"
"
Doordat gegevens over vaarplannen worden gecombineerd met het weer kunnen we een risicovoorspelling maken.
"
"
Hoe beter risico’s te voorspellen zijn, hoe veiliger de situatie is voor gebruikers van vaarwegen
Eddy Wisse
Herman van Dijk
Tekst: Tekstschrijvers.nl. Beeld: Petra Fotografie.
Zelf aan de slag met GeoAI?
Bekijk deze video en ontdek hoe u een voorspellingsmodel maakt.
CONTACT
Actiegedreven locatievraagstuk
Hoe nauwkeuriger het risico is in te schatten, hoe makkelijker het voor hen is om deze beslissing te nemen”, legt Van Dijk uit. “Landelijk is maar een beperkt aantal patrouillevaartuigen beschikbaar. Zo zijn er in Zuid-Holland slechts twee vaartuigen paraat. Die moeten na ontvangst van een melding eerst naar de locatie van het incident varen, wat een paar uur kan duren. Met de app hopen we al daar te zijn waar het nodig is.”
Mobiele verkeersleiders willen dáár zijn waar ze moeten zijn om incidenten te voorkomen of te verhelpen. Dit betreft een actiegedreven locatievraagstuk waarbij geografische analyse van cruciaal belang is om alle scheepsinformatie en omgevingsfactoren in kaart te brengen. “De app risicopredictie is bedoeld voor gebruik aan boord van de patrouillevaartuigen van Rijkswaterstaat. De mobiele verkeersleiders moeten kunnen bepalen waar hun aanwezigheid het meest noodzakelijk is.
Voor het voorspellend vermogen maakt Rijkswaterstaat gebruik van GeoAI, een combinatie van geografische analyses en Artificial Intelligence. In dit geval gaat het om een ruimtelijke regressieanalyse, waarbij machine learning-algoritmes het mogelijk maken om de grote hoeveelheid data te analyseren. Denk aan incidentmeldingen uit het verleden gecombineerd met historische omgevingsfactoren, zoals de waterstroomsnelheid, waterhoogte, gegevens over het weer en scheepsposities en -concentraties. Deze analyse leidt tot een predictiemodel (algoritme), dat in ArcGIS wordt toegepast en door middel van scripting geautomatiseerd wordt gevoed met realtime data van die omgevingsfactoren. Hierdoor ontstaat een actuele voorspelling van het risico op incidenten.
Onderschrift
Geografische analyse en AI
Uitbreiding naar andere gebruikersgroepen
Gebruik interne en externe databronnen
Door deze voorspelling te visualiseren op de kaart en via een app beschikbaar te stellen, hebben de mobiele verkeersleiders tijdens de patrouille continu inzicht in waar op de vaarweg, binnen nu en twee uur, risico’s ontstaan. Van Dijk: “Bekend is bijvoorbeeld dat schepen zonder lading bij windkracht 10 een hoger risico vormen dan geladen schepen. Doordat gegevens over vaarplannen en scheepsladingen worden gecombineerd met gegevens over het weer kunnen de verkeersleiders een risicovoorspelling maken. Zo is vrij nauwkeurig te lokaliseren op welke plek in het vaargebied zich onder slechte weersomstandigheden op een zeker moment meerdere lege schepen bevinden.”
“We zijn al een aantal jaren bezig met de ontwikkeling van de app. Na de test in 2022, zijn we gaan versnellen”, vertelt Wisse. “Vanaf dat moment zijn we gestart met tweewekelijkse bijeenkomsten van de projectgroep, waarbij ook Esri elke keer aansloot. Dat plus de overstap naar een scrumachtige manier van werken, heeft voor flinke vorderingen gezorgd. Met de succesvolle afronding van de test is vorig jaar besloten de app in productie en beheer te gaan nemen. Als alles goed gaat kunnen we voor de zomer van 2024 de app in gebruik nemen.” Voor de toekomst zien beiden mogelijkheden van een bredere uitrol van de tool. Van Dijk: “De huidige app is alleen voor risicovoorspelling in het vaargebied regio Dordrecht. In de toekomst hopen we dit ook in andere vaargebieden in te kunnen zetten. Daarnaast is uitbreiding naar andere gebruikersgroepen mogelijk, denk aan Officieren van Dienst binnen de crisisbeheersing. Ook zij hebben veel baat bij betere voorspellingen.”
