Foto: Pixabay

Drie innovatieve digitale projecten in de watersector ontvangen 10 duizend euro ‘seedmoney’ van DigiShape, het open innovatieplatform van bedrijven, kennisinstellingen en overheden die samen de potentie van digitalisering voor de watersector willen benutten. Tijdens de DigiShape dag op 6 april mochten DigiShape-partners hun ideeën pitchen. Drie van die ideeën zijn beloond met 10 mille startkapitaal.

Het idee erachter was om de ontwikkeling van goede en veelbelovende ideeën te stimuleren, zonder dat de businesscase per se al helder moet zijn, vertelt kwartiermaker Chris Karman van DigiShape: “Ideeën als deze sneuvelen vaak als ze onderdeel moeten worden van langlopende projectontwikkelingen. Met onze seedmoney geven we ze de ruimte om toch tot wasdom te komen. We hadden oorspronkelijk het idee om één winnaar uit te kiezen, maar we waren dermate onder de indruk van de pitches, dat we hebben besloten ze alle drie te ondersteunen.”

Digitization of Borehole Log Reports

DigiShape
De pitch van Wiebke Jäger van Boskalis (foto: DigiShape).

Het eerste idee dat werd beloond is van Boskalis. Dat wil een methode ontwikkelen om de geoinformatie uit pdf’s om te zetten in deelbare data. Boorbeschrijvingen zijn gedetailleerde gegevensregistraties van de gevonden grondsoorten, dieptes van laagovergangen en aanvullende metingen zoals sterkte. Ze zijn belangrijk voor ontwerpdoeleinden, bijvoorbeeld om de interactie tussen de bodem en de te bouwen constructies vast te stellen. Het ontsluiten en delen van dit soort geoinformatie is enorm belangrijk voor de uitdagingen van de komende jaren, zoals het beheer en onderhoud van natte kunstwerken. Veel data is echter alleen in pdf’s beschikbaar. Wiebke Jäger van Boskalis legde tijdens haar pitch de voordelen uit van het deelbaar maken van die informatie. Het zal volgens haar de efficiëntie, consistentie en kwaliteit van het datadigitaliseringsproces voor alle partners verbeteren. Daarnaast biedt het de mogelijkheid om kennis en vaardigheden te delen voor het verwerken en analyseren van ongestructureerde documenten met behulp van datawetenschapstechnieken. Denk aan machine learning, deep learning, optische tekenherkenning of natuurlijke taalverwerking.

Not missing out on near misses

DigiShape
Fedor Baart (Deltares) tijdens zijn pitch (foto: DigiShape).

De tweede winnaar is een project van de TU Delft, Witteveen+Bos en Deltares. Zij werken aan een eerste dataset van bijna-ongevallen op de Nederlandse binnenwateren. Nautische veiligheidsstudies op die wateren zijn gebaseerd op ongevallenregistraties en expertadviezen, maar deze methoden zijn nu vooral gericht op de top van de risicopiramide, namelijk geregistreerde ongevallen. Door ook bijna-ongevallen te analyseren, kan de veiligheid van de vaarwegen verbeterd worden. Fedor Baart van Deltares legde tijdens de pitch uit wat ze willen gaan doen. Alle beroepsschepen en sommige recreatievaartuigen zenden een AIS-signaal uit, waarmee bijna-ongevallen opgespoord kunnen worden. Het projectteam wil deze gegevens visualiseren met behulp van een tijdreeks/replay-component, zodat ze deze vervolgens samen andere informatie (bijvoorbeeld stromingen en diepgang) kunnen inspecteren. Op basis van deze inspecties kan het team beginnen met het classificeren (AI), verfijnen en uitbreiden van de dataset.

Voorspellen waterdiepte met machine learning

DigiShape
De pitch van Andries Paarlberg van HKV (foto: DigiShape).

De derde winnaar is een project van HKV, dat is gericht op het voorspellen van de waterdiepte voor efficiënter vaarwegonderhoud. De bodem van rivieren is continu in beweging. In combinatie met een variërende afvoer, sedimenteigenschappen en riviergeometrie is het complex om de waterdiepte te bepalen. Daarom wordt de bodem continu gepeild om de minst gepeilde diepte te bepalen én het benodigde baggerwerk vast te stellen. Tijdens zijn pitch legde Andries Paarlberg van HKV uit dat een goede voorspelling van de verwachte waterdiepte naast de metingen enorm kan helpen om onderhoudswerkzaamheden te concentreren op precies dié locaties waar scheepvaartknelpunten kunnen ontstaan. En het kan helpen bij het bepalen van de beladingsgraad voor binnenvaartschepen. Met behulp van verschillende machine-learningtechnieken gaat HKV met een aantal partners aan slag met een tool om de bodemhoogtes voldoende accuraat te kunnen voorspellen en de onderhoudswerkzaamheden en binnenvaartschepen te voorzien van de juiste informatie.