Bezettingsgraad: hoe sensoren en AI meten hoe vol een ruimte écht is
Stel je een bioscoopzaal voor met tweehonderd stoelen. Als er tachtig mensen zitten, is de bezettingsgraad veertig procent: het percentage van de beschikbare capaciteit dat daadwerkelijk in gebruik is. Bij een bioscoop tel je dat makkelijk met het oog, maar bij een kantoorgebouw met duizend werkplekken, een trein met tien rijtuigen of een parkeergarage met achthonderd plekken wordt handmatig tellen onbegonnen werk.
Daarom wordt bezettingsgraad steeds vaker automatisch gemeten, met sensoren en kunstmatige intelligentie (AI). Dat klinkt futuristisch, maar de techniek erachter is vaak vrij eenvoudig: tel hoeveel plekken bezet zijn, deel dat door het totaal, en je hebt een percentage. Het interessante zit in de manier waarop die telling tegenwoordig continu, op afstand en zonder mensen die rondlopen met een klembord gebeurt — en in wat organisaties met die data doen.
Wat is het precies?
Bezettingsgraad meten begint met sensoren die iets registreren dat samenhangt met de aanwezigheid van mensen. Er bestaan verschillende technieken, elk met eigen voor- en nadelen.
PIR-sensoren (passief infrarood) detecteren beweging via warmtestraling van lichamen, hetzelfde principe als de bewegingsmelder die bij veel mensen thuis het buitenlicht aanzet. Ze zijn goedkoop, maar registreren alleen beweging, niet of iemand stilzit.
CO2-sensoren meten de concentratie kooldioxide in de lucht. Omdat mensen CO2 uitademen, stijgt de concentratie naarmate een ruimte voller is. Dit is een indirecte methode: ze meten geen aantal mensen, maar een signaal dat daarmee samenhangt.
Wifi- en bluetooth-telling registreert hoeveel smartphones of andere apparaten verbinding maken met een zendmast of ontvanger in de buurt. Handig, maar niet iedereen heeft wifi of bluetooth aan staan, dus het is een schatting.
Camera's met computervisie — een AI-techniek waarbij software patronen in beeldmateriaal herkent — kunnen mensen of hoofden tellen zonder gezichten te herkennen. Sommige systemen verwerken het beeld direct op het apparaat zelf (edge computing genoemd: rekenkracht dichtbij de sensor, niet in een externe cloud) en sturen alleen een getal door, niet de beelden. Dat is beter voor privacy.
Tot slot bestaan er drukcellen in vloeren, badgedata van toegangspoortjes en deursensoren in bijvoorbeeld treinen. Al deze losse signalen worden verzameld, verwerkt tot een percentage en getoond in een dashboard of app. Vaak wordt die data ook gebruikt om verwarming, koeling en verlichting automatisch aan te passen aan het werkelijke gebruik, in plaats van aan een vast schema.
Wat wil men ermee bereiken?
De belangrijkste drijfveer is energiebesparing. Een leeg kantoor verwarmen of een lege vergaderzaal verlichten kost geld en CO2-uitstoot zonder dat iemand er baat bij heeft. Als systemen weten welke ruimtes daadwerkelijk gebruikt worden, kunnen ze klimaatinstallaties gerichter aansturen.
Sinds hybride werken (deels thuis, deels op kantoor) de norm werd na de coronapandemie, willen organisaties ook weten hoeveel van hun kantoorruimte nog nodig is. Bezettingsdata helpt bij beslissingen om vloeroppervlak af te stoten of anders in te richten, wat vastgoedkosten flink kan verlagen.
In het openbaar vervoer speelt een ander motief: reizigerscomfort en capaciteitsplanning. Wie vooraf weet welk rijtuig vol zit, kan een ander instappunt kiezen. Vervoerders gebruiken dezelfde data om dienstregelingen bij te sturen.
Ook duurzaamheidsdoelen spelen mee: gebouwen zijn wereldwijd verantwoordelijk voor een substantieel deel van het energieverbruik en de CO2-uitstoot, dus efficiënter ruimtegebruik draagt bij aan klimaatdoelstellingen. Tot slot maakt bezettingsdata dynamische prijzen mogelijk, bijvoorbeeld voor parkeergarages of deelauto's, waarbij de prijs meebeweegt met de vraag.