De app risicopredictie is gebouwd binnen ArcGIS Enterprise. Wisse, vanuit de automatiseringskant betrokken bij het project, vertelt: “Met ArcGIS Enterprise hebben we al een goed platform en een kaartsysteem, waarbij Esri ook zorgt voor de connecties met de data. Voor ons is daarnaast belangrijk dat we de software op de eigen systemen kunnen laten draaien, voor de noodzakelijke controle en vanuit veiligheidsoogpunt natuurlijk. Voor de data is gebruik gemaakt van interne en externe bronnen. Die van Rijkswaterstaat zelf, zoals informatie over de locatie van binnenvaartschepen. Deze hebben een zender aan boord, die vertelt waar ze varen en met welke koers en snelheid. Ook hebben we inzicht in reis- en ladinggegevens van beroepsvaart en in eerdere incidenten. Daarnaast zijn er externe bronnen zoals het KNMI, waarvan we live-data ontvangen over onder meer windkracht en windsnelheid. Plus hydrografische en topografische gegevens als informatie over bruggen, sluizen en bochten in de vaarweg.”
Een van de kerntaken van Rijkswaterstaat is het waarborgen van de veiligheid van vaarwegen op het waterwegennet. Risicobeheersing speelt daarbij een grote rol. Als nauwkeuriger voorspeld wordt waar bepaalde risico's zich voordoen wordt risicobeheersing eenvoudiger. Van Dijk: “Vanuit Verkeer- en Watermanagement hebben we de taak om innovaties op te halen. Dat doen we binnen het programma Smart Patrol, het innovatieprogramma Scheepvaart van Rijkswaterstaat. Enerzijds om problemen op te lossen, anderzijds om doelen te behalen, zoals het vergroten van de veiligheid op het vaarwegennet. Risicopredictie is zo’n innovatie. Hoe beter risico’s te voorspellen zijn, hoe veiliger de situatie is voor gebruikers van vaarwegen, en hoe efficiënter de inzet van patrouillevaartuigen.”
Om de veiligheid van waterwegen te vergroten, zoekt Rijkswaterstaat voortdurend naar oplossingen voor betere risicovoorspelling. Voor het programma Smart Patrol is met behulp van ArcGIS een app gebouwd waarmee patrouillevaartuigen risicogebieden nauwkeurig in kaart kunnen brengen. Eddy Wisse, projectmanager Centrale Informatie Voorziening en Herman van Dijk, projectleider Business Verkeer- en Watermanagement, vertellen over het belang van risicopredictie en de inzet van ArcGIS en GeoAI hierbij.
"
"
Hoe beter risico’s te voorspellen zijn, hoe veiliger de situatie is voor gebruikers van vaarwegen
De app risicopredictie is gebouwd binnen ArcGIS Enterprise. Wisse, vanuit de automatiseringskant betrokken bij het project, vertelt: “Met ArcGIS Enterprise hebben we al een goed platform en een kaartsysteem, waarbij Esri ook zorgt voor de connecties met de data. Voor ons is daarnaast belangrijk dat we de software op de eigen systemen kunnen laten draaien, voor de noodzakelijke controle en vanuit veiligheidsoogpunt natuurlijk. Voor de data is gebruik gemaakt van interne en externe bronnen. Die van Rijkswaterstaat zelf, zoals informatie over de locatie van binnenvaartschepen. Deze hebben een zender aan boord, die vertelt waar ze varen en met welke koers en snelheid. Ook hebben we inzicht in reis- en ladinggegevens van beroepsvaart en in eerdere incidenten. Daarnaast zijn er externe bronnen zoals het KNMI, waarvan we live-data ontvangen over onder meer windkracht en windsnelheid. Plus hydrografische en topografische gegevens als informatie over bruggen, sluizen en bochten in de vaarweg.”
Voor het voorspellend vermogen maakt Rijkswaterstaat gebruik van GeoAI, een combinatie van geografische analyses en Artificial Intelligence. In dit geval gaat het om een ruimtelijke regressieanalyse, waarbij machine learning-algoritmes het mogelijk maken om de grote hoeveelheid data te analyseren. Denk aan incidentmeldingen uit het verleden gecombineerd met historische omgevingsfactoren, zoals de waterstroomsnelheid, waterhoogte, gegevens over het weer en scheepsposities en -concentraties. Deze analyse leidt tot een predictiemodel (algoritme), dat in ArcGIS wordt toegepast en door middel van scripting geautomatiseerd wordt gevoed met realtime data van die omgevingsfactoren. Hierdoor ontstaat een actuele voorspelling van het risico op incidenten.
Geografische analyse en AI
"
"
Doordat gegevens over vaarplannen worden gecombineerd met het weer kunnen we een risicovoorspelling maken.
