vervoergebruikers beter te informeren en verder te helpen, en ze zullen in de toekomst nog beter in hun behoeften kunnen voorzien.
Bibliografie
Baldauf, M., Dustdar, S., & Rosenberg, F. (2007). A survey on context-aware systems. International Journal of Ad Hoc and Ubiquitous Computing, 2(4), 263–277.
Bangor, A., Kortum, P., & Miller, J. (2009). Determining what individual SUS scores mean: Adding an adjective rating scale. Journal of Usability Studies, 4(3), 114–123.
Baus, J., Kray, C., Krüger, A., & Wahlster, W. (2001). A Resource-Adaptive Mobile Navigation System, 5–9.
Beul-Leusmann, S., Jakobs, E.-M., & Ziefle, M. (2013). User-centered design of passenger information systems. In Professional Communication Conference (IPCC), 2013 IEEE International (pp. 1–8). IEEE. Retrieved from http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6623931
Beul-Leusmann, S., Samsel, C., Wiederhold, M., Krempels, K.-H., Jakobs, E.-M., & Ziefle, M. (2014). Usability evaluation of mobile passenger information systems. In Design, User Experience, and Usability. Theories, Methods, and Tools for Designing the User Experience (pp. 217–228). Springer. Retrieved from http://link.springer.com/chapter/10.1007/978-3-319-07668-3_22
Biagioni, J., Agresta, A., Gerlich, T., & Eriksson, J. (2009). Transitgenie: a context-aware, real-time transit navigator. In Proceedings of the 7th ACM Conference on Embedded Networked Sensor Systems (pp. 329–330). ACM. Retrieved from http://dl.acm.org/citation.cfm?id=1644085
Brakewood, C., Barbeau, S., & Watkins, K. (2014). An experiment evaluating the impacts of real-time transit information on bus riders in Tampa, Florida. Transportation Research Part A: Policy and Practice, 69, 409–422. http://doi.org/10.1016/j.tra.2014.09.003
Brakewood, C., Macfarlane, G. S., & Watkins, K. (2015). The impact of real-time information on bus ridership in New York City. Transportation Research Part C: Emerging Technologies, 53, 59–75. http://doi.org/10.1016/j.trc.2015.01.021
Brooke, J. (1996). SUS-A quick and dirty usability scale. Usability Evaluation in Industry, 189(194), 4–7.
Caulfield, B., & O’Mahony, M. (2007). An Examination of the Public Transport Information Requirements of Users. IEEE Transactions on Intelligent Transportation Systems, 8(1), 21–30. http://doi.org/10.1109/TITS.2006.888620
Chorus, C. G., Arentze, T. A., & Timmermans, H. J. P. (2007). Information impact on quality of multimodal travel choices: conceptualizations and empirical analyses. Transportation, 34(6), 625–645. http://doi.org/10.1007/s11116-007-9120-1
Dal Fiore, F., Mokhtarian, P. L., Salomon, I., & Singer, M. E. (2014). “Nomads at last”? A set of perspectives on how mobile technology may affect travel. Journal of Transport Geography, 41, 97–106. http://doi.org/10.1016/j.jtrangeo.2014.08.014
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319. http://doi.org/10.2307/249008
De Pessemier, T., Dooms, S., & Martens, L. (2014). Context-aware recommendations through context and activity recognition in a mobile environment. Multimedia Tools and Applications, 72(3), 2925–2948.
Dey, A. K., Abowd, G. D., & Salber, D. (2001). A conceptual framework and a toolkit for supporting the rapid prototyping of context-aware applications. Human-Computer Interaction, 16(2), 97–166.
