click here for the english version of this website u bekijkt nu de nederlandse versie van deze website klik hier om het originele lettertype te kiezen klik hier om een groter lettertype te kiezen klik hier om het grootste lettertype te kiezen

Nieuwsbericht


2

Geplaatst op: 18-03-2020

Nieuws over datakwaliteit bij NDW

In deze update meer informatie over datakwaliteit met machine learning, het datakwaliteitsdashboard, locatiereferentie, verbetering van datakwaliteit van FCD, datavalidatie en fietstellingen.

 

Datakwaliteitscontroles met Machine Learning

Via de NDW Data Science Society (NDSS) is een opdracht gestart om met Machine Learning de datakwaliteitscontroles te generaliseren. Op dit moment moet voor elk fouttype een aparte test worden geprogrammeerd. Dit is relatief duur en kost veel tijd. Bovendien worden daarmee alleen fouten gevonden, waarvan we weten dat ze bestaan.

Het idee van deze Machine Learning pilot is om met één proces een veelvoud aan fouttypes te kunnen detecteren, waarvan we op voorhand nog niet weten dat ze bestaan. Er is gevraagd om een interactief proces, waarbij gegevens worden voorgelegd aan de NDW medewerkers die door het algoritme als goed, noch fout kunnen worden aangemerkt. De NDW medewerkers zouden dan moeten kunnen aangeven of dit foutieve of goede data betreft, zodat het model in het vervolg weet hoe dit te classificeren.

Een leuk en interessant traject, dat hopelijk ons kwaliteitsproces op een hoger plan gaat brengen!

 

Datakwaliteitsdashboard

NDW maakt Actuele Verkeersgegevens beschikbaar in de applicatie Dexter. Dexter bevat binnenkort datakwaliteitsinformatie van actuele verkeersgegevens. De datakwaliteitsrapportages tonen of de data op tijd en volledig is geleverd voor de afgesproken locaties. Het doel van deze rapportages is om partners en gebruikers meer inzicht te geven in de geleverde kwaliteit en om goed met onze leveranciers de contracten te kunnen beheersen. De rapportage is ontwikkeld samen met de partners.

 

Locatiereferentie

Bij sommige meetlocaties op het Rijkswegennet werden hoofdrijbaan en toe/afrit in één meetlocatie bemeten. Omdat het meerwaarde heeft om hoofdrijbaan en toe/afrit te splitsen in afzonderlijk meetlocaties, is de configuratie van deze meetpunten aangepast per 1 januari 2020. Omdat het vinden van deze locaties een handmatig proces is, kan het voorkomen dat er nog een paar van deze locaties bestaan.

 

Verbetering datakwaliteit FCD

Sinds eind 2016 neemt NDW de geanonimiseerde Floating Car Data (FCD) van Be-Mobile af om hiermee onder meer reistijden op trajecten voor de partners te kunnen genereren.

Vanuit Be-Mobile is er een nieuwe tripmanager ontwikkeld. Deze tripmanager vertaalt de GPS posities die uit een voertuig komen naar een locatie op de weg (map matching). Door de onnauwkeurigheid van de GPS posities is dit complexe materie. Dit geldt vooral op parallelle trajecten en verbindingsbogen. De nieuwe tripmanager levert beduidend nauwkeuriger informatie rondom deze situaties, hetgeen resulteert in gegevens die beter overeenkomen met de werkelijkheid. Daarnaast worden op verzoek van NDW nu snelheden tot 120% van de maximale snelheid geleverd. Dit resulteert in data die meer overeenkomt met de werkelijk gereden snelheid.

De nieuwe tripmanager is sinds 24 januari 2020 actief. Voor de periode 1 tot en met 23 januari worden data nageleverd, zodat het volledig jaar 2020 de nieuwe tripmanager actief is.

 

Datavalidatie

Sinds medio februari is NDW in een testomgeving gestart met wekelijkse toetsen die afgelopen periode ontwikkeld zijn voor het monitoren van de datakwaliteit.  Het gaat dan om controles op:

  • Locaties met exact 50% ongecategoriseerde data
  • Te veel nul-metingen
  • Vrachtverkeer met snelheid boven 150 km/h
  • Te veel personenauto's met snelheid boven de 200 km/h
  • Gemiddelde personenautosnelheid lager dan die van ongeleed vrachtverkeer
  • Inputvalues voor snelheid minder dan 60% van het getelde aantal voertuigen

Zodra een toets een melding oplevert voor een locatie, wordt door een NDW medewerker bepaald of de locatie goed of slecht functioneert. Wanneer de locatie slecht functioneert, wordt dit gemeld bij de leverancier. Als de toets een valse melding geeft voor een locatie, wordt die toets voor die bepaalde locatie uitgezet (bijvoorbeeld zeer rustige toe/afritten geven een signaal voor te veel nul-intensiteiten). Zo zorgen we er voor dat alleen echte fouten worden gemeld en geregistreerd. In de nabije toekomst willen we deze informatie koppelen aan Dexter gegevens, zodat gebruikers kunnen filteren op slecht werkende locaties.

 

Fietstellingen

Er is de laatste tijd veel aandacht voor fietstellingen. NDW is hier ook druk mee bezig. Enkele maanden geleden is voor de Metropoolregio Rotterdam Den Haag een heel netwerk aan fietstelpunten gerealiseerd en op dit moment wordt de laatste hand gelegd aan de rest van Zuid-Holland voor Provincie Zuid-Holland. Het tellen van fietsen kent zijn eigen uitdagingen en de ervaring hiermee is nog relatief beperkt. Daarom is het team Datakwaliteit van NDW vanaf het eerste begin betrokken geweest bij deze projecten. Met name is ingezet op het vooraf valideren van de fietsdata. Inmiddels zien we van een aanzienlijk aantal telpunten data van goede kwaliteit binnenkomen. En er staan nog meer fietsprojecten op stapel.

Home Nieuws Nieuws over datakwaliteit bij NDW
line

Nieuwsbrief

Schrijf u in voor onze nieuwsbrief en blijf op de hoogte van het laatste nieuws over NDW.