Reisgenoten gezocht: AI en innovatie in MaaS
AI als motor voor innovatie in MaaS: van slimme data naar slimme mobiliteit.
Kunstmatige intelligentie schuift steeds verder onze wereld van mobiliteit binnen. Denk aan slimme algoritmes die reizigersstromen voorspellen, of aan apps die precies weten welke route en welk vervoermiddel jou het beste passen. In dit artikel neem ik je mee in de kansen die AI biedt voor innovatie in Mobility as a Service (MaaS).
Waarom vind ik dit een interessante reis worden
Mijn nieuwsgierigheid begon bij een artikel van Hensher en Mulley in het vakblad Smart Cities and Transport Systems1. Zij schreven over hoe AI kan helpen bij het voorspellen van reizigersgedrag en het optimaliseren van mobiliteitssystemen. Terwijl ik las, dacht ik: dit gaat niet alleen over techniek. Dit raakt direct aan hoe wij in Nederland ons mobiliteitssysteem slimmer en inclusiever maken.
Ik merk dat in veel discussies over MaaS vooral de nadruk ligt op integratie van verschillende vervoerders. Maar de vraag hoe we die integratie slimmer maken, blijft vaak hangen. AI kan daar een sleutelrol spelen. Het kan patronen vinden die wij met het blote oog missen. Het kan voorspellen waar vraag naar vervoer piekt. Het kan reizigers helpen met persoonlijke en inclusieve adviezen.
Daarom wilde ik dit artikel schrijven. Om te onderzoeken wat AI concreet kan toevoegen aan MaaS. En om jou als professional uit te dagen: hoe benut je deze kansen in jouw eigen werk?
Waar gaan anderen heen met dit thema
AI in MaaS is een onderwerp dat wereldwijd in beweging is. Het eerdergenoemde artikel van Hensher en Mulley laat zien dat AI helpt bij het analyseren van enorme hoeveelheden data. Die data komt uit apps, GPS-systemen en sensoren. Daarmee kun je voorspellen hoe reizigers zich verplaatsen en welke keuzes zij maken. Dit geeft beleidsmakers en aanbieders van vervoer waardevolle inzichten.
Praktijkvoorbeelden in Nederland
In Nederland zien we al toepassingen. Zo gebruikt de NS machine learning om reizigersstromen te voorspellen, zodat treinen beter aansluiten op piekmomenten2. Ook de gemeente Amsterdam experimenteert met AI in verkeersmanagement. Camera’s en sensoren analyseren verkeersstromen en sturen dynamische stoplichten aan3.
Internationale inzichten
Buiten Nederland zijn er ook inspirerende voorbeelden. In Singapore gebruikt men AI om mobiliteitsdata realtime te analyseren en MaaS-apps te voeden met actuele informatie. Reizigers krijgen zo advies dat rekening houdt met verkeersdrukte, weersomstandigheden en zelfs persoonlijke voorkeuren4.
In de Verenigde Staten werken platforms als Uber en Lyft al jaren met AI om vraag en aanbod van ritten te balanceren. Hun aanpak richt zich op commerciële efficiëntie, maar biedt inzichten die ook bruikbaar zijn voor publieke mobiliteit. Het idee dat AI vraaggestuurd vervoer slimmer maakt, is overal relevant.
Reflectie voor Nederland
Voor Nederland betekent dit dat we niet achterover kunnen leunen. Als professional herken je vast de spanning tussen innovatie en regelgeving. AI biedt prachtige kansen, maar vraagt ook om een stevig kader. Denk aan transparantie in algoritmes, bescherming van privacy en duidelijke afspraken over wie verantwoordelijk is voor de uitkomst van AI-gestuurde beslissingen.
Daarmee raakt het thema direct aan vraagstukken die in ons land hoog op de agenda staan: hoe maak je MaaS niet alleen slim, maar ook eerlijk en inclusief?
En nu? Hoe gaat dit verder?
De kansen liggen klaar, maar de weg vooruit vraagt om keuzes. AI kan alleen een rol spelen in MaaS als we investeren in samenwerking. Vervoerders, gemeenten en platformaanbieders moeten data delen. Zonder die data blijft AI een lege huls.
AI kan bijvoorbeeld een brug slaan tussen de data die gemeenten, OV-bedrijven en deelmobiliteitsaanbieders verzamelen. Maar die data moet je wel durven delen.
Een belangrijk vraagstuk is governance. Wie beslist hoe AI wordt ingezet? Wie controleert of algoritmes eerlijk advies geven aan reizigers? Transparantie is cruciaal. Alleen zo behoud je vertrouwen.
En dan is er inclusie. Ontwerp systemen vanuit de reiziger, niet vanuit de technologie.
Daarnaast gaat het over financiering. Innovatie kost geld. Het ontwikkelen van AI-toepassingen is duur, maar kan ook veel opleveren. Slimmer ritten plannen in doelgroepenvervoer scheelt miljoenen. Een slim AI-systeem dat reizigers beter spreidt over treinen kan de drukte verlagen zonder extra investeringen in materieel.
Mijn conclusie: AI biedt prachtige kansen om MaaS slimmer, inclusiever en efficiënter te maken. De vraag is niet óf AI een rol gaat spelen, maar hóe jij dat in je werk vormgeeft. Dus, welke stap zet jij morgen?
Wat heeft bijgedragen bij deze reis. De bronnen.
Hensher, D. A., & Mulley, C. (2023). Artificial Intelligence in Mobility as a Service: Opportunities and Challenges. Smart Cities and Transport Systems, 5(3), 122. https://doi.org/10.3390/smartcities5030122
NS. (2022). NS zet AI in om drukte in treinen te voorspellen. Geraadpleegd op https://www.ns.nl
Gemeente Amsterdam. (2023). Slim verkeersmanagement met AI. Geraadpleegd op https://www.amsterdam.nl
Land Transport Authority Singapore. (2022). Smart Mobility 2030. Geraadpleegd op https://www.lta.gov.sg
Voor dit artikel heb ik hulp gekregen van AI. De versie die ik gebruikte heet GPT-5. Je mag dus zeggen dat ik niet alleen met de bus, maar ook met een algoritme gereisd heb.