Innovatie & Strategie

Wetenschap
file

Files voorspellen kan met neuraal netwerk

Verkeersdata voor een congestiepunt heeft voorspellende waarde.

© CCO / Pixabay Pixaoppa
14 december 2006

Automobilisten worden tegenwoordig goed op de hoogte gehouden over files. Het voorspellen van die files is echter lastig. De inductielussen die Rijkswaterstaat in het grootste deel van het hoofdwegennet heeft verwerkt, bieden veel informatie over de bezettingsgraad en de snelheid van de passerende voertuigen.

Maar promovendus Giovanni Huisken van de Universiteit Twente vroeg zich af of je die data niet kunt gebruiken voor voorspellingen. De computer biedt uitkomst; met een zelflerend systeem, gebaseerd op een neuraal netwerk, blijkt het mogelijk. Op basis van meetgegevens rond de knooppunten Beekbergen en Hoevelaken (die beide relatief geïsoleerd liggen) concludeert Huisken dat vooral de data vóór het congestiepunt (dus ‘stroomopwaarts’) van belang is om een goede voorspelling te kunnen doen. Daarbij is niet de bezettingsgraad de belangrijkste factor, maar de gemiddelde snelheid.

 
Lees het hele artikel
Je kunt dit artikel lezen nadat je bent ingelogd. Ben je nieuw bij AG Connect, registreer je dan gratis!

Registreren

  • Direct toegang tot AGConnect.nl
  • Dagelijks een AGConnect nieuwsbrief
  • 30 dagen onbeperkte toegang tot AGConnect.nl

Ben je abonnee, maar heb je nog geen account? Neem contact met ons op!