Pilot: Welke inzichten geven (NEAR/Azira) GPS-data?

Wat laten GPS-data zien over toerisme en recreatie?

GPS-data (Global Positioning System) bieden relatief nieuwe mogelijkheden om toeristen en recreanten beter in beeld te krijgen. Denk aan inzichten in herkomst, aantallen, verplaatsingspatronen, drukte-intensiteit en spreiding over tijd en ruimte. Deze bewegings- en herkomstdata maken het mogelijk om bezoekersstromen veel gedetailleerder te analyseren dan voorheen.

Hoewel deze data steeds beter beschikbaar zijn, was het grootschalige gebruik voor toerisme-inzichten in Nederland nog nauwelijks onderzocht. Daarom is via een datapilot verkend hoe betrouwbaar en toepasbaar de GPS-data van aanbieder NEAR (nu Azira) zijn. De bevindingen van deze pilot zijn nu beschikbaar en geven waardevolle input voor beleid en praktijk.

Wat maakt NEAR-data uniek?

GPS-data geven inzicht in hoe bezoekers zich bewegen in tijd en ruimte. Twee bekende aanbieders van deze data zijn Resono (gericht op Nederlandse gebruikers) en NEAR Intelligence, nu Azira. NEAR levert data van zowel Nederlandse als buitenlandse bezoekers.

De gegevens worden verzameld via duizenden apps, waarvoor gebruikers toestemming geven. NEAR koopt deze data in en biedt zo een brede en waardevolle bron voor het analyseren van toeristische stromen. Tot nu toe waren de mogelijkheden van deze data nog nauwelijks onderzocht.

Waarom deze pilot met GPS-data?

Het doel van de pilot is om de GPS-data van NEAR Intelligence (nu Azira) te gebruiken om de herkomst van bezoekers te kunnen bepalen en om druktebeelden te creëren ten behoeve van inzichten die relevant zijn voor spreiding in tijd en ruimte.

Hoe de pilot is uitgevoerd

De uitvoering lag bij een projectteam bestaande uit toerisme-experts van het European Tourism Futures Institute (ETFI) van NHL Stenden Hogeschool en medewerkers van DataFryslan, een coöperatie van publieke partijen in Friesland, gericht op data science. In aanloop naar dit project heeft ETFI samengewerkt met amsterdam&partners, Toerisme Veluwe Arnhem Nijmegen en NBTC. De pilot bestond uit een verkenning van de mogelijkheden van de data, beoordeling van de kwaliteit van de data, het analyseren van data, en de inzichten die de data geeft. Het project is uitgevoerd in de periode november 2023 tot april 2024.

Resultaat

Tijdens de pilot zijn meerdere datasets verkend en geanalyseerd. Het kostte tijd om een bruikbare dataset te verkrijgen, mede door de enorme hoeveelheid bewegingsdata. Duidelijk werd dat het detailniveau en de drempelwaarde (minimaal aantal waarnemingen) cruciaal zijn voor bruikbare inzichten.

Het hoogste detailniveau van NEAR data geeft inzicht in de bezoekers op locatie, ter grootte van een parkeerautomaat, maar zal minder bezoekers registreren dan data op een lager detailniveau. Een heel laag detailniveau geeft daarentegen weer zoveel datapunten, waardoor analyseren van de bewegingen van de bezoekers erg lastig wordt. De analyse richtte zich op het identificeren van bezoekersstromen binnen steden en regio’s. De data werden gevisualiseerd met tools zoals QGIS en Kepler GL en er werden verschillende lessen geleerd over de bruikbaarheid en beperkingen van de data.

Learnings

De meeste uitdagingen van de pilot lagen bij het verkrijgen van een bruikbare dataset. De belangrijkste leerpunten uit de pilot zijn onder andere:

• Drempelwaarde en detailniveau bepalen is cruciaal. Het is belangrijk om de juiste drempelwaarde (min. aantal waarnemingen) en detailniveau te kiezen voor de GPS-data.
• Samenwerking versterkt datagebruik. Nauw samenwerken met NEAR en andere gebruikers bleek noodzakelijk om toegang te krijgen tot geschikte datasets én om beter te begrijpen hoe de data worden gegenereerd en geïnterpreteerd.
• GPS-data kennen beperkingen. De data geven een beeld van relatieve drukte op basis van appgebruikers, maar leveren geen exacte bezoekersaantallen. Aanvullende databronnen zoals parkeer- of verkoopdata zijn nodig voor betere onderbouwing.
• Expertise en infrastructuur zijn onmisbaar. Door de omvang en complexiteit van ruwe GPS-data is specialistische kennis van dataverwerking noodzakelijk om er goed mee te kunnen werken.
• Gerichte onderzoeksvragen zijn vereist. Zonder duidelijke focus is het vrijwel onmogelijk om waardevolle inzichten uit grote datasets te halen. Een goede voorbereiding is dus essentieel.

Vervolgstappen

De pilot toont aan dat werken met NEAR-data complex is en toetsing cruciaal blijft. Hoewel al enkele analyses zijn uitgevoerd, biedt de dataset nog veel meer potentieel.

De druktedata zijn volledig beschikbaar via de Azure Databank en toegankelijk via PowerBI. In verband met de omvang zijn de herkomstdata momenteel alleen gedeeltelijk toegankelijk. Omdat de herkomstdata zeer omvangrijk zijn, kan deze beter worden opgeknipt in kleine sets. Verder zal een analyse van betrouwbaarheid, relevantie en het eventueel vergelijken of eiken met andere datasets (NL Verplaatsingspanel) via Phyton moeten plaatsvinden. Het onderwijs en DMO’s kunnen de data gebruiken om in gezamenlijkheid de bruikbaarheid van de data verder te toetsen en use-cases te kunnen genereren.

Meer weten? Neem contact op met: stefan.hartman@nhlstenden.com.

Projectleiding

Het European Tourism Futures Institute (ETFI) van NHL Stenden was projectleider van deze pilot.