Op 15 januari organiseren we een Webinar over betere monitoring van luchtkwaliteit met het CIMLK. Leer meer over de uitkomsten van de pilot die we hiervoor organiseerden!
Continue readingWebinar Betere Monitoring Luchtkwaliteit met CIMLK
Fileradar partner in Alliantie Goederenvervoermodellen
Fileradar is partner geworden in de langjarige samenwerkingsovereenkomst
“Alliantie Goederenvervoermodellen”. Op 15 mei was de bijeenkomst met ondertekening van de contracten.
Pilot Schone Lucht Akkoord
In september van 2024 start Fileradar een pilot om de (verplichte) monitoring van de emissies door verkeer in Nederland te verbeteren. Meld je nu aan!
Continue readingAlliantie Goederenvervoermodellen
Overzicht
Sinds 2024 is Fileradar lid van de Alliantie Goederenvervoermodellen. Samen met 9 andere marktpartijen verzorgen we de ontwikkeling en het beheer van Basgoed. Basgoed is een strategisch goederenvervoermodel waarmee prognoses worden opgesteld voor weg, spoor en binnenvaart. Het heeft tot doel om de effecten van economische ontwikkelingen en beleidsmaatregelen op het goederenvervoer in kaart te brengen
Als nieuwe partner in de alliantie zorgen we met een frisse blik en onze eigen ervaring, expertise en visualisatiemogelijkheden voor innovatieve ideeën voor problemen die zich opdoen bij de ontwikkeling van de volgende versie van Basgoed.
Intensiteiten.nl
Overzicht
Fileradar levert intensiteiten, snelheden en HB-matrices voor iedere selectie van wegen in Nederland. Via het portaal intensiteiten.nl kunnen gebruikers aanvragen indienen voor de levering van deze data.
De data is beschikbaar voor iedere selectie van dagen vanaf 2020 tot heden. HB-matrices kunnen voor elk willekeurig subnetwerk worden opgesteld en gekalibreerd op de intensiteiten.
API
In het voorjaar van 2024 lanceert Fileradar ook een API, waarmee gebruikers geautomatiseerd data op kunnen vragen. De API werkt met een creditsysteem, waarbij gebruikers maandelijks toegang krijgen tot steeds meer intensiteiten, afhankelijk van het afgesloten abonnement.
Eenmalige leveringen
Eenmalige leveringen zijn ook mogelijk. Neem contact op en beschrijf je aanvraag, dan nemen we zo spoedig mogelijk contact op en bespreken we de mogelijkheden.
Nu al een aanvraag doen?
Vul direct dit formulier in
Omjehuis.nl
Overzicht
Omjehuis.nl is een (experimenteel) project van Fileradar, waarin we inzicht geven aan alle geografische gegevens rondom een adres. Huizenbezitters of -zoekers kunnen zo in één overzicht snel zien hoe een bepaald adres scoort op het gebied van gezondheid, veiligheid, voorzieningen, klimaat en nog veel meer.
Aanpak
In Nederland zijn tientallen open databronnen die iets zeggen over je omgeving. Tot omjehuis.nl bestond er geen plek om al deze data overzichtelijk gepresenteerd te krijgen in één overzicht. Fileradar beschikt over een krachtige backend waarin we snel en efficiënt al deze data bij elkaar hebben verzameld. Door middel van geavanceerde datatechnieken zijn we in staat om alle data snel op te halen en overzichtelijk te presenteren. De site is een mooie showcase van de kracht en flexibiliteit van zowel onze backend als onze frontend. bezoek de site of start direct door hier onder je adres in te vullen (met een huisnummer)
IM-wegen provincie Utrecht
Overzicht
Elke provincie in Nederland is verantwoordelijk voor het selecteren van wegen voor Incident Management (zie de imkaart voor de huidige selectie). Voor deze wegen geldt dat in het geval van calamiteiten of kapotte voertuigen er een berger stand-by staat om snel in te grijpen, zodat de weg snel weer vrij is.
