Dr. M. (Maaike) Snelder
Dr. M. (Maaike) Snelder
Profiel
Maaike Snelder is universitair hoofddocent bij de afdeling Transport en Planning van de faculteit Civiele Techniek en Geowetenschappen en principal scientist bij TNO. Ze is co-director van het Sustainable Urban Multimodal Mobility Lab (SUM Lab) en is Editor-in-Chief van het platina open access European Journal of Transport and Infrastructure Research (EJTIR).
Als co-director van het Sum Lab is Maaike verantwoordelijk voor het initiëren van samenwerkingen met partners, het verwerven en leiden van grote onderzoeksprogramma's en het begeleiden van promovendi. Maaike was/is hoofdonderzoeker in de NWO-onderzoeksprogramma's XCARCITY (co-lead), SUMMALab, ToGRIP en STAD (co-lead) en lead scientist in verschillende andere grote projecten gericht op de ontwikkeling van een volgende generatie verkeer- en vervoermodellen en de ontwikkeling van interactieve netwerkontwerpmethoden. Ze heeft 10 promovendi en meer dan 35 masterstudenten begeleid. Ze is de verantwoordelijke docent van het vak Sustainable and Resilient Transport Systems and Networks en geeft colleges in verschillende andere vakken.
Haar onderzoek richt zich op effectbepaling en ontwerp van multimodale transportsystemen met een speciale interesse in de veerkracht van netwerken en de impact van nieuwe mobiliteitsconcepten zoals automatische voertuigen en deelmobiliteit. Maaike heeft ruime ervaring in de ontwikkeling en toepassing van statische en dynamische, strategische en real-time modellen en optimalisatiemethoden voor netwerkontwerp. Zo ontwikkelde ze de New Mobility Modeller om de impact van nieuwe mobiliteitsconcepten te beoordelen, ontwikkelde ze een methode voor robuust wegennetwerkontwerp, leidde ze een onderzoeksproject naar activity-based modellen, was ze verantwoordelijk voor de ontwikkeling van het eerste real-time verkeersmodel voor de Amsterdamse grachten en leidde ze de ontwikkeling van smart routing algoritmes in het kader van de Praktijkproef in Amsterdam. Maaike rondde haar promotieonderzoek naar robuust ontwerp van wegennetwerken af in 2010 (Cum Laude) en rondde haar studie Econometrie af in 2003.
Publicaties
-
2023
Optimization of the location and capacity of shared multimodal mobility hubs to maximize travel utility in urban areas
Stavros Xanthopoulos / Marieke van der Tuin / Shadi Sharif Azadeh / Gonçalo Homem de Almeida Correia / Niels van Oort / Maaike Snelder
-
2023
A tour-based multimodal mode choice model for impact assessment of new mobility concepts and mobility as a service
H. Zhou / J. L. Dorsman / M. Mandjes / M. Snelder
-
2023
Sustainable mobility strategies and their impact
A case study using a multimodal activity based model
H. Zhou / J.L. Dorsman / M. Mandjes / M. Snelder -
2022
Accessibility of urban regions on a low car diet – A research agenda for digital twins
Bart van Arem / S. Sharif Azadeh / Maaike Snelder / Serge Hoogendoorn
-
2022
Estimating the Potential Modal Split of Any Future Mode Using Revealed Preference Data
G.K. de Clercq / A.J. van Binsbergen / B. van Arem / M. Snelder
-
Onderwijs 2024
Onderwijs 2023
Media
-
2024-01-11
Maaike Snelder in the media 2024
Verscheen in: Vers Beton
-
2023-02-14
Maaike Snelder in de media 2023
Verscheen in: iBestuur
-
2022-12-15
NWO-subsidie voor onderzoek naar leefbare stad zonder privéauto’s
Verscheen in: TU Delft
Prijzen
-
2015
Greenshields Prize 2015
This paper proposes a real time travel time prediction framework designed for large urban area including both arterial and urban roads. This framework makes it possible to test a wide variety of prediction models based either on theoretical or data-driven approaches. The results are demonstrated in a large test case corresponding to the Amsterdam Practical Trial. Data-driven approaches were then favor because their are easier to calibrate and require less computations. For short-term prediction, it appears that the simplest data driven approach (naive approach) performs the best. For larger-time window, a refined method (historic median prediction) provides the more accurate results. In most cases, the average absolute relative error is below 20%. The main contributions of this paper are (i) the formulation of the global framework and (ii) the extensive test of different methods on a large and heterogeneous operational test cases. The operational feedbacks from this study provide a good state of the art of the performance of data-driven methods in a mixed context and pave the way of further methodological developments
-
2013
European Excellence Award real time model for Canals Amsterdam
Smart city, smart canals
Nevenwerkzaamheden
-
2024-04-17 - 2026-06-30
Advisering/onderzoek en overig