Research

TAPCOP: AI-voorspellingen voor realtime mobiliteit

Een alles-in-éénoplossing voor multimodaal mobiliteitsbeheer

Mobiliteit vormt een essentiële pijler van onze moderne samenleving, maar steden wereldwijd worden dagelijks geconfronteerd met uitdagingen zoals congestie en overbelasting van de openbare ruimte. Wanneer de capaciteit van publieke infrastructuur wordt overschreden, leidt dit tot verstoorde verkeersstromen, langere reistijden, toenemende vervuiling, veiligheidsrisico’s en algemeen ongemak voor burgers. Alleen al in de Verenigde Staten wordt geschat dat verkeerscongestie tegen 2030 een economische kost van 186 miljard dollar zal veroorzaken. Huidige maatregelen, zoals verkeersborden, omleidingen of inzet van personeel ter plaatse, zijn vaak reactief en onvoldoende doeltreffend.

Het TAPCOP-project (2022–2026) pakt deze uitdagingen aan door geavanceerd situationeel inzicht en datagedreven beheer van mobiliteitsstromen mogelijk te maken. Door meerdere databronnen te combineren met AI-gestuurde voorspellingen, biedt TAPCOP overheden de tools om congestie te voorkomen vóór ze ontstaat en burgers in realtime proactief te begeleiden.

TAPCOP (Traffic AI Prediction of Common Operational Picture) is een ITEA-onderzoeksproject dat gebruikmaakt van AI-gebaseerde sensoren, veilige multimodale datafusie en voorspellende analyses om de verplaatsingen van voertuigen, voetgangers, fietsers en openbaar vervoer te monitoren, voorspellen en beheren. Het systeem biedt overheden en stakeholders één centraal dashboard dat de mobiliteitssituatie in realtime visualiseert, toekomstige evoluties voorspelt en mogelijke interventies aanbeveelt. TAPCOP gaat bovendien verder dan enkel het controlecentrum: via sociale media, navigatiesystemen en mobiele applicaties communiceert het systeem ook rechtstreeks met reizigers — vóór, tijdens en op locatie van hun verplaatsing - zodat zij slimmere en duurzamere mobiliteitskeuzes kunnen maken.

Stedelijke overheden worden regelmatig geconfronteerd met uitdagingen rond congestiebeheer, het voorkomen van vervuiling en veiligheidsincidenten, en het beïnvloeden van het gedrag van reizigers. Traditionele aanpakken zijn grotendeels reactief en beperken zich vaak tot de fysieke omgeving — zoals verkeersborden, omleidingen en de inzet van personeel — zonder voorspellende en digitale oplossingen volledig te integreren. TAPCOP vult deze leemte op door inzichten, voorspellingen en sturingsmechanismen te bieden waarmee mobiliteitsproblemen en overbelasting kunnen worden voorkomen vóór ze ontstaan.

Het project introduceert een gelaagde aanpak: realtime informatie verzamelen over alle vervoersmodi, deze samenbrengen in een privacybewust operationeel overzicht, AI inzetten om mobiliteitstrends te voorspellen, gerichte interventies aanbevelen en gepersonaliseerd reisadvies aanbieden aan het publiek. Deze holistische oplossing zorgt ervoor dat zowel overheden als burgers beter gewapend zijn om knelpunten te vermijden en de risico’s van congestie te beperken.

De impact van TAPCOP zal aanzienlijk zijn: een betrouwbaar overzicht van de actuele mobiliteitssituatie, nauwkeurige kortetermijnvoorspellingen van hoe situaties zich zullen ontwikkelen, en proactieve communicatietools die zowel stakeholders als reizigers ondersteunen. Elke module is AI-gestuurd en adaptief, waardoor het systeem zichzelf voortdurend verbetert op basis van nieuwe data en scenario’s. Mogelijke gebruikers zijn onder meer wegbeheerders, steden en gemeenten, politiediensten en organisatoren van grote evenementen zoals concerten, festivals of voetbalwedstrijden.

Door een alles-in-éénoplossing voor mobiliteitsbeheer aan te bieden, draagt TAPCOP ook bij aan de snelgroeiende Mobility-as-a-Service (MaaS)-markt, waarvan wordt verwacht dat deze zal groeien van 3,3 miljard USD in 2021 tot 40,1 miljard USD tegen 2030.