Does Adding One More Question Impact Survey Completion Rate? | SurveyMonkey Blog. (2010, December 8). Retrieved May 15, 2016, from https://www.surveymonkey.com/blog/2010/12/08/survey_questions_and_compl…
Dziekan, K., & Kottenhoff, K. (2007). Dynamic at-stop real-time information displays for public transport: effects on customers. Transportation Research Part A: Policy and Practice, 41(6), 489–501. http://doi.org/10.1016/j.tra.2006.11.006
European Commission. (2014). MG-2.2-2014 - Smart Rail Services. Retrieved December 12, 2015, from http://cordis.europa.eu/programme/rcn/664893_en.html
Feng, T., & Timmermans, H. J. P. (2013). Transportation mode recognition using GPS and accelerometer data. Transportation Research Part C: Emerging Technologies, 37, 118–130. http://doi.org/10.1016/j.trc.2013.09.014
Garcia, C. R., Candela, S., Ginory, J., Quesada-Arencibia, A., & Alayon, F. (2012). On Route Travel Assistant for Public Transport Based on Android Technology. In Innovative Mobile and Internet Services in Ubiquitous Computing (IMIS), 2012 Sixth International Conference on (pp. 840–845). http://doi.org/10.1109/IMIS.2012.103
Gärtner, P. (2016, May 18). Prototype Feedback (E-mail).
Goto, K., & Kambayashi, Y. (2002). A new passenger support system for public transport using mobile database access. In Proceedings of the 28th international conference on Very Large Data Bases (pp. 908–919). VLDB Endowment. Retrieved from http://dl.acm.org/citation.cfm?id=1287449
Grotenhuis, J.-W., Wiegmans, B. W., & Rietveld, P. (2007). The desired quality of integrated multimodal travel information in public transport: Customer needs for time and effort savings. Transport Policy, 14(1), 27–38. http://doi.org/10.1016/j.tranpol.2006.07.001
Hannikainen, M., Laitinen, A., Hamalainen, T., Kaisto, I., & Leskinen, K. (2001). Architecture of a passenger information system for public transport services. In Vehicular Technology Conference, 2001. VTC 2001 Fall. IEEE VTS 54th (Vol. 2, pp. 698–702 vol.2). http://doi.org/10.1109/VTC.2001.956860
Hemminki, S., Nurmi, P., & Tarkoma, S. (2013). Accelerometer-based transportation mode detection on smartphones (pp. 1–14). ACM Press. http://doi.org/10.1145/2517351.2517367
Hickman, & Wilson. (1995). Passenger travel time and Path choice implications of real-time passenger information. Transportation Research Part C: Emerging Technologies, 3(4), 211.
Hoerger, M. (2010). Participant dropout as a function of survey length in Internet-mediated university studies: Implications for study design and voluntary participation in psychological research. Cyberpsychology, Behavior, and Social Networking, 13(6), 697–700.
ISO 9241-11:1998 - Ergonomic requirements for office work with visual display terminals (VDTs) - Part 11: Guidance on usability. (1998, March 19). International Organization for Standardization, Geneva, Switzerland. Retrieved from http://www.iso.org/iso/catalogue_detail.htm?csnumber=16883
Keller, C., Korzetz, M., Kühn, R., & Schlegel, T. (2011). Nutzerorientierte Visualisierung von Fahrplaninformationen auf mobilen Geräten im öffentlichen Verkehr. In Mensch & Computer (pp. 59–68). Retrieved from http://books.google.com/books?hl=en&lr=&id=6U0qIA_Vlb0C&oi=fnd&pg=PA59&…
Kramers, A. (2014). Designing next generation multimodal traveler information systems to support sustainability-oriented decisions. Environmental Modelling & Software, 56, 83–93. http://doi.org/10.1016/j.envsoft.2014.01.017
LaRose, R., & Tsai, H. S. (2014). Completion rates and non-response error in online surveys: Comparing sweepstakes and pre-paid cash incentives in studies of online behavior. Computers in Human Behavior, 34, 110–119. http://doi.org/10.1016/j.chb.2014.01.017
Lyons, G. (2006). The role of information in decision-making with regard to travel. IEE Proceedings - Intelligent Transport Systems, 153(3), 199. http://doi.org/10.1049/ip-its:20060001
Lyons, G. D. (2001). Towards integrated traveller information. Transport Reviews, 21(2), 217–235. http://doi.org/10.1080/01441640118614
Morgan-Jones, N. (2016, April 25). Thesis Prototype (E-mail).
Nham, B., Siangliulue, K., & Yeung, S. (2008). Predicting mode of transport from iphone accelerometer data. Standford University Class Project. Retrieved from http://cs229.stanford.edu/proj2008/NhamSiangliulueYeung-PredictingModeO…
Nielsen, J. (1997). The use and misuse of focus groups. Software, IEEE, 14(1), 94–95.