De keuze voor welke wegen zijn aangewezen als IM-weg hangt van twee zaken af. Enerzijds gaat het om het minimaliseren van de impact van incidenten op de doorstroming van verkeer; anderzijds is het een kostenafweging, aangezien de provincie meer betaalt aan bergers als zij voor een groter deel van het netwerk stand-by moeten staan.
De Provincie Utrecht heeft door Fileradar en Witteveen+Bos laten onderzoeken wat de impact is van incidenten op alle wegen die momenteel zijn aangewezen als IM-weg. We hebben in kaart gebracht hoeveel voertuigverliesuren elk incident op een IM-weg heeft veroorzaakt. Daaruit kon vervolgens een top-10 worden gemaakt van wegen met de grootste impact van incidenten op de doorstroming, en kunnen ook wegen worden aanwezen waar
Dataverzameling
De Provincie Utrecht heeft een bestand aangeleverd met alle geregistreerde incidenten voor maart 2022. Vervolgens hebben we data verzameld over het wegennet (Open Street Map en de im-kaart van Stichting IMN), intensiteiten voor iedere individuele dag van de maart 2022 volgens onze eigen intensiteiten-reconstructie-methodiek en snelheden uit FCD.
Files volgen met 'trackers'
Fileradar beschikt over een uniek algoritme dat individuele files kan volgen over de tijd, vanaf het moment van ontstaan tot aan het moment van oplossen. Dit noemen we ’trackers’. Van minuut tot minuut wordt elke file gevolgd, over het hele geselecteerde netwerk (dus ook op het onderliggend wegennet). Onderstaand plaatje toont twee screenshots met trackers die 15 minuten uit elkaar liggen. De file rechtsboven is verdwenen, de file linksboven is gegroeid en de andere twee zijn iets kleiner geworden.
Incidenten koppelen aan trackers
Vervolgens is door de volledige lijst met incidenten gegaan, en is gekeken of er in de buurt van de start van dat incident, in ruimte en in tijd, een tracker is ontstaan. Zo ja, dan is deze tracker gekoppeld aan het incident, en kunnen de voertuigverliesuren worden toegewezen aan het incident. Voor het koppelen hebben we een snelle workflow gemaakt, waardoor we in no time 23 van de 47 geregistrerde ongevallen in maart 2022 hebben kunnen koppelen aan een tracker.
Automatiseren en uitrollen: 1x = 12x
Na deze succesvolle pilot hebben we de methodiek verder geautomatiseerd in ons “1=N”-repliceerbare platform, door incidenten uit Dexter van NDW te halen, en deze incidenten geautomatiseerd te koppelen aan trackers, die we voor alle 12 provincies hebben gedraaid voor een periode van 4 maanden. Op deze manier hebben we voor elke provincie voorbeeldrapporten opgesteld over de impact van incidenten op de doorstroming.
Wilt u meer weten over deze aanpak en/of de voorbeelddossiers zien die we voor elke provincie hebben opgesteld? Neem dan nu contact op!
Verkeersonderzoek Randstad
Overzicht
Met dit onderzoek, dat we samen met Witteveen+Bos en Ipsos uitvoeren, stellen we informatie samen over de profielen van weggebruikers van het rijkswegennet in de Randstad. Deze informatie wordt onder andere gebruikt voor de update van regionale verkeersmodellen.
Het samenstellen van de gegevens is een technisch hoogstandje. Veel verschillende informatiebronnen komen bij elkaar. Door middel van slimme enquêtes en een complexe serie rekenmodellen die Fileradar zelf heeft ontwikkeld zorgen we voor representatieve gegevens over de samenstelling van het verkeer in de Randstad. We kunnen zelfs voor ieder baanvak individueel gegevens leveren over de profielen van de weggebruikers van dat individuele baanvak.
Innovatieve inwinning: veel betere representativiteit
Fileradar stelt sinds 2022 de gegevens op voor het Verkeersonderzoek Randstad. Vóór deze tijd vond de inwinning plaats door middel van kentekenonderzoeken. Deze methode is duur en zorgt voor gegevens die niet representatief zijn:
- Kentekenonderzoeken vinden meestal maar tijdens een paar dagen plaats; het onderzoek van 2018 vond bijvoorbeeld plaats op een dag met met 19% minder dan gemiddeld.