Voorbeelden uit de praktijk
NS drukte-indicator — De Nederlandse Spoorwegen tonen sinds enkele jaren in hun reisapp een verwachte en actuele drukte-indicatie per trein en zelfs per rijtuig. Dit combineert historische reizigersdata, verkoopcijfers van tickets en (op een deel van het materieel) sensoren, verwerkt met voorspellende algoritmes.
Rijksvastgoedbedrijf — De Nederlandse overheidsorganisatie die rijkskantoren beheert, is de afgelopen jaren pilots gestart met bezettingssensoren in kantoorpanden, mede om te bepalen hoeveel kantoorruimte na de omslag naar hybride werken nog echt nodig is.
VergeSense (Verenigde Staten, opgericht in 2016) — Levert AI-camerasensoren die anoniem tellen hoeveel bureaus en vergaderruimtes in gebruik zijn, gebruikt door grote internationale bedrijven voor workplace analytics.
Density (Verenigde Staten) — Gebruikt anonieme dieptesensoren die alleen vormen registreren, geen camerabeelden, specifiek om privacyzorgen bij occupancy-meting te verminderen.
Slimme parkeersystemen — Diverse Nederlandse steden, waaronder Eindhoven en Amsterdam, gebruiken sensoren in parkeergarages die de actuele bezetting realtime doorgeven aan navigatie-apps, zodat automobilisten sneller een vrije plek vinden.
Hoe ver is de techniek?
De basissensortechnologie is niet nieuw: PIR- en CO2-sensoren bestaan al decennia en worden al lang gebruikt in bijvoorbeeld inbraakalarmen en ventilatiesystemen. Wat de afgelopen jaren wél veranderd is, is de combinatie met AI voor patroonherkenning en voorspelling, en de schaal waarop bedrijven deze data centraal verzamelen en analyseren.
Een belangrijk obstakel is nauwkeurigheid: bij drukke ruimtes tellen camerasystemen soms mensen dubbel of missen ze mensen die achter elkaar staan, en wifi-telling onderschat structureel omdat niet iedereen zijn apparaat laat meezoeken. Een tweede obstakel zijn de kosten: oudere gebouwen retrofitten met sensoren en bekabeling is duurder dan sensoren meenemen in nieuwbouw.
Privacy is een derde en groeiend aandachtspunt. Onder de AVG (Algemene Verordening Gegevensbescherming, de Nederlandse uitwerking van de Europese privacywetgeving GDPR) moet dataverzameling proportioneel en waar mogelijk anoniem zijn. Camerasystemen die mensen zouden kunnen herkennen liggen daarom gevoelig, wat leveranciers dwingt tot privacyvriendelijker ontwerp, zoals lokale verwerking zonder beeldopslag.
Ten slotte ontbreekt het nog aan standaardisatie: elke leverancier gebruikt eigen sensoren, dataformaten en dashboards, waardoor het lastig is systemen van verschillende aanbieders te combineren. De markt groeit desondanks hard, gedreven door hogere energieprijzen en de blijvende populariteit van hybride werken.
Wie werken eraan?
Internationaal zijn gespecialiseerde bedrijven als VergeSense, Density, Freespace en Locatee actief in workplace-occupancyanalyse, vaak in samenwerking met grotere technologiebedrijven die de netwerkinfrastructuur leveren, zoals Cisco (met producten als Meraki en Cisco Spaces), Honeywell en Siemens, die dit onderdeel maken van bredere "smart building"-systemen voor gebouwbeheer.
In Nederland doet TNO, de nationale organisatie voor toegepast onderzoek, verkennend onderzoek naar slimme gebouwen en mobiliteitsdata. Ook technische universiteiten zoals de TU Delft besteden in onderzoeksprogramma's naar stedelijke mobiliteit en de gebouwde omgeving aandacht aan bezettingsdata. Aan de toepassingskant zijn het Rijksvastgoedbedrijf, NS en gemeenten die smart-parkingprojecten opzetten, voorbeelden van Nederlandse organisaties die deze techniek daadwerkelijk inzetten.