TAPCOP brengt vijf partners uit België en Spanje samen en bundelt expertise in AI, mobiliteit en innovatie:

• België: 

• Spanje: 

Door geavanceerde AI, multimodale datafusie en proactieve reizigerscommunicatie te combineren, staat TAPCOP klaar om de manier waarop steden mobiliteit beheren fundamenteel te transformeren. De resultaten van het project zullen overheden voorzien van de inzichten en tools die nodig zijn om congestie en overbelasting in realtime te voorspellen, te voorkomen en te beheren, waardoor stedelijke omgevingen veiliger, gezonder en duurzamer worden. 

Projectduur: Oktober 2022 - April 2026 

Projectleider: Geert Vanstraelen, Macq, België 

Gesponsord door:  

DistriMuSe: intelligente monitoring voor gezondheid en veiligheid 

 
Het DistriMuSe-project heeft als doel intelligente systemen verder te ontwikkelen die de gezondheid en veiligheid van mensen verbeteren via innovatieve sensortechnologieën..

Dit project richt zich op de ontwikkeling van onopvallende en continue monitoringsoplossingen ter ondersteuning van gezondheid, verkeersveiligheid en industriële omgevingen. Onder coördinatie van VTT brengt DistriMuSe 50 partners uit 7 landen samen, met een budget van ongeveer €35 miljoen, mede gefinancierd door de Europese Commissie en nationale financieringsinstanties. Het project ging van start op 1 mei 2024 en loopt gedurende drie jaar als voortzetting van het onderzoek dat werd opgestart binnen het NextPerception-project.

DistriMuSe richt zich op de ontwikkeling van verschillende sleuteltechnologieën om monitoringsmogelijkheden in uiteenlopende sectoren te verbeteren. Het project maakt gebruik van onopvallende en continue monitoringstechnieken, zoals radar-, lidar-, cameragebaseerde en draagbare sensoren, om uitgebreide en nauwkeurige data te verzamelen. Deze technologieën zijn ontworpen om zowel de dekking als de nauwkeurigheid te verbeteren, met volledige aandacht voor gegevensbescherming in overeenstemming met de GDPR- en AI Act-regelgeving.

• Binnen de gezondheidszorg wil DistriMuSe de overstap maken van reactieve naar proactieve diagnose en behandeling door thuisgebaseerde monitoringssystemen te ontwikkelen. Dit omvat geavanceerde slaapmonitoringstechnologieën met klinische nauwkeurigheid, waardoor dure laboratoriumonderzoeken minder noodzakelijk worden. Daarnaast focust het project op activiteits- en ganganalyses om vroege signalen van gezondheidsproblemen, waaronder cognitieve achteruitgang, op te sporen.
• Voor verkeersveiligheid ontwikkelt DistriMuSe geavanceerde sensoren om kwetsbare weggebruikers (VRU’s), zoals voetgangers en fietsers, beter te beschermen. Deze sensoren worden geïntegreerd met driver monitoring systems (DMS) en vehicle-to-environment communicatietechnologieën (V2X), waardoor een uitgebreide en geïntegreerde veiligheidsoplossing ontstaat.
• Binnen industriële omgevingen zal het project de veiligheid verbeteren door de verdere ontwikkeling van collaboratieve robots, of cobots. Deze robots worden uitgerust met technologieën die menselijke aanwezigheid en intenties kunnen begrijpen, waardoor veiligere interacties tussen mens en robot en een efficiëntere uitvoering van taken mogelijk worden.

De technologieën die binnen DistriMuSe worden ontwikkeld, zullen bijdragen aan:

• Verbeterde gezondheidsmonitoring: proactief gezondheidsbeheer mogelijk maken via thuisgebaseerde monitoring.
• Verbeterde verkeersveiligheid: kwetsbare weggebruikers beschermen en geavanceerde veiligheidssystemen integreren.
• Verhoogde industriële veiligheid: veiligere en efficiëntere samenwerking tussen mens en robot mogelijk maken.

