Ontwikkeling van een robuust basisjaar voor Basgoed met behulp van tijdsreeksanalyse
Authors:
Christophe Heyndrickx, Transport & Mobility Leuven
Jan Kiel, Panteia
Bart Wesseling, Significance
Abstracte ID: 93
Event: PLATOS 2025 – Adaptieve modellen
Topic: Adaptieve modellen
Presenter Name:
Keywords: Data analyse, econometrie, klimaatsverandering, matrix fitting, transport

De toenemende klimaatgerelateerde onzekerheden en complexe transportvraagstukken vereisen geavanceerde modellen om strategische prognoses en beleidskeuzes te ondersteunen. Binnen dit project hebben we ontwikkelingen binnen BasGoed - het strategisch model voor goederenvervoer in Nederland - bestudeerd om beter om te gaan met onzekerheden in de basisgegevens en de prognoses.

Het project kende drie doelen: (1) het ontwikkelen van een robuust basisjaar, (2) tijdreeksanalyse voor korte termijn voorspellingen, en (3) het modelleren van langetermijneffecten van klimaatverandering. Deze drie doelen waren complementair. Ons onderzoek rond het basisjaar en het bepalen van korte termijn voorspellingen geven inzicht in hoe het model robuuster gemaakt kan worden. Een belangrijke voorwaarde voor het maken van goede prognoses.

Deze presentatie richt zich op de ontwikkeling van het basisjaar. Dit komt overeen met het eerste en tweede element van de projectdoelen. Een andere (complementaire) presentatie focust op een case study rond de impact van laagwaterstanden in de binnenvaart.

De ontwikkeling van een robuust basisjaar lijkt eenvoudiger dan het is. Elk jaar kent immers bijzonderheden, zodat een uniek referentiepunt soms moeilijk te definiëren is. Zo kunnen socio-economische, of geopolitieke invloeden de mogelijke impact van klimaatsverstorende effecten minder transparant maken. Een eerste stap bij het maken van een betrouwbare prognose, is dus om een betrouwbaar (al dan niet synthetisch) basisjaar, te bepalen.

In deze presentatie bestuderen we, hoe we door gebruik te maken van econometrische technieken en data-analyse, de robuustheid van het Basgoed model kunnen verhogen.
We gaan hierbij uit van het gebruik van publieke en semi-publieke datasets. We bespreken eveneens hoe we op een betrouwbare manier, nieuwe informatie uit geaggregeerde data kunnen extrapoleren naar meer gedesaggregeerde data.