Rijkswaterstaat

BE-GOOD is een Europees programma dat als doel heeft het gebruik van open data te stimuleren middels projecten die door het MKB worden uitgevoerd. Aan BE-GOOD doen meerdere Europese landen mee die samen 11 projecten (‘Challenges’ genaamd) hebben ingebracht. Rijkswaterstaat doet mee met twee challenges. Deze opdracht gaat over Challenge nummer 10, “Predictive maintenance of roads”.

De challenge heeft als doel de onderhoudsadvisering van asfalt door GPO te verbeteren. En dit vanuit de wetenschap dat Rijkswaterstaat:

• Jaarlijks ca. € 200 miljoen besteed aan asfaltonderhoud aan de Rijkswegen;
• Momenteel gebruik maakt van een “fixed time” onderhoudsplanning waardoor het onderhoud voor veel wegtracees of te vroeg of te laat plaatsvindt. Wat kostenverspilling betekent;
• Met moderne (big data) technieken wil onderzoeken of “just in time” onderhoud betrouwbaar is te voorspellen.

Momenteel wordt rafelingsschade aan asfalt bepaald per hectometer. Iedere hectometer krijgt hierbij een schadegetal toegewezen o.b.v. mobiele metingen. Deze meting wordt gedaan met een meetvoertuig met LCMS (Laser Crack Measuring System), die met hoge resolutie het oppervlak van de weg meet. Doordat we deze meetdata over een reeks van jaren (2012 – 2017) hebben ingewonnen is is daaruitinformatie te extraherenover het optreden enover de ontwikkelingssnelheid van rafelingsschade.

Om dit soort informatie uit deze data optimaal te presenteren is het idee ontstaan om een dashboard te ontwikkelen waarin deze data interactief kunnen worden gevisualiseerd. De resultaten zullen worden gedeeld met de andere internationale deelnemers van BE-GOOD, met als doel deze tool ook herbruikbaar te maken voor andere Europese wegbeheerders. Het dashboard is echter in eerste instantie bedoeld voor intern gebruik bij Rijkswaterstaat.

Het project heeft meerwaarde geleverd op de volgende manieren:

• Overzichtelijke geografische visualisatie op strookniveau van zowel planjaren als van steenverliesop de Rijkswegen.. Als ook van kritieke punten cq. punten/plekken die aan asfaltvervanging toe zijn.
• Consistentie van LCMS algoritmes van interventiejaren en deklaag types kunnen worden gecontroleerd. D.w.z.:* interventiejaren zijn de jaren die een weg/rijstrook nog mee kan vóórdat deze vervangen moet worden. * deklaag types worden door het LCMS-systeem per rijstrook gedetecteerd (er worden namelijk verschillende typen ZOAB gebruikt).
• Het dashboard geeft inzicht in waar er geen of onjuiste LCMS data is ingewonnen. 
• Het dashboard verschaft informatie over het degradatie proces: waar ontwikkelt asfaltschade zich sneller – of juist langzamer?
• Een straatweergave door middel van 360 graden foto’s op de Rijkswegen, gekoppeld aan de kritieke punten.

Om inzicht te geven in de ingewonnen LCMS-data is het dashboard gecreëerd met de Python library Dash, waarin de verschillende schadekenmerken (denk aan steenverlies) voor asfaltrafeling geografisch kunnen worden gevisualiseerd. Met behulp van deze visualisatie kunnen huidige zwakke punten (ook die in het verleden) in het wegennetwerk in één oogopslag gevonden worden. Aan deze punten is ook een JavaScript API met 360 graden foto gekoppeld, waarmee, op de meter exact, onderzocht kan worden (met inzoom mogelijkheid) waar het steenverlies heeft plaatsgevonden. 

Daarnaast zijn algoritmes ontwikkeld die evalueren waar in het LCMS-bestand meetgegevens ontbraken of opvallend waren. Aansluitend is er een algoritme geïmplementeerd die de schadeontwikkeling berekent en voorspelt. Al deze evaluaties worden geografisch gevisualiseerd in het dashboard zodat betrouwbare conclusies over rafelingsontwikkeling (asfaltschade) kunnen worden getrokken bij iedere Rijksweg. En daarmee gefundeerde asflateringsadviezen kunnen wordengegeven door GPO. Het dashboard, te zien in de onderstaande afbeelding, is gedeployed als webapplicatie op het webapplicatie ontwikkelplatform Cloud Foundry binnen Rijkswaterstaat.