In het algemeen wil DistriMuSe een revolutie teweegbrengen in de manier waarop intelligente systemen de gezondheid en veiligheid van mensen ondersteunen, en zo veiligere en slimmere omgevingen creëren binnen de gezondheidszorg, mobiliteit en industriële contexten.

BRIGHTER: Ontwikkeling van snellere en slimmere microbolometersensoren ​

Dit type technologie heeft een enorm potentieel, maar wordt vandaag nog onvoldoende benut.

Microbolometersensoren zijn compacte, lichte, energiezuinige, betrouwbare en betaalbare componenten voor infraroodbeeldvorming. Op deze vlakken bieden ze voordelen ten opzichte van gekoelde infraroodsensoren, maar op vlak van prestaties lopen ze nog achter.

• Bestaande microbolometertechnologieën hebben thermische tijdconstanten van ongeveer 10 milliseconden. Dat is meer dan tien keer hoger dan bij gekoelde detectoren.
• Bovendien bestaat er vandaag nog geen multispectrale microbolometersensor voor toepassingen zoals absolute thermografie en optische gasdetectie.

BRIGHTER zal twee nieuwe types microbolometeroplossingen ontwikkelen om de prestatiekloof met gekoelde tegenhangers te verkleinen:

• Snelle thermische microbolometerbeeldvormingsoplossingen met een tijdconstante tussen 2,5 en 5 milliseconden — oftewel 2 tot 4 keer sneller dan de huidige microbolometertechnologieën. Daarnaast zullen ook uitleescircuits onderzocht worden die tot 500 beelden per seconde kunnen verwerken.
• Multispectrale microbolometeroplossingen met toegang op pixelniveau tot minstens twee verschillende golflengtes binnen het bereik van 7 tot 12 μm. De ontwikkelingen zullen zich richten op pixeltechnologie, Read Out Integrated Circuits, energiezuinige edge image signal processing-elektronica, optica en algoritmes voor beeldverwerking.

Alle stakeholders binnen de waardeketen zijn betrokken: academische instellingen, RTO’s, microbolometerfabrikanten, algoritmeontwikkelaars, camera-integratoren en eindgebruikers. Samen zullen zij samenwerken om voor elke toepassing de optimale afwegingen te bepalen.

De twee nieuwe productklassen die voortkomen uit BRIGHTER zullen concrete voordelen opleveren. Ze zullen het mogelijk maken om::

• materiaal en energie te besparen in de productiesector.
• efficiënte en betaalbare monitoring van infrastructuur en treinen uit te voeren.
• bij te dragen aan de sensoruitrusting van autonome voertuigen.
• het aantal verkeersslachtoffers onder kwetsbare weggebruikers te verminderen.
• gasuitstoot in steden en industriële gebieden beter te controleren.

Deze nieuwe toepassingen, ontwikkeld door de Europese industrie, zullen Europa in staat stellen zijn marktaandeel binnen de infraroodbeeldvormingsindustrie verder te vergroten.

CORFOU: Ontwikkeling van een radar om mensenstromen te begrijpen

Nieuwe technologieën worden vandaag ingezet om mensenmassa’s te monitoren, met als doel incidenten tijdens grote evenementen te voorkomen en dagelijkse mobiliteit in steden vlotter te laten verlopen. De onderzoeksgroep draadloze communicatie van de ULB ontwikkelde hiervoor de crowd density sensor MUFINS, die vandaag commercieel wordt ingezet door Macq.

Het project “Design of a radar for monitoring crowd dynamics” heeft als doel een aanvullende sensor op basis van radartechnologie te ontwikkelen ter ondersteuning van de analyse van crowd dynamics, en in het bijzonder van mensenstromen. Hierdoor worden nauwkeurigere voorspellingen op langere termijn mogelijk, evenals de detectie van specifieke groepsbewegingen.

Tijdens het project zal een prototype worden ingezet om data te verzamelen op twee referentiesites. De analyse van de mensenmassa zal gebeuren via classificatietechnieken die worden toegepast op de micro-Doppleranalyse van de radarsignalen.

SINTRA: AI en multimodale sensoren voor geavanceerde veiligheidsmonitoring 

SINTRA is een open AI-platform voor datastreaming dat cross-coördinatie en interoperabiliteit tussen organisaties mogelijk maakt, om zo betrouwbare veiligheids- en beveiligingsmonitoring te garanderen.

