Files voorspellen kan met neuraal netwerk
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.
© CCO / Pixabay
CCO / Pixabay
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.