Nielsen, J., & Landauer, T. K. (1993). A mathematical model of the finding of usability problems. In Proceedings of the INTERACT’93 and CHI’93 conference on Human factors in computing systems (pp. 206–213). ACM. Retrieved from http://dl.acm.org/citation.cfm?id=169166
Nyblom, Å. (2014). Making plans or “just thinking about the trip”? Understanding people’s travel planning in practice. Journal of Transport Geography, 35, 30–39. http://doi.org/10.1016/j.jtrangeo.2014.01.003
Politis, I., Papaioannou, P., Basbas, S., & Dimitriadis, N. (2010). Evaluation of a bus passenger information system from the users’ point of view in the city of Thessaloniki, Greece. Research in Transportation Economics, 29(1), 249–255. http://doi.org/10.1016/j.retrec.2010.07.031
Reddy, S., Mun, M., Burke, J., Estrin, D., Hansen, M., & Srivastava, M. (2010). Using mobile phones to determine transportation modes. ACM Transactions on Sensor Networks, 6(2), 1–27. http://doi.org/10.1145/1689239.1689243
Samsel, C., Beul-Leusmann, S., Wiederhold, M., Krempels, K.-H., Ziefle, M., & Jakobs, E.-M. (2014). Cascading Information for Public Transport Assistance: (pp. 411–422). SCITEPRESS - Science and and Technology Publications. http://doi.org/10.5220/0004793304110422
Sauro, J. (2011). A Practical Guide to the System Usability Scale: Background, Benchmarks & Best Practices. CreateSpace Independent Publishing Platform. Retrieved from https://books.google.co.uk/books?id=BL0kKQEACAAJ
Stenneth, L., Wolfson, O., Yu, P. S., & Xu, B. (2011). Transportation Mode Detection using Mobile Phones and GIS Information. Retrieved from http://dl.acm.org/citation.cfm?id=2093973
System Usability Scale - Dutch. (2012). MeasuringU. Retrieved from http://www.measuringu.com/System%20Usability%20Scale%20-%20Dutch.pdf
Tang, L., & Thakuriah, P. (Vonu). (2012). Ridership effects of real-time bus information system: A case study in the City of Chicago. Transportation Research Part C: Emerging Technologies, 22, 146–161. http://doi.org/10.1016/j.trc.2012.01.001
Vanhaelewyn, B., Pauwels, G., De Wolf, P., Accou, T., & De Marez, L. (2015). iMinds Digimeter 2015. iMinds.
Vieira, V., Salgado, A. C., Tedesco, P., Times, V., Ferraz, C., Huzita, E., … Steinmacher, I. (2012). The UbiBus Project: Using Context and Ubiquitous Computing to build Advanced Public Transportation Systems to Support Bus Passengers.
Walsh, A. (2012). Mobile information literacy: a preliminary outline of information behaviour in a mobile environment. Journal of Information Literacy, 6(2), 56–69.
Watkins, K. E., Ferris, B., Borning, A., Rutherford, G. S., & Layton, D. (2011). Where Is My Bus? Impact of mobile real-time information on the perceived and actual wait time of transit riders. Transportation Research Part A: Policy and Practice, 45(8), 839–848. http://doi.org/10.1016/j.tra.2011.06.010
Wirtz, S., Jakobs, E.-M., & Beul, S. (2010). Passenger information systems in media networks: Patterns, preferences, prototypes (pp. 131–137). IEEE. http://doi.org/10.1109/IPCC.2010.5529825
Xia, H., Qiao, Y., Jian, J., & Chang, Y. (2014). Using Smart Phone Sensors to Detect Transportation Modes. Sensors, 14(11), 20843–20865. http://doi.org/10.3390/s141120843
Zhang, Z., & Poslad, S. (2013). A New Post Correction Algorithm (PoCoA) for Improved Transportation Mode Recognition. In Systems, Man, and Cybernetics (SMC), 2013 IEEE International Conference on (pp. 1512–1518). IEEE. Retrieved from http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=6722014
Zheng, Y., Chen, Y., Li, Q., Xie, X., & Ma, W.-Y. (2010). Understanding transportation modes based on GPS data for web applications. ACM Transactions on the Web, 4(1), 1–36. http://doi.org/10.1145/1658373.1658374