SINTRA is een toekomstgericht ITEA-project dat de bescherming van kritieke infrastructuur wil transformeren. Met dit initiatief wil SINTRA de weerbaarheid versterken door een open AI-platform voor datastreaming te ontwikkelen.

Dankzij geavanceerde multimodale sensoren en AI-analyse zal het project een volledig overzicht bieden van veiligheid en beveiliging, waardoor stakeholders complexe anomalieën proactief kunnen detecteren en erop reageren. Met SINTRA dragen we bij aan een veiligere en beter verbonden toekomst.

Het SINTRA-project heeft als doel een open platform te ontwikkelen dat interoperabiliteit tussen organisaties mogelijk maakt en betrouwbaarheid garandeert binnen veiligheids- en beveiligingsmonitoring. Het platform faciliteert de coördinatie tussen betrokken stakeholders en ondersteunt het delen, beheren en analyseren van informatie afkomstig van publieke en private veiligheidsoperatoren. Hierdoor ontstaat een globaal situationeel overzicht van bedreigingen voor kritieke infrastructuur.

Op technologisch vlak wil het project een grote stap verder gaan dan de huidige stand van zaken door innovatieve multimodale sensoren te combineren met AI-gestuurde data-analyse. Door akoestische, visuele, radar-, multispectrale, LiDAR-, ToF- en omgevingssensoren samen te brengen met bestaande databronnen (zoals politiedata, logistieke planningen en sociale mediadata), ontstaat een veelzijdig en volledig beeld van de veiligheids- en beveiligingssituatie van infrastructuren.

Het consortium bestaat uit partners uit zes landen: Nederland, Turkije, België, Finland, Portugal en Duitsland. De voordelen van het SINTRA-platform zullen worden aangetoond binnen verschillende types kritieke infrastructuur bij eindgebruikers, waaronder logistieke hubs (zoals de haven van Moerdijk), luchthavens, havens, bouwplaatsen, winkelcentra en wegennetwerken.

TORRES: Datagedreven inzichten voor grootstedelijk verkeersbeheer  

Intelligente transportsystemen (ITS) zijn ontworpen om een positieve impact op de samenleving te hebben. Zo worden ze ingezet om verkeerscongestie, verkeersongevallen en luchtvervuiling te verminderen — factoren die rechtstreeks bijdragen aan het algemene welzijn.

Dit project heeft als doel zowel een framework als een methodologie te ontwikkelen voor het monitoren van heterogene verkeersdata. De focus ligt op de ontwikkeling van datagedreven modellen voor het imputeren, interpoleren en voorspellen van verkeersdata, evenals op het aanbieden van intuïtieve tools en visualisaties om de verkeerssituatie en haar evolutie op grootstedelijk niveau te analyseren, met Brussel als centrale use case.

Het doel is om overheden en infrastructuurbeheerders de tools te bieden om de impact van hun beleid op het welzijn van burgers beter te begrijpen en te kwantificeren. Omgekeerd maakt het project het ook mogelijk om de gevolgen van beleidskeuzes duidelijker naar het brede publiek te communiceren, zodat burgers deze gemakkelijker kunnen begrijpen en ondersteunen.

Verkeersdata bestaat in vele vormen, variërend van individuele registraties via ANPR-camera’s tot floating car data afkomstig van grote dataproviders. De uitdaging bestaat erin deze verschillende databronnen correct te anonimiseren, centraliseren en samen te brengen, zodat nauwkeurigere en waardevollere inzichten ontstaan dan wat één afzonderlijke databron op zichzelf kan bieden.

Partners : 

• ULB: Machine Learning Group (MLG)
• VUB: Electronics and Informatics Department (ETRO)

DRiVING: Ontwikkeling van slimmere, realtime adaptieve verkeerscamera’s 

 
Gedistribueerde herkenningsinfrastructuur voor intelligente verkeerscameranetwerken.