- Weggebruikers die veel kilometers rijden, zijn oververtegenwoordigd, omdat ze meer kans hebben langs meetpunten te rijden; in het onderzoek van 2018 was het jaarkilometrage daarom 44% te hoog.
- Je krijgt uit kentekenonderzoeken maar informatie over een paar locaties.
Fileradar maakt gebruik van slimme digitale enquetes, waarin we ritten uitvragen aan tienduizenden weggebruikers. Door al deze ritten te combineren met een toedelingsmodel en statistieken van CBS en Basgoed over de te verwachten totalen, kunnen we voor alle baanvakken van de hele Randstad representatieve informatie genereren over de samenstelling van het wegverkeer. Bijkomend voordeel is dat er geen apparatuur hoeft te worden opgehangen en er dus geen overlast is voor de weggebruikers.
Webapp met resultaten
Om de resultaten inzichtelijk te presenteren hebben we een volledige custom interface ontworpen, die helemaal is afgestemd op dit project. Gebruikers van Rijkswaterstaat kunnen grafieken, tabellen en kaarten maken van profielen van weggebruikers voor 26 verschillende aspecten, zoals demografie (leeftijd, geslacht, opleiding), doel van de reis (motief, ladingtype), gedrag (flexibiliteit, gebruik van navigatie), manier van reizen (voertuigtype, aandrijving, aantal inzittenden) en nog veel meer.
De webapp berekent ‘on the fly’ de juiste statistieken en toont deze in taart- of staafdiagrammen en in tabellen. Ook worden bandbreedtes berekend op basis van het aantal respondenten dat gebruikt is om de cijfers samen te stellen (de grootte van de steekproef).
Herkomsten en bestemmingen
Wanneer een gebruiker één baanvak selecteert, worden gegevens voor dat individuele baanvak gepresenteerd. De webapp laat vervolgens op de kaart zien waar de voertuigen vandaan komen en naartoe gaan, tot en met postcode-4-gebied aan toe. Bovenstaande kaart toont bijvoorbeeld de herkomsten en bestemmingen van elektrische voertuigen die A4 bij Roelofarendsveen passeren (rood=stroomopwaarts, groen=stroomafwaarts).
Hydrocast
Overzicht
In 2019 en 2020 deed Fileradar, samen met Deltares, prototype-onderzoek naar de toepasbaarheid van Artificial Intelligence in het domein van het voorspellen van verkeer en rivierwaterstanden. Met het onderzoek hebben we aangetoond dat het ontwikkelen van AI-modellen die gebaseerd zijn op ‘echte’ modellen haalbaar is en kan leiden tot verbeterde voorspellingen.
De lessen uit dit project zijn toepasbaar op zowel watermodellen als verkeersmodellen, aangezien de modellen voor verkeer en voor waterstromen veel overeenkomsten vertonen. Het onderzoek is gefinancierd door RVO.
Aanpak
In de laatste jaren neemt de inzet van Artificial Intelligence een enorme vlucht. Recente doorbraken in tekstgeneratie, beeldherkenning en zelfs domeinen als muziek en video leiden al snel tot de vraag of AI ook geschikt zou kunnen zijn voor de verbetering van modellen voor water- en verkeersstromen. Fileradar heeft een concept ontwikkeld waarin ‘white box’ modellen omgezet worden naar ‘black box’ modellen. Iedere formule uit het te gebruiken model wordt omgezet in een neuraal netwerk. Hiervoor heeft Fileradar een compiler ontwikkeld, die dat geautomatiseerd kan doen. Verschillende neurale netwerken worden vervolgens achter elkaar geplaatst, waarna een keten van neurale netwerken ontstaat.
Deze keten van neurale netwerken kan vervolgens worden getraind om zijn voorspellingen te verbeteren. Omdat de neurale netwerken zijn gebaseerd op een ‘echt’ model, zijn de eerste voorspellingen al heel redelijk. Gaandeweg het trainen wordt het model steeds beter, en wijkt het stap voor stap steeds meer af van de oorspronkelijke formules.
