/LANGLÊZER: Hoe een student DataFryslân leerde scheepjes te tellen

7 jun 2021

DataFryslân versterkt datagedreven werken in Fryslân. Door samenwerkingsverbanden op te zetten, door kennisuitwisseling en onderzoek. En door vragen te stellen en de antwoorden te zoeken door te experimenteren met data. Een mooi voorbeeld van dat laatste is het antwoord op de vraag: kunnen satellietbeelden vertellen hoeveel pleziervaartuigen op de Friese wateren varen? (spoiler: het antwoord is ja.)

Satellieten zijn niet alleen essentieel voor militaire doeleinden, communicatie- en navigatienetwerken en het voorspellen van het weer; ze kunnen ook worden ingezet voor de monitoring van de meest uiteenlopende zaken, zoals luchtvervuiling, ontbossing, de waterhuishouding in bepaalde gebieden, het volgen van de route van ijsbergen die de scheepvaart kunnen bedreigen of het meten van het formaat van schelpdieren in de Waddenzee. Dus waarom zou je niet op basis van satellietbeelden plezierboten kunnen tellen op de Friese wateren? Nou, dat kan nu ook.

Die laatste toepassing is niet zo frivool als ze klinkt; door de coronacrisis wordt veel meer in eigen land gerecreëerd en ook de pleziervaart groeit daardoor stevig. Ook op Friese wateren varen dus steeds meer pleziervaartuigen rond, en voor Friese waterbeheerders is het nuttig om te weten hoe druk het is op het water en in het verlengde daarvan: hoeveel watertoeristen Fryslân bezoeken. Want toerisme is een van de belangrijkste inkomstenbronnen voor Fryslân; geen wonder dat toerisme & recreatie in de provincie een van de speerpunten is van DataFryslân. In het kader van dat onderzoeksprogramma vroeg DataFryslân Wander van der Wal, student Computer Science aan de NHL Stenden, tijdens zijn stageperiode onderzoek te doen naar de vraag of het mogelijk is om op satellietbeelden vaartuigen op het water te tellen en deze data vervolgens op begrijpelijke wijze te delen met het publiek.

Dat klinkt eenvoudiger dan het lijkt. Fryslân heeft immers geen eigen satellieten, dus de benodigde satellietbeelden moeten worden opgehaald uit beschikbare bronnen. Maar welke? Stap één was dus: uitzoeken en beschrijven welke bronnen voor satellietdata beschikbaar zijn, wat van elke bron de kwaliteit is en wat de kosten zijn. Vervolgens ontwikkelde Van der Wal een pipeline, een proces waarmee satellietbeelden kunnen worden opgehaald, die vervolgens worden opgeknipt en beetje voor beetje worden ‘gevoerd’ aan een kunstmatig neuraal netwerk, ofwel een machine learning algoritme. Dit netwerk trainde Van de Wal zelf aan de hand van satellietbeelden van 10 peildatums op het detecteren van vaartuigen op afbeeldingen. Resultaat van al het werk is een dashboard waarmee op een kaart van Fryslân kan worden getoond waar het model vaartuigen heeft gedetecteerd. Behalve die kaart laat het dashboard ook tellingen zien per gemeente en per peildatum.

Kortom, een mooi staaltje data science. Maar wat is nu eigenlijk de meerwaarde van zo’n dashboard? En wat kan het (nog) niet? Om met dat laatste te beginnen: het dashboard toont al het vaarverkeer en maakt dus geen onderscheid tussen recreatieverkeer en commerciële vaart. “Het zou natuurlijk het mooiste zijn als ook dat kon, maar om daar serieus werk van te maken, moet je over satellietbeelden beschikken die een veel langere periode omvatten dan de 10 peildatums die we hadden”, zegt Frits de Roos, namens DataFryslân projectleider en -begeleider van het stageproject van Van der Wal. Maar dat is ook het punt niet helemaal, zegt De Roos. “Het gaat niet zozeer om het dashboard op zich, het gaat erom dat er nu een systeem is ontwikkeld waarmee je dankzij satellietbeelden, beeldherkenning, objecten kunt tellen. Dankzij het werk van Wander staat dat systeem er nu, en heeft het alleen maar meer input nodig om meer te kunnen. Dat is het waardevolle aan dit soort projecten.”