Het DRiVING-project (Distributed Recognition Infrastructure for Intelligent Traffic Camera Networks) richt zich op het verbeteren van de herkenningssystemen in verkeerscamera’s, zodat deze optimaal blijven presteren onder uiteenlopende reële omstandigheden. Vandaag zijn herkenningsalgoritmes in verkeerscamera’s vaak statisch en presteren ze niet altijd goed bij wisselende omgevingsfactoren. Dit project wil daarom een geavanceerde engine en methodologie ontwikkelen die deze systemen continu evalueert en bijstuurt voor betere prestaties.

Een belangrijke innovatie binnen het DRiVING-project is de overgang van een traditionele push-architectuur — waarbij verkeerscamera’s data naar een centrale eenheid sturen — naar een bidirectioneel systeem. Hierdoor kan de centrale eenheid de camera’s monitoren en hun herkenningsalgoritmes in realtime bijwerken, zodat ze zich voortdurend kunnen aanpassen aan veranderende omstandigheden.

Het project wordt ontwikkeld in samenwerking met de Vrije Universiteit Brussel (VUB) en hun departement Elektronica en Informatica (ETRO). Hun expertise in elektronica en informatica speelt een cruciale rol in de ontwikkeling van de herkenningsengine en de bijhorende methodologieën.

Het DRiVING-project zal verkeersbeheer verbeteren door slimmere en meer adaptieve verkeerscamera’s te ontwikkelen, wat bijdraagt aan veiligere en efficiëntere stedelijke mobiliteit. Door de prestaties van verkeerscamera’s te versterken, ondersteunt het project de ontwikkeling van slimme steden en helpt het uitdagingen aan te pakken zoals congestie, verkeersveiligheid en ecologische duurzaamheid.

Kortom, het DRiVING-project vormt een belangrijke stap vooruit in de ontwikkeling van verkeersmonitoringssystemen. Het maakt deze systemen adaptiever en efficiënter in realtime en draagt zo bij aan de groei van slimmere en veiligere steden.

Partner : VUB: Electronics and Informatics Department ETRO

NextPerception: Geavanceerde slimme sensoren voor patiëntenzorg en geautomatiseerd rijden 

Een nieuw Europees project dat technologie ontwikkelt om twee groeiende uitdagingen aan te pakken: patiëntgerichte zorg en geautomatiseerd rijden.

In mei werd een nieuw Europees project gelanceerd om de weg vrij te maken voor een nieuwe generatie intelligente sensortechnologieën voor gezondheidszorg en automotive toepassingen. Binnen de gezondheidszorg zal het project van 30 miljoen euro vroegtijdige detectie en preventie van gezondheidsproblemen verbeteren dankzij geavanceerde monitoringmogelijkheden. Voor de automobielsector zal het de veiligheid van voetgangers en fietsers verhogen en een belangrijke stap vooruit betekenen in de ontwikkeling van sensortechnologieën die nodig zijn voor geautomatiseerd rijden.

Sensortechnologieën maken steeds meer deel uit van het dagelijks leven, en mensen vertrouwen in toenemende mate op slimme en complexe systemen om beslissingen te nemen die rechtstreeks invloed hebben op hun gezondheid en welzijn. Dat is vooral zichtbaar in de gezondheidszorg, waar systemen zelfs de kleinste veranderingen in de gezondheid van patiënten monitoren, en in het verkeer, waar oplossingen voor geautomatiseerd rijden geleidelijk de controle over voertuigen overnemen. De nauwkeurigheid en snelheid van deze beslissingen hangen af van het vermogen van systemen om zowel mensen als hun omgeving correct te begrijpen.

“Nu besluitvorming in potentieel risicovolle situaties zoals gezondheidszorg en verkeer steeds vaker van mensen naar machines verschuift, is het cruciaal om ervoor te zorgen dat de onderliggende sensortechnologieën en redeneersystemen veilig en betrouwbaar zijn,” zegt Johan Plomp, projectmanager van NextPerception en Senior Scientist bij VTT.

Om deze systeemgestuurde besluitvorming te verbeteren en tegemoet te komen aan de nood aan veelzijdige, veilige en proactieve slimme sensorsystemen, brengt het NextPerception-consortium belangrijke spelers uit de Europese gezondheidszorg-, welzijns- en automobielsector samen.

