Met big data op weg naar minder ongelukken en files

Verplaatsingen van voertuigen, personen en dieren worden tegenwoordig steeds meer opgemeten en opgeslagen, dankzij technologieën als GPS. Niet alleen de routepunten, ook de tijdstippen van metingen worden opgeslagen, zodat snelheid langs de sporen overal te bepalen is. Analyse van zulke data is belangrijk voor het oplossen van verkeersvraagstukken, waaronder het voorkomen van ongelukken en files. Dit is uitermate relevant voor de verkeersveiligheid, de economie en de quality of life in het algemeen. De Utrechtse Informatica-onderzoekers Marc van Kreveld en Maarten Löffler hebben samen met collega’s van de TU Eindhoven, twee bedrijven en een overheidsorganisatie een subsidie van NWO gekregen om meer uit deze gegevens te kunnen halen.

De uitdaging voor de onderzoekers ligt erin dat de ‘kale’ digitale sporendata maar beperkte analysemogelijkheden biedt, zelfs wanneer deze wordt verrijkt met wegendata. Bestuurders zien immers een driedimensionale omgeving, ervaren weersomstandigheden en worden beïnvloed door de algemene doorstroming van het verkeer om hen heen. Digitale sporen moeten dus in hun context beschouwd worden. Daarbij zijn veel databronnen nodig van compleet verschillende aard: big data met een grote diversiteit. Deze data komt onder andere van GPS in auto’s, laserscanners op auto’s, bestaande 3D-modellen van steden, verkeerscamera’s, digitale kaarten en snelheids- en doorstromingsmetingen bij vaste meetpunten, zoals meetlussen.

In het project werken de onderzoekers samen met drie vooraanstaande partijen die verkeersinformatie verzamelen en verwerken: HERE, Fugro en de NDW (Nationale Databank Wegverkeersgegevens). In het project wordt gewerkt aan het real-time visualiseren van doorstromingsdata van steden, waardoor bijvoorbeeld een verband gelegd kan worden tussen snelheid en directe nabijheid van begroeiing of andere factoren die het gezichtsveld belemmeren. Daarnaast hopen de onderzoekers patronen te kunnen decteren rondom verkeerssituaties zoals kruisingen en rotondes, waardoor computers actief kunnen bijdragen aan het zoeken naar bijvoorbeeld gevaarlijke situaties of wijzigingen in het gedrag van bestuurders. Tot slot willen de onderzoekers ook de datakwaliteit verbeteren met behulp van andere databronnen.