Waardevol, maar ook relevant, want er is een groeiende behoefte, ook bij de overheid, aan systemen waarmee ‘vanuit de ruimte’ bepaalde tellingen kunnen worden gedaan. En een systeem als dit hoeft natuurlijk niet alleen te worden gebruikt om boten te tellen. Er vallen veel meer data te verzamelen met deze vorm van beeldherkenning. Denk maar aan het opsporen van illegale verbouwingen of objecten die zonder vergunning zijn neergezet, het tellen van zonnepanelen of de mate waarin parkeerplaatsen worden gebruikt. Zo is met een succesvol stageproject de kiem gelegd voor tal van toepassingen. De Roos: “Dit project was vooral een eerste verkenning van de mogelijkheden en die heeft meer dan prima uitgepakt. Nu heeft DataFryslân een mooie basis in handen voor meer toepassingen die voor onze leden interessant kunnen zijn.”

Zie ook

 

/PODIUM: Waarom data over zorg ons een zorg moeten zijn

/PODIUM: Waarom data over zorg ons een zorg moeten zijn

Op 29 juni 2021 draait het in dit /Podium van DataFryslân om het gebruik van data om de ouderenzorg nu en in de toekomst te verbeteren. Gemeenten zijn verantwoordelijk voor jeugdzorg, werk en inkomen en zorg aan langdurig zieken en ouderen. Data spelen in de...

Lees meer
/PODIUM Prognoses en toekomstvoorspellingen

/PODIUM Prognoses en toekomstvoorspellingen

Op 17 juni 2021 staat in het volgende /Podium van DataFryslân het ontwikkelen en gebruik van voorspellende data-analyse centraal. Bij gebrek aan een glazen bol baseren we onze antwoorden op voorspellende vragen tegenwoordig op data uit het verleden om betere...

Lees meer
/HUB ‘Grip op toerisme’ project is halverwege: update

/HUB ‘Grip op toerisme’ project is halverwege: update

Is het mogelijk om op basis van big-data te kunnen voorspellen waar en wanneer het druk kan worden in Fryslân? Die vraag staat centraal in de /Hub ‘Grip op toerisme: bezoekersstromen voorspellen’, onderdeel van het DataFryslân-programma Toerisme & Recreatie...

Lees meer
DataFryslân presenteert jaarprogramma ’21-‘22

DataFryslân presenteert jaarprogramma ’21-‘22

Negen keer een /Podium, acht keer een /Lab en zeven /Hubs - DataFryslân gaat een druk jaar tegemoet. In 24 events wordt informatie gedeeld, worden samenwerkingen gesmeed en worden data ingezet en onderzocht om tot nieuwe inzichten te komen en door middel van...

Lees meer
/LAB Rioolgemalen leidt tot ‘prachtresultaat’

/LAB Rioolgemalen leidt tot ‘prachtresultaat’

“Er komen steeds minder techneuten bij, het oplossen van storingen wordt lastiger. Maar er valt in de toekomst wel steeds meer regen.” Steffen Jorritsma, directeur van Mous Waterbeheer uit Balk, wil maar zeggen dat een gedegen en efficiënt waterbeheer in de toekomst...

Lees meer
De juiste balans vinden in waterbeheer

De juiste balans vinden in waterbeheer

Wietse Kalma van gemeente Heerenveen doet mee aan het /LAB 'Predictive maintenance rioolgemalen' 2 april 2021- “Het is een sport om balans te zoeken in waterbeheer, riolering en het veranderende klimaat”, zegt Wietse Kalma, adjunct afdelingshoofd inrichting en beheer...

Lees meer
Meedoen met /LAB ‘Rioolgemalen’

Meedoen met /LAB ‘Rioolgemalen’

8 maart 2021 - In het eerste /LAB van 2021 richt DataFryslân zich in drie middagsessies op de ‘Predictive maintenance van rioolgemalen’. Aan de hand van tijdreeksdata onderzoeken we of het op basis van sensordata mogelijk is storingen te voorspellen in de pompen van...

Lees meer