Overzicht van het TORRES-project

Het TORRES-project (Traffic prOcessing foR uRban EnvironmentS) is een toegepast onderzoeksinitiatief gefinancierd door Innoviris, dat loopt van 2023 tot 2025. Het doel is het ontwerpen en demonstreren van geavanceerde tools voor het begrijpen, monitoren en analyseren van stedelijk verkeer met behulp van state-of-the-art methoden uit de kunstmatige intelligentie (AI). Het vervoersnetwerk van het Brussels Gewest diende als belangrijkste realistische pilootomgeving voor dataverzameling, modellering en demonstratie van de tools.

Het onderzoeksteam aan de ULB werd geleid door prof. Gianluca Bontempi van de Machine Learning Group en omvatte de onderzoekers Eladio Montero Porras, Alejandro Morales Hernández, Ali Enes Dingil en Davide Andrea Guastella (later als externe medewerker van de Université Aix-Marseille). Het partnerschap omvatte ook de afdeling Elektronica en Informatica van de VUB en Macq Mobility, waarbij academische en praktische expertise in AI en transport werden gecombineerd.

Methodologie en technische aanpak

TORRES ontwikkelde een reeks methoden en tools gericht op het verzamelen, integreren en analyseren van heterogene verkeersdata. Het project combineerde reële verkeersinformatie uit bestaande monitoringsinfrastructuren en geanonimiseerde IoT-data met synthetische input die werd gegenereerd via data-augmentatie. Deze rijke datasets werden gebruikt om AI-gebaseerde modellen te ontwikkelen die ontbrekende informatie interpoleren, verkeersdynamiek voorspellen en analyses op hoog niveau binnen het transportsysteem mogelijk maken. Daarnaast werden interactieve dashboards en analytische kaders ontwikkeld om verkeersomstandigheden en hun evolutie op stadsniveau te visualiseren. Een belangrijk aandachtspunt was het mogelijk maken van “what-if”-scenarioanalyses. Dit omvat het evalueren van mogelijke effecten van veranderingen op het terrein, zoals aanpassingen van snelheidslimieten, het afsluiten van belangrijke wegsegmenten of het omleiden van verkeersstromen. Deze analysemogelijkheden bieden overheden een middel om waarschijnlijke effecten te kwantificeren vóór de implementatie van beleids- of infrastructuurwijzigingen.

Impact op stedelijke mobiliteit en besluitvorming

Uitdagingen op het gebied van stedelijke mobiliteit, zoals congestie, luchtvervuiling en verkeersveiligheid, brengen directe sociale en economische kosten met zich mee. Door tools te leveren die diverse databronnen integreren en AI inzetten voor voorspelling en simulatie, ondersteunt TORRES evidence-based besluitvorming. Het vermogen om verschillende scenario’s te modelleren helpt stadsplanners en vervoersautoriteiten bij het beoordelen van mogelijke interventies, het communiceren van verwachte voordelen aan het publiek en het ontwikkelen van veerkrachtigere en adaptieve transportstrategieën.

Wetenschappelijke bijdrage en verspreiding

Naast de concrete resultaten sluit TORRES aan bij het lopende onderzoek van MLG rond digitale tweelingen en intelligente transportsystemen, en toont het methodologisch leiderschap en praktische toepassingen. De projectresultaten werden verspreid via wetenschappelijke evenementen, publicaties en samenwerkingen met FARI en PARADIGM binnen het TULIPE-project, inclusief integratie in de CAVE-demonstratie, wat de zichtbaarheid van het team binnen de academische en stedelijke innovatiegemeenschappen heeft vergroot.

Meer informatie hier