Rijkswaterstaat voorspelt risico’s op vaarwegen

Op basis van een analyse van (bijna-)ongevallen van de afgelopen jaren zijn de meest bepalende omgevingsfactoren voor risicovolle situaties in kaart gebracht. Door actuele en voorspellende omgevingsdata te gebruiken wordt de kans op een risicovolle situatie in kaart gebracht. Hierbij is gebruik gemaakt van big data en kennis bij RWS en externe partijen. Met al deze gegevens is een voorspellingsmodel ontwikkeld voor de regio Rotterdam - Dordrecht - Moerdijk. RWS combineert het model met actuele informatie om voorspellingen te maken. Dit model wordt nu in de praktijk beproefd. Mobiel verkeersleiders krijgen steeds de voorspelling van risico’s voor de komende uren als kaartlaag voor hun gebied te zien.

Door voorspelling van risico’s kunnen patrouillevaartuigen naar verwachting sneller zijn waar het nodig is: risicogerichte inzet. Incidenten treden daardoor minder vaak op en kunnen sneller worden afgehandeld. Dat leidt tot minder verkeershinder. Het project combineert informatie uit meerdere disciplines en teams. Uniek voor dit project is de combinatie van complexe onderliggende technologie met een vertrouwde verschijningsvorm via een kaartlaag. Dit innovatietraject is een onderdeel van het RWS-innovatieprogramma Smart Patrol. Het project is gerealiseerd door een intensieve samenwerking tussen RWS Datalab en diverse externe partijen. Binnen RWS is voor deze proefimplementatie uitgebreide afstemming met de uiteindelijke gebruikers (mobiel verkeersleiders) om ervoor te zorgen dat het echt iets toevoegt. Adasco en het RWS Datalab hebben het predictiemodel ontwikkeld. Esri Nederland en RWS-scheepvaartteams hebben het predictiemodel vervolgens ingezet. Het model is via dataservices aangesloten op actuele gegevens van RWS en onder andere KNMI. Vervolgens zijn de resultaten van het voorspellingsmodel gevisualiseerd.

Terug naar de overige genomineerden