HAIRoad

Een dicht wegennet, moeilijk te onderhouden

Vlaanderen heeft een van de dichtste en drukst gebruikte wegennetwerken ter wereld, een netwerk dat moeilijk te onderhouden is en moeilijk op te waarderen. Als gevolg daarvan wordt tot 30% van de gemeentebegrotingen besteed aan mobiliteit en wegeninfrastructuur.

De standaardaanpak om de toestand van het gemeentelijke wegennet in kaart te brengen is die van het Belgische Studiecentrum voor Wegen (BRRC). Deze is voornamelijk gebaseerd op visuele inspectie. Maar door de hoge kosten van de aanpak en de beperkte budgetten van de gemeentes heeft minder dan 5% voor deze aanpak gekozen. De meeste werken ad-hoc, een aanpak die vaak eerder reactief dan preventief is.

Er is dus een duidelijk behoefte aan een innovatieve, preventieve aanpak die goedkoper en efficiënter is.

AI en sensoren inzetten

HAIRoad heeft een complementaire groep van onderzoeks- en industriële partners samengebracht. Het belangrijkste doel is om de huidige BRRC-aanpak te verbeteren door gegevens automatisch in te zamelen en te interpreteren. Een tweede doel is om preciezere voorspellingen van de toestand van de wegen mogelijk te maken. Daaruit zullen aanbevelingen voor ingrepen volgen die een beter resultaat geven tegen een kleinere kost.

Een belangrijk onderdeel van het plan van HAIRoad is het gebruik van slimme sensoren voor het verzamelen van gegevens en de inzet van hybride AI voor het interpreteren van die gegevens en het voorspellen van toestand van de wegen.

Doelstellingen van het onderzoek
De partners in project HAIRoad hebben de volgende innovaties en doelen voor ogen:

• Automatiseren van het inzamelen van de indicatoren van de bestaande BRRC-aanpak, evenals het ontwikkelen van een aantal nieuwe indicatoren. Zo moet het bijvoorbeeld mogelijk zijn om wegen ook te monitoren wat betreft waterbeheer en afval.
• De nauwkeurigheid van de indicatoren verbeteren door datafusie van de input van verschillende soorten sensoren.
• Hybride AI gebruiken op de degradatiemodellen van de BRRC-methodologie, en daarmee een nieuw voorspellingsmodel bouwen.
• Een robuuste pijplijn van gegevens ontwikkelen die de inzet en actualisering van het AI-voorspellingsmodel kan vergemakkelijken.

De innovaties van het project zullen worden geïntegreerd in twee demonstratoren: één in de haven van Antwerpen om de meer technische aspecten te valideren, en één op gemeentelijk niveau om het marktpotentieel te valideren.

"HAIRoad zal het wegenonderhoud in Vlaanderen innoveren door een combinatie van geautomatiseerde monitoring, nieuwe indicatoren, sensorfusie met heterogene sensoren en kunstmatige intelligentie."