AI als hulp van de assetmanager
Middels AI-technieken kunnen wegbeheerders en andere assetmanagers, aannemers, ingenieurs- en adviesbureaus beschikken over uitgebreide informatie over de gehele inrichting van wegen en openbare ruimte. Van onder meer verkeersborden, grondbedekkingen, straatmeubilair, lichtmasten en bomen zijn hoogwaardige data beschikbaar. Dat helpt hen om het beheer en onderhoud op een hoger peil te brengen tegen lagere kosten.
Tekst: Henk Wind
Beeld: AI-Infrasolutions
Elk jaar wordt heel Nederland in beeld gebracht met 25 auto’s die zowel nauwkeurig de locatie vastleggen als 360 graden panoramabeelden en een 3D puntenwolk.
“Inventariseren van objecten in de buitenruimte gebeurt nog veel op traditionele wijze, waarbij veel mensen buiten aan het inspecteren zijn”, stelt Jasper Geven, CCO van AI-InfraSolutions uit Eelde. “Al die mensen kunnen echter maar een beperkt gebied bestrijken en vaak gaan ze op pad voor één specifieke opdracht. Ik hoor ook regelmatig dat (weg)beheerders vanwege budgetten maar eens in de vijf jaar alles inspecteren en bijvoorbeeld elk jaar een paar wijken doen. Data zijn daarmee dus niet actueel, en vaak ook subjectief. Het is de vraag of ze bij zo’n inspectie alles zien, of de werkwijze altijd veilig is en of het duurzaam is om voor elke opdracht een inspectie uit te voeren.”
Het zal duidelijk zijn dat het antwoord op die vragen volgens Jasper ‘nee’ moet zijn. “Dat kan volgens ons veel beter en efficiënter. Als AI-Infrasolutions verzamelen we daarom data proactief. We doen dat op grote schaal en brengen elk jaar heel Nederland in beeld. We rijden met 25 auto’s die zowel nauwkeurig de locatie vastleggen als 360 graden panoramabeelden en een 3D puntenwolk. Daarmee verzamelen we dus heel veel data in één keer. We doen dat nauwkeurig, volledig, efficiënt en duurzaam. We halen daar met AI hoogwaardige informatie uit. Doordat je er ook beeldmateriaal bij hebt, heb je waar nodig gelijk ‘bewijslast’, voorkom je menselijke fouten en zet je subjectieve inzichten om naar objectieve inzichten.”
Schade, stand, hoogte
Om het concreet te maken, legt Jasper uit hoe dat bijvoorbeeld gaat met verkeersborden. “De complexiteit van onze AI modellen zit in de hoeveelheid informatie die wij uit data weten te halen. Neem bijvoorbeeld verkeersborden. Alleen herkennen dat ergens een bord staat is niet het moeilijkste gedeelte. Maar onze modellen doen meer dan dat. Zo kun je ook aflezen in welke richting het bord wijst en of het bijvoorbeeld scheef staat, maar ook welke teksten er op of bij staan. Ook schade kun je uitlezen en zelfs zien welke schade er is.” Datzelfde geldt voor bomen. Hoe hoog is de boom, hoe groot is de kroon, wat is de diameter van de stam op een bepaalde hoogte? Middels AI is dat allemaal uit de verzamelde data te halen. Alleen de soort boom wordt nog niet herkend. “Je moet AI modellen trainen. Als we er een boomexpert bij halen, kunnen we ongetwijfeld AI ook de soort laten herkennen. Maar tot nu toe is daar onvoldoende vraag naar en hebben we onze modellen daar dus niet op getraind.”
Want AI-InfraSolutions is van oorsprong vooral een AI-company, zo benadrukt Jasper. “We wilden aan de slag met AI op mobile mapping data. Maar om AI te trainen heb je data nodig. Die moet je dan dus wel hebben. Data van anderen bleken daarvoor niet altijd geschikt. Of ze waren niet open toegankelijk of ze bevatten niet de juiste informatie of ze waren niet consistent. Toen zijn we dus zelf die data maar gaan verzamelen en zijn we met eigen auto’s rond gaan rijden. We deden steeds delen van Nederland, maar vorig jaar hebben we voor het eerst heel Nederland in beeld gebracht. We hebben nu 25 auto’s, waarvan we er zestien inzetten om heel Nederland in te rijden. Dat gaan we nu elk jaar doen. Dat levert voor (weg)beheerders veel interessant vergelijkingsmateriaal op.”
Jasper Geven: “Ik ben ervan overtuigd dat onze manier van werken veel kostenefficiënter is en er belangrijk aan kan bijdragen dat bijvoorbeeld gemeenten kunnen blijven doen wat belangrijk is.”
AI-modellen
De auto’s rijden van ongeveer februari tot eind september. “Het weer is bepalend en je hebt voldoende lichtinval nodig. Maar met zestien auto’s kunnen we in de beschikbare tijd elk jaar heel Nederland doen.” Daarbij zijn uit de data ook streetortho-foto’s te genereren. “Dat zijn beelden alsof je loodrecht op het wegdek kijkt. Zeg maar zoals een luchtfoto, maar dan met een veel hogere resolutie. En zonder dat obstakels zoals boomkronen het zicht belemmeren.”
AI-InfraSolutions heeft AI inmiddels getraind op de data voor verkeersborden, lichtmasten, putten en kolken, straatmeubilair, geleiderails, wegmarkeringen, bomen en soort bedekking, zoals asfalt, klinkers, gras, et cetera. Dat laatste kan bijvoorbeeld het plannen van (graaf)werkzaamheden vergemakkelijken.