Start van de werkzaamheden rond drie cruciale use cases

Hoewel het potentieel van slimme sensorsystemen veel verder reikt dan gezondheidszorg en verkeer, zal het NextPerception-project starten met drie use cases om de haalbaarheid van deze aanpak voor het aanpakken van deze uitdagingen aan te tonen.

“De waarde van het project ligt niet alleen in de ontwikkeling van proactieve en betrouwbare sensorplatformen voor besluitvorming met ingebouwde intelligentie, maar ook in de toepassing ervan binnen een aantal praktische use cases om zo marktrijpe oplossingen te creëren,” zegt Patrick Pype, technisch coördinator van NextPerception en director strategic partnerships bij NXP.

De gezondheids- en welzijnsdimensie richt zich op continue gezondheidsmonitoring die patiëntgerichte zorg ondersteunt en patiënten een actieve rol geeft binnen het zorgproces. De eerste geselecteerde use case, integrale vitaliteitsmonitoring, ontwikkelt technologieën die gezondheid, gedrag en activiteiten kunnen meten en opvolgen, in het bijzonder bij mensen die extra medische aandacht of zorg nodig hebben.

De twee andere use cases ontwikkelen oplossingen die de verkeersveiligheid verbeteren en belangrijke uitdagingen aanpakken die specifiek verbonden zijn aan geautomatiseerd rijden in stedelijke omgevingen en onder moeilijke weersomstandigheden.

Het hoofddoel van de use case rond bestuurdersmonitoring is de ontwikkeling van een monitoringsysteem dat zowel de cognitieve toestand van de bestuurder — zoals afleiding, vermoeidheid of slaperigheid — als emoties zoals angst, paniek of woede kan classificeren. Het systeem zal daarnaast ook de intenties van de bestuurder monitoren (zoals links of rechts afslaan), evenals de activiteiten en positie van de bestuurder en andere inzittenden in het voertuig. Deze informatie zal worden gebruikt voor autonome rijfuncties, waaronder takeover requests en bestuurdersondersteuning.

Tot slot wil de derde initiële use case de veiligheid en het comfort van alle weggebruikers — inclusief voetgangers en fietsers — aan kruispunten verbeteren. De use case zal aantonen dat het mogelijk is om de aanwezigheid van verkeersdeelnemers te detecteren, hun positie met hoge nauwkeurigheid te bepalen en hun bewegingen en intenties betrouwbaar te volgen. Specifiek voor voetgangers en fietsers is het doel om informatie over trajecten te verschaffen en mogelijke conflicten te vermijden.

Een echte Europese samenwerking

Het NextPerception-project ging van start in mei 2020 en loopt gedurende drie jaar. Het consortium bestaat in totaal uit 43 partners uit zowel het bedrijfsleven als de academische wereld, afkomstig uit zeven landen, en wordt gecoördineerd door VTT Technical Research Centre of Finland. Het project wordt gezamenlijk gefinancierd door de Europese Commissie en nationale financieringsinstanties binnen de ECSEL Joint Undertaking.

MIRAI: Geavanceerde intelligente planning en werking voor IoT- en edge-systemen 

 
Machine-intelligentietechnieken voor slimme en duurzame planning en werking van IoT- en edge computingtoepassingen.

MIRAI zal slimme en duurzame planning en werking van IoT- en edge computingtoepassingen mogelijk maken via machine-intelligentie. Daarbij wordt de traditionele verticale schaalbenadering aangevuld met horizontale schaalverdeling van IoT- en edge computingtoepassingen over verschillende edge devices. Het resultaat wordt de ontwikkeling van de MIRAI Framework Building Blocks (MFBB), met als belangrijkste componenten:

AI-algoritmen en mechanismen voor energie-efficiënte en hulpbronefficiënte uitrol en runtime-adaptatie van IoT- en edge computingtoepassingen.

Gedistribueerde en composable AI-modellen en technieken die verticaal en horizontaal schaalbaar zijn om hoogwaardige besluitvorming te garanderen.

Geavanceerde AI-algoritmen en technieken voor continue en evoluerende learning onder onzekerheid en ruis, die cruciale factoren zijn voor IoT-toepassingen in vitale sectoren zoals industrie en transport.