Resultaten
Experimenten met het Lighthill Whitham Richards (LWR) verkeersmodel op echte verkeersnetwerken laten zien dat deze aanpak kan leiden tot tientallen procenten verbetering.
Onderstaande grafiek toont de resultaten van een experiment, waarin een verkeersmodel in een ochtendspits is getraind op alle snelwegen rond Rotterdam. De rode horizontale lijn toont de originele fout van het ‘white box model’. De dalende rode lijn toont aan dat het model steeds betere voorspellingen gaat maken als we het zichzelf laten verbeteren; de fout daalt met 58%. Nog belangrijker is dat wanneer het verbeterde model vervolgens in de avondspits wordt toegepast, het ook dan betere voorspellingen maakt (de zwarte lijn), de fout daalt daar met 56%. De verbetering is dus structureel, en werkt niet alleen op de data die gebruikt is om het model te trainen.
Een tweede belangrijk resultaat: het geleerde is verplaatsbaar. Wanneer het in Rotterdam getrainde model wordt toegepast in Utrecht, blijkt dat het óók daar beter voorspelt. De fouten in de ochtendspits en avondspits op een volledig ander netwerk dalen met respectievelijk 30% en 43%.
Resultaten van de toepassing op het voorspellen van rivierwaterstanden zijn er nog niet. Hiervoor moet nog een aantal stappen worden gezet, waarvoor in de toekomst mogelijk ruimte komt.
INWEVA: Intensiteiten op Wegvakken
Overzicht
Sinds 2020 berekent Fileradar jaarlijks de verkeersintensiteiten op alle rijkswegen van Nederland. Hiervoor wordt gebruik gemaakt van meetgegevens van duizenden meetlussen, gecombineerd met een geavanceerd reconstructiemodel. De cijfers uit INWEVA (Intensiteiten op Wegvakken) zijn heel belangrijk: ze worden gebruikt voor monitoring van emissies (geluid, stikstof, enzovoorts), voor het bepalen van beleid, voor het plannen van werkzaamheden, enzovoorts. De cijfers zijn bovendien publiek beschikbaar en worden dus door diverse partijen in Nederland gebruikt als ‘ground truth’.
Eigen verkeersmodel voor intensiteitsreconstructies
Fileradar beschikt sinds 2020 over een eigen reconstructiemodel, FlowBuilder. Dit model reconstrueert intensiteiten voor willekeurige selecties van dagen in het verleden voor een willekeurige selectie van wegen. Daarvoor kan het gebruik maken van diverse databronnen, waaronder meetraaien die voertuigen tellen, Floating Car Data voor gerealiseerde snelheden, Fileradars eigen AI-powered intensiteitsschattingen en CBS-statistieken over gedrag. Het wordt voor INWEVA toegepast om jaargemiddelde intensiteiten te schatten voor alle rijkswegen van Nederland, per werkdag, per weekenddag en per weekdag. Gedurende de opdracht is met de feedback van Rijkswaterstaat dit model steeds verder verbeterd.
Uitsplitsing naar voertuigcategorieën
In Nederland liggen ruim 16.000 meetraaien. Bijna de helft van deze raaien maakt onderscheid naar 3 of 5 voertuiglengteklassen. Voor INWEVA wordt het FlowBuilder model gedraaid voor 3 voertuiglengtes. Onderstaande grafiek toont voor 1 baanvak het resultaat per tijdstip van de dag. De gestippelde lijnen tonen de geschatte intensiteiten per voertuiglengteklasse, de zwarte doorgetrokken lijn de totale intensiteit.
Controles & kwaliteit
De resultaten worden gepresenteerd in een online webapp, waarin eerst onze partner Witteveen+Bos en vervolgens Rijkswaterstaat zelf alle gegevens uitvoerig controleren. In de custom webapp, die Fileradar voor deze opdracht heeft ingericht, kunnen detectorfouten worden opgespoord en kunnen handmatige correcties op de modelberekening worden uitgeprobeerd en doorgevoerd. Onderstaand figuur toont gestippeld een baanvak waarvan de totale intensiteit handmatig door de Rijkswaterstaat Regio gecorrigeerd is naar 7800 voertuigen per dag, op basis van lokale kennis of eigen databronnen.