Resolutie versus zwaarte van data
Wat er nog niet standaard in zit is schade aan asfaltverhardingen. “Daar zijn we wel mee bezig. Maar asfaltschades hebben een hoge mate van detail, waarvoor je beelden met een hoge resolutie nodig hebt. Bijvoorbeeld om rafeling van asfalt te zien. Dat zien onze standaard camera’s niet. We hebben nu wel voor specifieke projecten een auto uitgerust met losse hoge resolutie camera’s die speciaal op het wegdek gericht zijn. Maar eigenlijk willen we dat niet. We willen alle benodigde informatie kunnen aflezen uit één set data. Tegelijk wil je de verzamelde data ook weer niet te zwaar maken want dan heb je veel extra opslag- en rekencapaciteit nodig. Daarom hebben we hiervoor een nieuwe 360 graden 180 megapixel camera ontwikkeld die we nu testen en verbeteren.”
“We hebben onze AI-modellen voor Nederland zelf ontwikkeld op basis van Nederlandse data. En we controleren de data ook zelf. Bij een nieuw model controleren we heel veel; bij een al getraind model met een hoge mate van betrouwbaarheid blijven we steekproefsgewijs controleren. Die controles leiden weer tot nieuwe input voor het AI-model. Niet onbelangrijk: we plaatsen onze data in een private cloudomgeving in Nederland. Wij vinden dat lokale data, lokaal moet staan. Met de komende European Cloud wordt dit steeds belangrijker. Ik vind dat overheden en maatschappelijke organisaties te gemakkelijk informatie plaatsen in clouds die in handen van andere landen zijn, zoals Amerikaanse organisaties. Als ze dat ooit zouden willen, kan Amerika die gegevens inzien. We moeten daar veel alerter in zijn.”
AI-InfraSolutions heeft inmiddels 25 camera-auto’s rondrijden.
Workflow ondersteunen
AI-InfraSolutions biedt de panoramabeelden en puntenwolken en de informatie uit deze data aan onder meer aannemers, advies- en ingenieursbureaus, overheden en andere (weg)beheerders aan. De eerste keer dat die hier gebruik van maken, zullen ze vooral moeten vergelijken met wat er in hun eigen database staat aan informatie. Daarnaast is het mogelijk om bijvoorbeeld alle verkeersborden met schade te bekijken of wegmarkeringen van verslechterde kwaliteit. De tweede keer zullen de verschillen ten opzichte van de vorige inspectie geautomatiseerd aangeleverd worden.
In de toekomst wil AI-InfraSolutions een en ander nog verder ontwikkelen: “Basis van AI-InfraSolutions zijn natuurlijk onze AI-modellen. Als er brede vraag is naar andere type assets, dan zullen we die AI-modellen ook gaan trainen. Denk bijvoorbeeld ook aan gevelreclame en billboards. Wat we bovenal willen is de workflow van de assetmanager gemakkelijk maken. Daar hoort ook bij dat onze data te importeren zijn in de verschillende beheerpakketten die beheerders gebruiken, zodat ze daar bijvoorbeeld ook een werkorder uit kunnen genereren. Ook willen we onze modellen verder ontwikkelen. Als computersystemen nog sneller en slimmer worden, moet het mogelijk worden dat je gewoon een vraag stelt aan onze software en dat AI je dan antwoord geeft vanuit de beschikbare data.”
Uit de data zijn allerlei verschillende objecten afleesbaar, zoals lichtmasten en wegmarkeringen.
Nederland als proeftuin
AI-InfraSolutions heeft ook een internationale visie. “We willen onze soft- en hardware en onze kennis beschikbaar stellen aan andere partijen in andere landen. Zij kunnen ditzelfde dan daar gaan uitrollen met onze end-to-end oplossing. Met daarbij wel als onderdeel van het concept dat de data in lokale datawarehouses naar keuze moet komen te staan. In Nederland doen we dit dus allemaal zelf. Dat is voor ons eigenlijk een proeftuin om onze kennis op te bouwen en lessen te leren.”
In zijn algemeenheid wordt gesteld dat AI de arbeidsmarkt gaat veranderen: wat de een als positief ziet en de ander als negatief. Jasper. “Ik snap wel dat er een bepaalde angst is. Om te beginnen wil ik er op wijzen dat we in een periode zitten van schaarste op de arbeidsmarkt. Goed opgeleide domeinexperts zijn moeilijk te vinden en stromen uit vanwege pensioen. Onze AI-modellen zorgen er voor dat de expert juist kan doen waar zijn expertise ligt. Die ligt niet in het verzamelen van data maar begint pas daarna: bij het beoordelen. Dat kan hij nu veel beter en veel meer doen vanachter zijn bureau. Verder biedt AI juist ook nog weer nieuwe kansen op de arbeidsmarkt. Wij werken samen met een bedrijf dat mensen met afstand tot de arbeidsmarkt inzet voor het trainen van AI-modellen.”
Daarbij is Jasper er ook van overtuigd dat AI gaat zorgen voor een beter beheer van de openbare ruimte tegen lagere kosten. “2026 wordt genoemd als ravijnjaar voor gemeenten, waarin ze veel minder geld krijgen van het Rijk. Hoe ga je met minder geld dan toch datgene blijven doen wat belangrijk is? Ik ben ervan overtuigd dat onze manier van werken veel kostenefficiënter is en daar belangrijk aan kan bijdragen.”
Middels een viewer kan elk object naar keuze worden geselecteerd.
