SYNTHESES | Datagedreven digital twins voor veiligere stedelijke mobiliteit

Regio:

Federaal

Gefinancierd door

Digital twins voor proactieve veiligheid in stedelijke mobiliteit

Stedelijke mobiliteitssystemen worden steeds complexer, terwijl de druk op infrastructuur, veiligheid en duurzaamheid blijft toenemen. Steden hebben nood aan betere tools om te begrijpen hoe infrastructuur in de praktijk wordt gebruikt en hoe risico’s ontstaan. SYNTHESES ontwikkelt datagedreven digital twins die multi-modale data en AI combineren om veiliger, efficiënter en proactiever stedelijk mobiliteitsbeheer mogelijk te maken.

Doelgroep

Het project is relevant voor:

Steden en overheden verantwoordelijk voor mobiliteitsplanning
Aanbieders van mobiliteitsoplossingen (traffic management, smart mobility-platformen)
Infrastructuurbeheerders en engineeringconsultancies

Context

Stedelijke mobiliteitssystemen evolueren voortdurend door veranderingen in infrastructuur, mobiliteitsbeleid en gebruikersgedrag. Toch blijven huidige monitoringaanpakken grotendeels reactief en versnipperd, waardoor het moeilijk blijft om infrastructuurprestaties te evalueren en veiligheidsrisico’s vroegtijdig te identificeren.

Kritieke problemen zoals beperkte zichtbaarheid, degradatie van infrastructuur en onveilige interacties tussen weggebruikers blijven vaak onopgemerkt tot incidenten plaatsvinden. Dat beïnvloedt de veiligheid, verkeersdoorstroming en levenskwaliteit, terwijl operationele en maatschappelijke kosten toenemen.

Er is een duidelijke nood aan schaalbare en datagedreven oplossingen die continu inzicht geven in infrastructuurgebruik, mobiliteitsstromen en opkomende veiligheidsrisico’s, zodat steden beter onderbouwde mobiliteitsbeslissingen kunnen nemen.

Doelstelling & resultaten

SYNTHESES wil datagedreven digital twins van stedelijke mobiliteitssystemen ontwikkelen om veiligheid, efficiëntie en infrastructuurbeheer te verbeteren.

Het project zal:

Methoden ontwikkelen voor multi-modale datafusie die camera-, LiDAR-, satelliet- en floating car-data combineren
Hoogwaardige digitale representaties van stedelijke infrastructuur en mobiliteitsstromen opbouwen
Veiligheidskritieke situaties en risicovolle interacties tussen weggebruikers detecteren en analyseren
Tools ontwikkelen voor scenariomodellering en impactanalyse
Proactief infrastructuurbeheer en mobiliteitsoptimalisatie ondersteunen

Belangrijkste verwachte resultaten:

Demonstratoren van digital twins voor simulatie en mobiliteitsplanning
Safety scoring-methodes om infrastructuurzones met hoog risico te identificeren en te prioriteren
Schaalbare datafusiepipelines die heterogene mobiliteitsdata integreren
AI-modellen voor scene understanding en risicodetectie
Beslissingsondersteunende tools die mobiliteitsinzichten vertalen naar concrete aanbevelingen voor steden

Aanpak

Het project is opgebouwd rond vier belangrijke workstreams.

1. Multi-modale data-acquisitie en datafusie

Integratie van heterogene databronnen, waaronder camera’s, LiDAR, satellietbeelden en floating car-data
Ontwikkeling van schaalbare datapipelines en fusiestrategieën

2. Scene understanding en generatie van digital twins

AI-gebaseerde detectie en classificatie van infrastructuurelementen en weggebruikers
Creatie van hoogwaardige digital twins van stedelijke mobiliteitsomgevingen

3. Risicodetectie en scenarioanalyse

Identificatie van veiligheidskritieke situaties en risicovolle interacties
Ontwikkeling van safety scoring- en impactanalysemethodologieën
Simulatie van infrastructuurwijzigingen en mobiliteitsscenario’s

4. Beslissingsondersteuning en validatie in reële omstandigheden

Vertaling van resultaten naar bruikbare inzichten voor mobiliteitsplanning
Validatie via reële use cases met steden en projectpartners
Co-creatie met stakeholders om operationele relevantie en toepasbaarheid te garanderen