De lichtvisie van het Agentschap Wegen en Verkeer (AWV) zoekt het juiste evenwicht tussen veiligheid en de Europese klimaatdoelstellingen. "Op sommige plaatsen is er altijd verlichting", zegt Nick Lagast, projectingenieur bij AWV, "zoals aan de Brusselse ring of de op- en afritten." Hij werkt voor het team Bewaking & Monitoring van het Vlaams Verkeerscentrum, dat de elektromechanische installaties langs de snelwegen beheert, waaronder de verlichting.

Sinds 2010 daalde het aantal verlichte rijvakken met bijna de helft. Waar weinig verkeer en minder risico's op ongevallen zijn, blijven de lichten 's nachts uit. Op de meeste plaatsen schakelt het agentschap de verlichting vandaag alleen in wanneer de omstandigheden daar om vragen. Het doet dat op basis van historische data over verkeersintensiteit en aan de hand van de weerberichten van het KMI voor iedere provincie. Lagast: "Ook wanneer er wegenwerken zijn of er een ongeval is gebeurd, schakelen we de verlichting manueel in."

Centraal dataplatform

AWV ging op zoek naar een manier om de verlichting beter op de concrete, lokale noden van het verkeer af te stemmen. In het kader van het Programma Innovatieve Overheidsopdrachten vroeg AWV aan de bedrijfswereld om voorstellen te formuleren. Na een tweede selectieronde viel de keuze op het idee van ML6, gespecialiseerd in kunstmatige intelligentie. "We vertrekken bij een centraal dataplatform", zegt Jens Bontinck, head of Labs bij ML6. "Daar brengen we data samen, waarop we dan een oplossing bouwen met Google Cloud AI/ML-technologie."

"Er zijn veel open data beschikbaar", zegt Lagast. "Denk aan gegevens uit de systemen die de drukte van het verkeer - en de files - capteren, uit onze eigen weerstations, van applicaties als Waze enzovoort." Het idee bestond erin zo veel mogelijk relevante data bij elkaar te brengen en daar machine learning op los te laten, om zo nauwkeuriger, meer plaatsgebonden en meer geautomatiseerd te kunnen beslissen of het nodig is de wegverlichting al dan niet aan te zetten.

Jens Bontinck, Head of Labs bij ML6: "Onze oplossing bij AWV zorgt voor meer veiligheid, minder energieverbruik en minder manueel werk."
Jens Bontinck, Head of Labs bij ML6: "Onze oplossing bij AWV zorgt voor meer veiligheid, minder energieverbruik en minder manueel werk."

Turing - de aansturing van de wegverlichting - is de eerste grote case voor het platform dat ML6 bouwde. Bontinck: "We ontwikkelen een automatisch schakelregime dat tegelijk de veiligheid verhoogt, het energieverbruik verder verlaagt en minder manueel werk vraagt van de operatoren die de systemen voor de wegverlichting beheren."

De verlichting manueel in- of uitschakelen blijft mogelijk, maar globaal zal de aansturing van de verlichting veel meer automatisch verlopen. Via de inzet van meer data, zal het systeem AWV toelaten nauwkeuriger te werken, meer lokaal. Wanneer het regent ter hoogte van de E40 in De Panne, is het nodig daar verlichting te voorzien. Vroeger schakelde AWV daarvoor manueel de verlichting in de hele provincie West-Vlaanderen in, ook wanneer het in Brugge droog bleef. Met het nieuwe systeem is dat niet langer het geval en gaan alleen lokaal - in de juiste zone - automatisch de lichten aan.

Strooien op het juiste moment

In een volgende fase wil AWV het platform ook voor andere toepassingen gebruiken, zoals bijvoorbeeld de aansturing van de strooidiensten. Lagast: "Momenteel rukken de strooidiensten uit op basis van weersvoorspellingen en de ervaring van de medewerkers. Ook hier kan machine learning het verschil maken. Door meer databronnen samen te brengen en te analyseren, zullen we beter kunnen ingrijpen en strooiwagens op het juiste moment en op de juiste plaats laten uitrijden."

De lichtvisie van het Agentschap Wegen en Verkeer (AWV) zoekt het juiste evenwicht tussen veiligheid en de Europese klimaatdoelstellingen. "Op sommige plaatsen is er altijd verlichting", zegt Nick Lagast, projectingenieur bij AWV, "zoals aan de Brusselse ring of de op- en afritten." Hij werkt voor het team Bewaking & Monitoring van het Vlaams Verkeerscentrum, dat de elektromechanische installaties langs de snelwegen beheert, waaronder de verlichting. Sinds 2010 daalde het aantal verlichte rijvakken met bijna de helft. Waar weinig verkeer en minder risico's op ongevallen zijn, blijven de lichten 's nachts uit. Op de meeste plaatsen schakelt het agentschap de verlichting vandaag alleen in wanneer de omstandigheden daar om vragen. Het doet dat op basis van historische data over verkeersintensiteit en aan de hand van de weerberichten van het KMI voor iedere provincie. Lagast: "Ook wanneer er wegenwerken zijn of er een ongeval is gebeurd, schakelen we de verlichting manueel in." AWV ging op zoek naar een manier om de verlichting beter op de concrete, lokale noden van het verkeer af te stemmen. In het kader van het Programma Innovatieve Overheidsopdrachten vroeg AWV aan de bedrijfswereld om voorstellen te formuleren. Na een tweede selectieronde viel de keuze op het idee van ML6, gespecialiseerd in kunstmatige intelligentie. "We vertrekken bij een centraal dataplatform", zegt Jens Bontinck, head of Labs bij ML6. "Daar brengen we data samen, waarop we dan een oplossing bouwen met Google Cloud AI/ML-technologie." "Er zijn veel open data beschikbaar", zegt Lagast. "Denk aan gegevens uit de systemen die de drukte van het verkeer - en de files - capteren, uit onze eigen weerstations, van applicaties als Waze enzovoort." Het idee bestond erin zo veel mogelijk relevante data bij elkaar te brengen en daar machine learning op los te laten, om zo nauwkeuriger, meer plaatsgebonden en meer geautomatiseerd te kunnen beslissen of het nodig is de wegverlichting al dan niet aan te zetten. Turing - de aansturing van de wegverlichting - is de eerste grote case voor het platform dat ML6 bouwde. Bontinck: "We ontwikkelen een automatisch schakelregime dat tegelijk de veiligheid verhoogt, het energieverbruik verder verlaagt en minder manueel werk vraagt van de operatoren die de systemen voor de wegverlichting beheren." De verlichting manueel in- of uitschakelen blijft mogelijk, maar globaal zal de aansturing van de verlichting veel meer automatisch verlopen. Via de inzet van meer data, zal het systeem AWV toelaten nauwkeuriger te werken, meer lokaal. Wanneer het regent ter hoogte van de E40 in De Panne, is het nodig daar verlichting te voorzien. Vroeger schakelde AWV daarvoor manueel de verlichting in de hele provincie West-Vlaanderen in, ook wanneer het in Brugge droog bleef. Met het nieuwe systeem is dat niet langer het geval en gaan alleen lokaal - in de juiste zone - automatisch de lichten aan. In een volgende fase wil AWV het platform ook voor andere toepassingen gebruiken, zoals bijvoorbeeld de aansturing van de strooidiensten. Lagast: "Momenteel rukken de strooidiensten uit op basis van weersvoorspellingen en de ervaring van de medewerkers. Ook hier kan machine learning het verschil maken. Door meer databronnen samen te brengen en te analyseren, zullen we beter kunnen ingrijpen en strooiwagens op het juiste moment en op de juiste plaats laten uitrijden."