Innovatie bij NS International: wayfinding en vertragingen voorspellen

Elke reis heeft stressmomenten en bij treinreizen is dat niet anders. Samen met BIT Students proberen we zoveel mogelijk frictie uit de passenger journey te halen. Met als eerste proof-of-concept: navigatie op internationale stations.

Alle initiatieven die wij ondernemen hebben natuurlijk te maken met de reis van de internationale treinpassagier. Het is leuk om met technologie te spelen maar het moet wel waarde creëren in onze dienstverlening. De innovatiefocus ligt nu voornamelijk op onderweg, om daar zoveel mogelijk stress weg te nemen. Een van de beste tools die we daarvoor hebben is de app. Wat we onderzoeken is welke functionaliteiten we daaraan kunnen toevoegen die het leven van de reiziger gemakkelijker maken.

Eerste idee: navigeren op internationale stations

Voor de antwoorden op deze vraag experimenteren we samen met het studentencollectief BIT Students, de vijftig beste IT-studenten van Amsterdam. Zij bouwen ‘jumpstarts’, proof-of-concepts voor bedrijven op het gebied van AI, computer science en design. Het eerste idee dat we samen met hen hebben uitgewerkt betreft de navigatie binnen stations.

Met name overstappen op een vreemd station wordt door reizigers genoemd als een van de belangrijkste oorzaken van stress. Onze hypothese is dat het rust geeft als de passagier met de NS International-app, die hij toch al heeft gedownload, gemakkelijk naar het volgende perron kan navigeren.

We zijn voor het proof-of-concept allereerst gaan onderzoeken wat de huidige staat van technologie mogelijk maakt. Hoe kunnen we de belangrijkste knooppunten in het internationale treinverkeer snel en eenvoudig geschikt maken voor indoor navigatie? Wat moet er gebouwd worden en welke technologie bestaat al?

Google biedt bijvoorbeeld al kaarten aan van stations. Dat is een goede basis, maar de locatiebepaling voor binnen heeft een accuratesse van tachtig meter, dus je kunt er niet mee navigeren naar bijvoorbeeld het juiste perron. We willen natuurlijk het liefst dat reizigers in het juiste vak terechtkomen, bij het rijtuig waar hun gereserveerde zitplaatsen zich bevinden.

We hebben hiervoor een andere dienst gevonden, Indoor Atlas, die de navigatiebepaling veel nauwkeuriger kan doen dan Google. Deze tool maakt gebruik van praktisch alle sensoren in je telefoon en combineert die gegevens om zo heel nauwkeurig te bepalen waar je je bevindt.

Het uitgangspunt is de GPS voor ruwe locatiebepaling. Daarnaast worden data van de wifi, bluetooth, giroscoop, kompas, magneetsensor en de mobiele telefoonmasten in de buurt samengevoegd. De overkapping van het perron voorkomt dat GPS duidelijk ontvangen wordt. Maar het verstoort ook het magnetische veld van de aarde en met de magneetsensor kun je die verstoring gebruiken voor locatiebepaling, omdat het een uniek profiel geeft. Dat zorgt voor de ‘last meter precision’.

Om dit te kunnen doen moet je eerst een keer door het station lopen om de sensorwaarden van de smartphone te meten. Die bouwen een soort profiel op van het gebouw. Daarna kun je als gebruiker van onze app navigeren over het station.

De technologie heeft zichzelf bewezen in diverse situaties, zoals in ziekenhuizen en conferentiegebouwen. We testen dit nu zelf op Amsterdam Centraal. Daarnaast is het natuurlijk zaak om de oplossing te valideren door klanten het te laten testen. Als we de sterke en zwakke punten hebben bepaald en de kinderziekten eruit zijn, gaan we andere stations inscannen en aansluiten. Zodra we tevreden zijn over de techniek, dragen we het over aan de ontwikkelaars van de NS International-app, zodat het daar ingebouwd kan worden.

Tweede idee: actuele informatie over vertragingen

De resultaten van het navigatie-experiment smaken naar meer. Het volgende project waar we met de studenten aan gaan werken is het beter communiceren over vertragingen. Van klanten krijgen we te horen dat de updates vanuit de app niet altijd kloppen. Dat is terecht. Die updates komen uit een centraal systeem van alle spoorwegmaatschappijen in Europa en daar zit ook handwerk in. Daardoor is de informatie soms niet actueel.

De treinen zijn niet allemaal van ons, wij zijn een verkooporganisatie. Het is niet haalbaar om met alle treinmaatschappijen van Europa afspraken te maken over het verstrekken van actuele informatie over de dienstregeling, als die al beschikbaar is. Ons idee is dan ook om een corrigerende laag te bouwen, De hypothese is dat op basis van historische data we een voorspelmodel leren op welke locatie een trein volgens de planning hoort te zijn. Als een trein hierop achterloopt kan dat model voorspellen of de trein vertraging oploopt. Het is te vergelijken met de populaire applicatie Waze: automobilisten die die app open hebben staan, verstrekken informatie over de verkeerssituatie en Waze kan op basis daarvan de reistijd berekenen en alternatieve routes aandragen.

Wij onderzoeken of we deze dienst kunnen bieden aan reizigers die hun locatie met ons willen delen. We weten waar een trein op een bepaald tijdstip moet zijn. Als uit de locatiedata van de passagier blijkt dat het nog vijf minuten duurt voordat die positie wordt bereikt, dan is er dus vertraging. Als de passagier hierdoor een overstap gaat missen, kunnen we dit meteen melden en alternatieven aandragen zodat de reis gewoon kan worden voortgezet.

Dit project willen we al een tijdje opstarten, maar het kost wat moeite om de juiste data boven water te krijgen. Inmiddels hebben we een startdataset van de treinen zelf. Daarmee kunnen we onderzoeken of de locatie van de telefoon van de passagier matcht met waar de trein zou moeten zijn. We gebruiken hiervoor historische data over vertragingen en locatiebepalingen, en mogelijk is dit uit te breiden met variabelen als de tijd van het jaar, het weer en andere bewegingen. Op basis van al die gegevens kijken we of we een model kunnen bouwen dat adequaat kan voorspellen of er vertraging optreedt.

Nog meer ideeën toetsen

We willen niet ontwikkelen op basis van een mening. We investeren in nieuwe toepassingen op basis van bewijs. Door de samenwerking met het studentencollectief zijn we op de hoogte van de nieuwste, hipste en relevantste technieken. Gezamenlijk kijken we of die toepasbaar zijn op businessvraagstukken en dit toetsen we bij klanten.

Deze manier van innoveren bevalt zo goed, dat we voor volgend jaar intern doelstellingen hebben afgesproken over het aantal experimenten dat we gaan doen. De hele organisatie is inmiddels getraind in de lean start-up methode en kent de principes van design thinking. Dit leidt tot veel meer interactie met de klant en daar komen weer interessante ideeën uit naar voren. En dat vliegwieleffect maakt dat 2019 voor ons een heel goed innovatiejaar belooft te worden.

Headerfoto: olrat / Shutterstock.com