Uitdaging

Het Agentschap Wegen en Verkeer (AWV) is verantwoordelijk voor de bestrijding van gladheid op de Vlaamse wegen in eigen beheer. De winterdienst van AWV wordt hiertoe ondersteund met diverse databronnen en technische tools.

AWV investeert al enige tijd in een eigen gladheidmeetsysteem (GMS) dat realtime resultaten van meetpunten en meetstations combineert met weervoorspellingen van het KMI.

Gebruikmakend van deze info nemen de districtsmedewerkers onafhankelijk van elkaar beslissingen om al dan niet te strooien in hun district. Bij elke strooibeslissing maken ze de afweging tussen veiligheid op de weg en impact op het milieu.

De kennis en kunde van de medewerkers is zeer verschillend en vertaalt zich in een weinig consistent strooibeleid over de districten heen. Nochtans stoppen de wegen niet op de grenslijn tussen twee districten.

Daarom wil AWV een systeem laten ontwikkelen dat de districtsmedewerkers kan ondersteunen bij hun strooikeuze en tot meer uniforme strooibeslissingen kan leiden over de districten heen.

Door fysische regels en machine learning technieken te combineren kan het systeem de afweging helpen maken en aangeven welke type strooimiddel in welke hoeveelheid en op welk tijdsstip het meest aangewezen is om de wegen in het district ijsvrij te maken en te houden.

Tegelijkertijd laat ze een geautomatiseerd systeem toe om de strooibeslissingen op te volgen en eruit te leren. Dit kan nuttig zijn voor kennisoverdracht tussen personeelsleden, en andere vormingsdoelen.

Het project kreeg de toepasselijke naam ‘Elsa’ naar het hoofdpersonage van de populaire animatiefilm ‘Frozen’.