dan bevinden de weginspecteurs zich idealiter zo veel mogelijk in de buurt van waar de kans op incidenten het hoog- ste is. En daar komen machine learning algoritmes om de hoek kijken”, vervolgt Fred enthousiast.
“Klinkt ingewikkeld,
maar het is eigenlijk vrij eenvoudig. De algoritmes leren continu waar de kans op incidenten het grootste is, van histo- rische- en real time data van incidenten. En op basis van die kansberekeningen worden de inzetgebieden voor de weg- inspecteurs
dynamisch gegenereerd.
We geven vervolgens weginspecteurs real time advies over waar zij zich het beste kunnen bevinden via een app op hun tablet. Samen met een aantal andere automatiseringsslagen scheelt dit nu al zo’n drie tot vijf minuten aan- rijtijd op een gemiddelde 24/7 aanrijtijd van 18 minuten, dus dat is fors!”
Automatisch ter plaatse gemeld Fred vertelt verder: “Op basis van de locatiegegevens
van weginspecteurs
worden nieuwe incidenten direct door- gezet naar de dichtstbijzijnde weg- inspecteur. Zodra hij bij het incident aankomt, wordt hij vervolgens ook auto- matisch ter plaatse gemeld. Dit soort
automatiseringsslagen schelen bij lan- delijke invoering zo’n 400.000 telefoon- tjes per jaar. Telefoontjes die tijd kosten en een onderbreking vormen van het werk van de weginspecteurs om admi- nistratieve redenen.” Zodra een wegin- specteur bezet is, worden de overige beschikbare weginspecteurs weer opti- maal herverdeeld over het gebied.
Front office automatisering “Een andere pilot op het gebied van data die we in de verkeerscentrale Midden- Nederland hebben draaien, is de auto- matisering van de Front Office”, vervolgt Fred. “We hebben een universele spreek- woordelijke stekkerdoos gemaakt, waar geanonimiseerde informatie uit verschil- lende bronnen in wordt gestopt. Algorit- mes combineren die data tot informatie waar onze operatie wat mee kan.” Denk bijvoorbeeld aan data uit Waze. Een inci- dent dat in Waze gemeld wordt door een weggebruiker, popt bij de Front Office op en komt vervolgens automatisch terecht bij de dichtstbijzijnde weginspecteur. “Door koppeling van onze Front Office met andere databronnen naast die van onszelf, wordt de informatie steeds accurater en komen incidentmeldingen
“WE WILLEN DAT DE TOTALE INCIDENTDUUR IN 2022 MET 25% VERKORT IS”
20 Nr. 4/5 - 2020 OTAR
ook eerder bij ons binnen. Zo krijgen we incidenten nog sneller in ons vizier, zijn we sneller ter plaatse en is het incident sneller afgehandeld. Dat scheelt reistijd voor weggebruikers. Bovendien scheelt het handmatige invoeren in systemen voor onze wegverkeersleiders in de ver- keerscentrale, omdat
informatie vanuit
de Front Office ook gedigitaliseerd naar onze wegverkeersleiders gaat. Ook hun handelen wordt dus efficiënter, zij kun- nen zich meer concentreren op het moni- toren van hun werkgebied”, aldus Fred.
Bronnen toevoegen “De koppeling van de Front Office met Waze werkt al een flinke tijd. Ook is het gedigitaliseerd op pad sturen van de dichtstbijzijnde berger naar een incident inmiddels gereed. Scheelt weer een boel telefoontjes naar bergers. Een vol- gende stap is om geanonimiseerde data uit nog meer andere bronnen toe te voe- gen. De betrouwbaarheid van informa- tie uit gecombineerde bronnen is groter dan van iedere afzonderlijke bron, dus hoe meer relevante bronnen, hoe beter.” Het gaat dan niet alleen om eigen bron- nen, maar ook om externe bronnen. “Begin 2021 willen we data van slimme camera’s boven de weg die incidenten detecteren, aan de Front Office heb- ben gekoppeld. Tegen die tijd willen we de Front Office ook hebben gekoppeld aan Probe Vehicle Data (PVD). Denk aan een signaal van jouw auto als je airbag
Page 1 |
Page 2 |
Page 3 |
Page 4 |
Page 5 |
Page 6 |
Page 7 |
Page 8 |
Page 9 |
Page 10 |
Page 11 |
Page 12 |
Page 13 |
Page 14 |
Page 15 |
Page 16 |
Page 17 |
Page 18 |
Page 19 |
Page 20 |
Page 21 |
Page 22 |
Page 23 |
Page 24 |
Page 25 |
Page 26 |
Page 27 |
Page 28 |
Page 29 |
Page 30 |
Page 31 |
Page 32 |
Page 33 |
Page 34 |
Page 35 |
Page 36 |
Page 37 |
Page 38 |
Page 39 |
Page 40 |
Page 41 |
Page 42 |
Page 43 |
Page 44 |
Page 45 |
Page 46 |
Page 47 |
Page 48 |
Page 49 |
Page 50 |
Page 51 |
Page 52 |
Page 53 |
Page 54 |
Page 55 |
Page 56 |
Page 57 |
Page 58 |
Page 59 |
Page 60 |
Page 61 |
Page 62 |
Page 63 |
Page 64
