Informatie over wegafsluitingen is al jaren als open data beschikbaar. Serviceproviders kúnnen die gegevens gebruiken in hun routeadviezen, maar dat gebeurt nog te weinig – simpelweg omdat de gegevens niet altijd up-to-date zijn. Om de kwaliteit van de informatie een boost te geven, zijn NDW en haar partners daarom IDEA gestart. In dit project worden floating car data en zelflerende algoritmes ingezet om de informatie over wegafsluitingen te checken.
Voor het inplannen en onderling afstemmen van wegwerkzaamheden maken wegbeheerders gebruik van tools als SPIN, LTC en Melvin. Daarmee voorkomen ze een hoop leed: het afstemmen beperkt de kans op het ‘van de ene opbreking in de andere rijden’ tot een minimum. Maar een bijkomend voordeel is, dat via de planningtools de (basis)gegevens over wegwerkzaamheden ook als open data beschikbaar worden gesteld. Serviceproviders kunnen die data gebruiken voor bijvoorbeeld hun navigatiediensten, zodat een routeadvies weggebruikers keurig óm de wegwerkzaamheden van dat moment leidt.
Net even anders
Dat is tenminste de bedoeling. De praktijk is dat de wegwerkzaamheden, ondanks een grondige planning vooraf, soms net even anders worden uitgevoerd. Door bijvoorbeeld drukte op de weg, weersomstandigheden of materiële of personele tegenslagen kan het werk eerder of later beginnen, of wordt er besloten toch maar eerst op een ander deel van de weg aan de slag te gaan. Deze ‘last minute’-wijzigingen worden meestal niet verwerkt in de planningtools en komen daardoor ook niet in de open data terecht. De navigatiediensten, transport-managementsystemen en fleet-managementtoepassingen die de data afnemen, werken vanaf dat moment dus met verouderde informatie.
De gevolgen van deze relatieve ‘onbetrouwbaarheid’ laten zich raden: weggebruikers worden wellicht omgeleid terwijl de weg nog open is of ze stuiten op een afsluiting die er nog niet had moeten zijn. Dat kan er weer toe leiden dat serviceproviders de op zich waardevolle en nuttige data die wegbeheerders via hun planningtools beschikbaar stellen, niet langer willen gebruiken of niet ten volle gebruiken. Iets soortgelijks speelt trouwens rond de beschikbaarheid van kunstwerken als tunnels en bedienbare bruggen. Als de gegevens over bijvoorbeeld de openingstijden van een brug niet up-to-date zijn, verliest ook die informatie haar waarde.
IDEA
Om de betrouwbaarheid en kwaliteit van de informatie over wegafsluitingen en omleidingen te verbeteren, zijn gemeente Amsterdam, Den Haag, provincie Noord-Holland, Rijkswaterstaat en NDW het project IDEA gestart, met NDW als trekker. IDEA staat voor Intelligent Data Exchange Alliance. Het doel van het project is om geplande en gecommuniceerde beperkingen in het wegennetwerk (1) met een algoritme te valideren en een betrouwbaarheidsindicatie mee te geven. Serviceproviders kunnen deze extra informatie afnemen en gebruiken in hun navigatietoepassingen. Aanvullend wordt (2) de serviceproviders feedback gevraagd op de bruikbaarheid en kwaliteit van de geleverde data. Met deze ‘gebruikerservaringen’ kunnen de wegbeheerders het proces van informatie invoeren en onderhouden, verder verbeteren.
NDW werkt voor de realisatie van dit project samen met Dat.mobility, MAPtm en Lynxx.1Het betreft partners uit de NDW Data Science Society. Hierin werken zes gekwalificeerde partijen in verschillende projecten en constellaties aan het verder verbeteren van de datadienstverlening van NDW. Zij ontwikkelen het algoritme voor het validatieproces en werken aan de ‘feedbackfaciliteiten’.
1. Algoritme
Het validatiealgoritme maakt gebruik van floating car data, FCD, van NDW. Deze data geven een real-time inzicht in de doorstroming van het verkeer, in de vorm van reistijd en snelheid. Per ‘beschikbaarheidsbeperking’ die gevalideerd moet worden, checkt het IDEA-algoritme een tijdspanne vóór en na de geplande wegwerkzaamheden hoe het verkeersbeeld op het bewuste traject is. Daartoe vergelijkt het actuele FCD-beeld met een historisch profiel van het wegdeel. Interessant is dat het algoritme hiervoor ook getraind wordt: het leert van verschillende gevalideerde wegwerkzaamheden welke afwijkingen daadwerkelijk veroorzaakt worden door werkzaamheden (en niet door bijvoorbeeld een pechgeval). Zo kan het algoritme voor nieuwe situaties automatisch valideren of de planning wordt gevolgd.
Een van de uitdagingen hierbij is dat de beschikbaarheid van FCD over de dag heen niet gelijk is en ook afneemt naarmate de functie van de betreffende weg lager is. Dit is de reden dat het IDEA-team heeft gefocust op wegen met een belangrijke doorstroomfunctie. Mede dankzij de genoemde training kan het algoritme inmiddels met een grote betrouwbaarheid identificeren of de wegafsluiting op dit soort wegen volgens de planning verloopt.
2. Feedback
Als het gaat om kwaliteitsverbetering, is het ook belangrijk vast te stellen of de serviceproviders de data konden gebruiken, of de data klopten en zo niet, waarom niet. Het IDEA-team werkt momenteel de methodiek en de datakoppeling uit waarmee serviceproviders op gebruiksvriendelijke wijze dit soort feedback kunnen geven.
Om de verbetercyclus echt rond te krijgen, ontwikkelen ze ook een dashboard voor wegbeheerders dat per situatie de validatieresultaten van het algoritme toont én de feedback van de serviceprovider. Wegbeheerders krijgen hierdoor inzichtelijk waar er verbeteringen mogelijk en nodig zijn. Niet onbelangrijk is dat zo ook duidelijk wordt hoe de data van een wegbeheerder gebruikt worden – en dus hoe waardevol ze zijn.
Tot slot
Het algoritme is inmiddels goed uitgewerkt en klaar voor grootschalige toepassing. In de komende periode ligt de focus van het IDEA-project op het testen en realiseren van de feedbackloop. Ook zullen de partners het gebied waarin de techniek van IDEA wordt toegepast, uitbreiden. Het is de bedoeling dat IDEA medio 2023 landelijk dekkend is.
____
De auteur
Ing. Ruud van den Dries is epic owner bij NDW.
Aan dit artikel droegen verder bij: gemeente Amsterdam, Dat.mobility, MAPtm en Lynxx.