Hoe nauwkeuriger het risico is in te schatten, hoe makkelijker het voor hen is om deze beslissing te nemen”, legt Van Dijk uit. “Landelijk is maar een beperkt aantal patrouillevaartuigen beschikbaar. Zo zijn er in Zuid-Holland slechts twee vaartuigen paraat. Die moeten na ontvangst van een melding eerst naar de locatie van het incident varen, wat een paar uur kan duren. Met de app hopen we al daar te zijn waar het nodig is.”
“We zijn al een aantal jaren bezig met de ontwikkeling van de app. Na de test in 2022, zijn we gaan versnellen”, vertelt Wisse. “Vanaf dat moment zijn we gestart met tweewekelijkse bijeenkomsten van de projectgroep, waarbij ook Esri elke keer aansloot. Dat plus de overstap naar een scrumachtige manier van werken, heeft voor flinke vorderingen gezorgd. Met de succesvolle afronding van de test is vorig jaar besloten de app in productie en beheer te gaan nemen. Als alles goed gaat kunnen we voor de zomer van 2024 de app in gebruik nemen.” Voor de toekomst zien beiden mogelijkheden van een bredere uitrol van de tool. Van Dijk: “De huidige app is alleen voor risicovoorspelling in het vaargebied regio Dordrecht. In de toekomst hopen we dit ook in andere vaargebieden in te kunnen zetten. Daarnaast is uitbreiding naar andere gebruikersgroepen mogelijk, denk aan Officieren van Dienst binnen de crisisbeheersing. Ook zij hebben veel baat bij betere voorspellingen.”
Door deze voorspelling te visualiseren op de kaart en via een app beschikbaar te stellen, hebben de mobiele verkeersleiders tijdens de patrouille continu inzicht in waar op de vaarweg, binnen nu en twee uur, risico’s ontstaan. Van Dijk: “Bekend is bijvoorbeeld dat schepen zonder lading bij windkracht 10 een hoger risico vormen dan geladen schepen. Doordat gegevens over vaarplannen en scheepsladingen worden gecombineerd met gegevens over het weer kunnen de verkeersleiders een risicovoorspelling maken. Zo is vrij nauwkeurig te lokaliseren op welke plek in het vaargebied zich onder slechte weersomstandigheden op een zeker moment meerdere lege schepen bevinden.”
Uitbreiding naar andere gebruikersgroepen
Gebruik interne en externe databronnen
CONTACT
Zelf aan de slag met GeoAI?
Bekijk deze video en ontdek hoe u een voorspellingsmodel maakt.
Mobiele verkeersleiders willen dáár zijn waar ze moeten zijn om incidenten te voorkomen of te verhelpen. Dit betreft een actiegedreven locatievraagstuk waarbij geografische analyse van cruciaal belang is om alle scheepsinformatie en omgevingsfactoren in kaart te brengen. “De app risicopredictie is bedoeld voor gebruik aan boord van de patrouillevaartuigen van Rijkswaterstaat. De mobiele verkeersleiders moeten kunnen bepalen waar hun aanwezigheid het meest noodzakelijk is.
Actiegedreven locatievraagstuk
Een van de kerntaken van Rijkswaterstaat is het waarborgen van de veiligheid van vaarwegen op het waterwegennet. Risicobeheersing speelt daarbij een grote rol. Als nauwkeuriger voorspeld wordt waar bepaalde risico's zich voordoen wordt risicobeheersing eenvoudiger. Van Dijk: “Vanuit Verkeer- en Watermanagement hebben we de taak om innovaties op te halen. Dat doen we binnen het programma Smart Patrol, het innovatieprogramma Scheepvaart van Rijkswaterstaat. Enerzijds om problemen op te lossen, anderzijds om doelen te behalen, zoals het vergroten van de veiligheid op het vaarwegennet. Risicopredictie is zo’n innovatie. Hoe beter risico’s te voorspellen zijn, hoe veiliger de situatie is voor gebruikers van vaarwegen, en hoe efficiënter de inzet van patrouillevaartuigen.”
Om de veiligheid van waterwegen te vergroten, zoekt Rijkswaterstaat voortdurend naar oplossingen voor betere risicovoorspelling. Voor het programma Smart Patrol is met behulp van ArcGIS een app gebouwd waarmee patrouillevaartuigen risicogebieden nauwkeurig in kaart kunnen brengen. Eddy Wisse, projectmanager Centrale Informatie Voorziening en Herman van Dijk, projectleider Business Verkeer- en Watermanagement, vertellen over het belang van risicopredictie en de inzet van ArcGIS en GeoAI hierbij.
Tekst: Tekstschrijvers.nl. Beeld: Petra Fotografie.
Eddy Wisse
Herman van Dijk
