Kansen voor betere benutting van parallelstructuren met slim in-car advies

In opdracht van Rijkswaterstaat onderzocht Arane of in-car rijbaanadvies kan bijdragen aan een betere spreiding van verkeer over hoofd- en parallelrijbanen. Aanleiding was een eerdere succesvolle pilot op de A4 bij Leiden, waarbij via de Flitsmeister-app gericht rijbaanadvies werd gegeven.

We analyseerden 46 parallelstructuren in Nederland. De A4 bij Leiden en de A2 bij Eindhoven bleken kansrijk en zijn verder onderzocht. Daar vergeleken we drie algoritmetypen: statisch, dynamisch en anticiperend. Het dynamische algoritme bleek het meest effectief en flexibel, met tot 93% precisie bij het herkennen van geschikte momenten voor advies.

Een AI-gedreven simulatiemethode – de zogeheten pivot-methode – liet zien dat bij 30% opvolging van het advies op de A4 dagelijks 2.500 voertuigminuten kunnen worden bespaard. Voor de A2 zijn de resultaten minder eenduidig, maar is er bij gerichte monitoring eveneens potentieel.

Drie belangrijke inzichten:

• Geen standaardaanpak – Elke parallelstructuur vraagt om een eigen analyse en maatwerkoplossing.

• Dynamisch werkt beter – Real-time algoritmes presteren aantoonbaar beter dan statische tijdvensters, zeker op complexe locaties.

• AI verlaagt de drempel – Dankzij simulaties op basis van machine learning kunnen effecten vooraf worden ingeschat, zonder dat praktijkproeven nodig zijn.

Lees het volledige artikel in NM Magazine