Innovatieve methodologieën voor modelontwikkeling, training en evaluatie zonder directe toegang tot gelabelde data.

Nieuwe oplossingen om vertrouwen en kwaliteitsborging te garanderen in een heterogeen ecosysteem.

Gesponsord EUREKA

C-MobILE: Verbeteren van verkeersveiligheid en efficiëntie met verbonden mobiliteitsoplossingen 

 
De visie van C-MobILE (Accelerating C-ITS Mobility Innovation and depLoyment in Europe) is een volledig veilig en efficiënt wegverkeer zonder slachtoffers en ernstige ongevallen op Europese wegen, in het bijzonder in complexe stedelijke omgevingen en voor kwetsbare weggebruikers. We streven naar een congestievrije, duurzame en economisch leefbare mobiliteit, met een minimale milieu-impact van het wegverkeer.

MobILE legt de basis voor grootschalige uitrol in Europa door onderzoekspilootsites te transformeren naar operationele locaties voor duurzame diensten die worden ondersteund door lokale overheden. Dit gebeurt via een gemeenschappelijke aanpak die interoperabiliteit en naadloze beschikbaarheid van diensten garandeert, met een aanvaardbare kost voor eindgebruikers en een positieve businesscase voor alle partijen in de waardeketen.

Het C-MobILE-project zal de volgende belangrijke resultaten opleveren:

Een C-ITS-framework dat in samenwerking met belangrijke stakeholders wordt gedefinieerd en dat sleuteloplossingen voor implementatie mogelijk maakt op bestaande pilotlocaties, inclusief businesscases.

Een Strategische Onderzoeksagenda die de belangrijkste onderzoeks- en innovatiegebieden vastlegt en duurzame C-ITS-implementaties stimuleert, met als doel de evolutie richting geautomatiseerd transport in Europa te ondersteunen.

Een evaluatie, inclusief kosten-batenanalyse (CBA), van de cumulatieve real-life voordelen van het clusteren van C-ITS-toepassingen en het integreren van meerdere vervoersmodi binnen het C-ITS-ecosysteem.

Een open en veilige grootschalige uitrol van C-ITS-toepassingen, zowel nieuw als bestaand, gedemonstreerd in complexe stedelijke omgevingen en interoperabel tussen landen, met betrokkenheid van grote groepen eindgebruikers.

Een open platform voor C-ITS-bronnen dat de uitrol van serviceconcepten op gangbare apparaten ondersteunt en gevalideerd wordt door ontwikkelaarsgemeenschappen.

Geverifieerde operationele procedures voor de grootschalige uitrol van duurzame C-ITS-diensten in Europa.

Dit project heeft financiering ontvangen van het Horizon 2020-onderzoeks- en innovatieprogramma van de Europese Unie onder subsidieovereenkomst nr. 723311.

PoliVisu: Gebruik van big data om democratische beleidsbeslissingen te transformeren 

 
PoliVisu is een onderzoeks- en innovatieproject dat is ontworpen om de traditionele beleidsvorming van de overheid te vernieuwen met behulp van big data.

Het doel is om een open set digitale tools te verbeteren die data benutten om de besluitvorming binnen de publieke sector democratischer te maken door:

(a) experimenteren met verschillende beleidsopties via impactvisualisatie en

(b) het gebruiken van de resulterende visualisaties om de collectieve intelligentie van beleidsstakeholders te betrekken en te benutten voor de gezamenlijke ontwikkeling van oplossingen.

Samenwerken met drie steden om maatschappelijke problemen rond slimme mobiliteit en stedelijke planning aan te pakken, met als doel overheden in staat te stellen te reageren op stedelijke uitdagingen door het beleidsvormingsproces te verrijken met mogelijkheden voor beleidsexperimenten in drie verschillende fasen van de beleidscyclus (beleidsontwerp, beleidsimplementatie en beleidsevaluatie).

Het experimenteren met beleidsopties zal steden in staat stellen complexe, systemische beleidsproblemen aan te pakken die innovatieve denkwijzen vereisen om transformerende oplossingen te ontwikkelen.

Dit project heeft financiering ontvangen van het Horizon 2020-onderzoeks- en innovatieprogramma van de Europese Unie onder subsidieovereenkomst nr. 769608.