Meer dan 95%

herkenning van wegschades

80%

minder handmatige inspectie

50%

lagere onderhoudskosten

Currently Viewing

The challenge

Regionale wegbeheerders in Nederland besteden alleen al vijf tot zes miljard euro per jaar aan het onderhoud van wegen, bruggen en viaducten. Rijkswaterstaat zocht efficiëntere manieren om deze schade te herkennen en te verhelpen en zo de hoge kosten terug te dringen. De uitvoeringsorganisatie van het ministerie van Infrastructuur en Waterstaat klopte hiervoor aan bij Arcadis.

The solution

Het systeem dat Arcadis gebruikt voor de snelwegen van Rijkswaterstaat herkent automatisch scheuren en defecten aan het wegdek, maar ook aan andere objecten als lantaarnpalen en verkeersborden. Wij maken met een camera beelden van een traject, daarna lezen we deze beelden in een speciaal ontwikkelde softwaremodule in. Deze vergelijkt de foto’s met een beeldendatabank die experts van Arcadis met gegevens van eerder geïnspecteerde wegen hebben gevuld. Met behulp van de laatste Deep Learning- en AI-technieken herkennen en voorspellen we defecten aan wegen en andere objecten automatisch. Het model bepaalt de exacte locatie van het defect, het type defect, de ernst en de voorgestelde onderhoudsmaatregel. Aan de hand van de gevisualiseerde uitkomsten kan de asset manager vervolgens direct actie ondernemen. De analyse van de beelden gebeurt met één druk op de knop en is daarmee bijzonder gebruiksvriendelijk.

  • LEES MEER

    Het beeldherkenningsmodel herkent minimaal 95 procent van alle schade aan wegen (dwarsscheuren, langscheuren, rafeling, craquelé en gaten), noodzakelijk onderhoud (voegnaden, verbindingen en bitumen), weggebruik (sporen van velgen), verkeersborden, lantaarnpalen en markeringen. Bij duidelijk zichtbare gebreken is dit percentage zelfs hoger. Door deze automatische weginspecties is er minder dan 20 procent aan handmatige inspecties nodig en is er sneller een analyserapport van een weg beschikbaar. Bovendien hoeven inspecteurs geen tijd meer te besteden aan het beoordelen van een traject dat in goede staat is, omdat het programma alleen de locaties met schade selecteert. Het zelflerende model herkent na verloop van tijd ook de eisen van de inspecteur of assetmanager, zodat het systeem uiteindelijk zelfstandig beslissingen kan nemen.

The impact

Met automatische schadeherkenning voeren we visuele inspecties goedkoper en veiliger uit, zijn wegen gemakkelijker te inspecteren en grijpen we sneller in. Dit voorkomt grotere werkzaamheden en maakt weginspecties sneller, goedkoper en objectiever. Op deze manier besparen wegbeheerders honderden miljoenen euro’s op onderhoud en profiteert ook de weggebruiker van betere wegen. Er is immers minder onderhoud aan de weg, waardoor er minder files door werkzaamheden zijn.


Used capabilities

Profielfoto van Tim Preger

Neem contact op met Tim Preger voor meer informatie en vragen.

Woordvoerder/Senior Adviseur Communicatie

Contact Tim

Connect with {name} for more information & questions

Arcadis will use your name and email address only to respond to your question. More information can be found in our Privacy office