Stadscampus de Kien pakt klimaatrisico's aan met AI tools en modellen

Rond het stadscentrum van Deventer brengt de rivier de IJssel zowel lusten als lasten. Met verkoeling en vertier aan de ene kant en hittestress, droogte en overstromingsgevaar aan de andere kant door veranderend klimaat. Om de invloed van mogelijke klimaatoverlast in dit gebied te voorspellen heeft Stadscampus De Kien samen met mobiliteitsexperts, ingenieurs, lokale overheden, GIS-experts én Esri een integraal GIS en AI-based model ontwikkeld onder de werktitel 'Lusten en Lasten van de IJssel'. Op basis van ingewonnen en geanalyseerde data zijn daarmee maatregelen te nemen om verkeersproblemen in de centrumschil en de spoorzone van de stad te voorkomen als de rivier dreigt te overstromen of als het waterpeil juist drastisch zakt door droogte. Essentieel element van het model is dat de effectiviteit van deze maatregelen goed is te meten. 

"Stadscampus De Kien en Esri zijn geen onbekenden van elkaar. We hebben al vaker onze innovatieve handen ineengeslagen. Nu dus met de ontwikkeling van het geografisch AI-based model. Gemeente Deventer, partner van de Stadscampus, is sowieso een pionier op GIS-gebied. Niet voor niets heeft de gemeente ook al eens onze GIS Impact Award gewonnen", zegt Romeo Langestraat, Analytics Consultant bij Esri Nederland. Het integrale model biedt via een Digital Twin voor Openbare Ruimte data en inzicht over veranderende klimaatomstandigheden op basis waarvan maatregelen genomen kunnen worden om het gebied leefbaar te houden. "Die maatregelen hebben op hun beurt weer invloed op de hoeveelheid verkeersbewegingen die wij aan de hand van AI tools en modellen controleren. Het is een wisselwerking, waarbij data en passende maatregelen elkaar steeds aanvullen", aldus Remco Nijland, Producer datagedreven werken en Digital Twin bij De Kien.  

Het model is specifiek ontwikkeld voor De Kien. Datagedreven innovatie is zo'n beetje haar middle name. Binnen deze stadscampus werken sinds 2021 allerlei onconventionele doeners met digitale technieken aan oplossingen voor complexe verstedelijkingsvraagstukken, zoals hittestress, netcongestie, mobiliteit en woningnood. Bedrijven, onderwijs- en kennisinstellingen, en overheden, waaronder Saxion, Aventus, Topicus Witteveen+Bos, TAUW, Goudappel, gemeente Deventer en provincie Overijssel bundelen hier hun kennis van IT en techniek. Ze gebruiken de fysieke ruimte van de stadscampus, het gebied tussen het station en de binnenstad van Deventer, als experimenteerruimte. Dit living lab bruist van de ideeën voor slimme en duurzame verstedelijking.

"Wij beschouwen dit als een slim, en misschien wel het slimste, stukje spoorzone van Nederland. Om een indruk te geven van onze innovatieve activiteiten: in 2024 zijn er meer dan 25 projecten uitgevoerd, waaraan meer dan 300 studenten hebben gewerkt. Verschillende nieuwe mkb-partners hebben zich verbonden aan het netwerk en er zijn 5 integrale producten ontwikkeld voor de Digital Twin voor Openbare Ruimte, waarvan 3 met een AI-gebaseerde toepassing. Daarnaast hebben we een digitale etalage gelanceerd via Esri GeoHub", aldus Remco.

De kapstok van het model is dus de Digital Twin. Volgens Remco een van de meest geavanceerde van Nederland. "Dat heeft ermee te maken dat we door goede samenwerking en dankzij onze partners heel veel specifieke data vanuit zo'n vijftien bronnen over verkeersstromen, bebouwde omgeving en ondergrond, kunnen invoeren en met elkaar kunnen verbinden in de Twin. Die data wordt ook elke dag ververst. Op deze manier ontstaat er een actuele en realistische digitale kopie van de omgeving waarmee we realtime simulaties kunnen creëren en voorspellingen kunnen doen."

Testen van datapreparatie-opties
Romeo vult aan: "We hebben verschillende mogelijkheden om de verkeersdrukte te meten via live videobeelden onder de loep genomen. Daartoe hebben we op basis van deep learning verschillende datapreparatie-opties getest, waaronder zelf data labelen, bestaande gelabelde data gebruiken, of dit alles overslaan omdat er gewerkt wordt met een bestaand model. Een bouwcamera in Deventer en een livestream van de Erasmusbrug in Rotterdam waren daarbij de 'testdatabronnen'. Bij het model met gelabelde data bleek onder meer de beeldkwaliteit onvoldoende. Ook bleek het soms lastig om objecten als auto's, bussen, fietsers en personen te herkennen en onderscheiden. Uiteindelijk is er dankzij het testen een AI-ondersteund voorspelmodel voor hittestress uitgerold gecombineerd met een verkeersdruktevoorspelling voor de doorgaande wegen in de binnenstad en op de IJsselkade. Dit model wordt nog verder uitgewerkt. Aandachtspunten daarbij zijn het bepalen van de locatie van de camera's, het zorgen voor een goede kwaliteit van de beelden, het minimaliseren van vertraging tussen detectie van een object en de weergave op het dashboard. En functionele aandachtspunten zijn het tracken van voertuigen voor een eerlijkere telling. Zodat er geen dubbelingen ontstaan. Ook is het de bedoeling om de data te combineren met andere data, zoals sensoren in de weg. Dit alles om een zo goed mogelijke voorspelling mogelijk te maken."

Remco licht toe. "Feitelijk zijn er momenteel twee ontwikkelsporen. Het ene spoor is de scenario's die we nu hebben uitgewerkt, koppelen aan een projectie op een interactieve maquette. Bijvoorbeeld wegen fysiek afsluiten op de maquette om zo door te rekenen wat dat betekent voor de mobiliteitsvoorspellingen. Het andere ontwikkelspoor is de doorontwikkeling van het huidige AI-model, waarbij er dus nog verschillende aandachtspunten zijn, waaronder de verschillende extra functionaliteiten die we willen oppakken. Maar ook willen we de voorspellende verkeersmodellen nog verder optimaliseren. Belangrijk bij dit alles is niet zozeer de techniek, maar de uitdaging zit 'm vooral in het creëren van een situatie die de verschillende experts in staat stelt om integraal te werken, en de gebruikers hierin mee te nemen. Ook hebben we gemerkt dat de verschillen in cultuur van de betrokken partijen ervoor zorgt dat het soms lastig is om het team samen te houden. Goede communicatie en het duidelijk maken van doelen zijn hierbij essentieel. In die zin is dit echt learning by doing, waarbij we nog steeds samen stappen maken. En dat is mooi."

Ontdekken wat AI tools en modellen voor uw organisatie betekend? Bekijk hier de productpagina.