Datalens Vlaams-Brabant
24109
Vlaams-Brabant heeft het dichtste netwerk van Telraam-sensoren, maar benut de data nog niet maximaal. TML vertaalt deze data naar praktische toepassingen voor lokale mobiliteit.
Vlaams-Brabant beschikt over het dichtste netwerk van Telraam-sensoren ter wereld. Hoewel deze sensoren veel data verzamelen, blijft het voor veel gebruikers moeilijk om daar bruikbare inzichten uit te halen. Burgers missen de tools, mobiliteitsambtenaren de tijd. Dit project wil daar verandering in brengen.
Met een team van mobiliteitsexperts, datatechnologen en onderzoekers bouwen we aan gebruiksvriendelijke tools die lokale verkeersdata omzetten in duidelijke inzichten. Daarbij vertrekken we niet vanuit de data, maar vanuit de noden van de gebruikers: beleidsmakers, bewoners en andere lokale stakeholders. Zo vermijden we dat er opnieuw instrumenten ontwikkeld worden die te technisch of complex zijn om echt gebruikt te worden.
TML focust binnen dit project op het vertalen van mobiliteitsdata naar concrete toepassingen voor gemeenten. Van sluipverkeer en fietsdata tot de impact van evenementen: we onderzoeken hoe we slimme technieken zoals machine learning kunnen inzetten om snel en gericht te informeren én te ondersteunen bij lokaal mobiliteitsbeleid.
Vlaams-Brabant beschikt over het dichtste netwerk van Telraam-sensoren ter wereld. Hoewel deze sensoren veel data verzamelen, blijft het voor veel gebruikers moeilijk om daar bruikbare inzichten uit te halen. Burgers missen de tools, mobiliteitsambtenaren de tijd. Dit project wil daar verandering in brengen.
Met een team van mobiliteitsexperts, datatechnologen en onderzoekers bouwen we aan gebruiksvriendelijke tools die lokale verkeersdata omzetten in duidelijke inzichten. Daarbij vertrekken we niet vanuit de data, maar vanuit de noden van de gebruikers: beleidsmakers, bewoners en andere lokale stakeholders. Zo vermijden we dat er opnieuw instrumenten ontwikkeld worden die te technisch of complex zijn om echt gebruikt te worden.
TML focust binnen dit project op het vertalen van mobiliteitsdata naar concrete toepassingen voor gemeenten. Van sluipverkeer en fietsdata tot de impact van evenementen: we onderzoeken hoe we slimme technieken zoals machine learning kunnen inzetten om snel en gericht te informeren én te ondersteunen bij lokaal mobiliteitsbeleid.
