Iedereen die AI al eens heeft losgelaten op z’n teksten, foto’s of video’s, zal niet twijfelen aan het potentieel van de techniek. Maar wat kunnen we ermee in ons werkveld mobiliteit? En – de vraag die je niet durft te stellen maar wel hebt – hoe werkt AI eigenlijk? Deze punten komen aan bod in een nieuwe reeks tutorials in NM Magazine.
De wereld van mobiliteit verandert razendsnel. Nieuwe technologieën, toenemende digitalisering en maatschappelijke uitdagingen als duurzaamheid, leefbaarheid en inclusiviteit vragen om slimme, datagedreven oplossingen. Kunstmatige intelligentie, AI, eist bij het ontwikkelen én operationaliseren van die oplossingen een steeds grotere rol op. Daarmee is de techniek niet langer een zaak van de onderzoekscentra en hightechbedrijven alleen, maar ook van wegbeheerders, mobiliteitsplanners, beleidsmakers en vervoersorganisaties.
Transparantie
Het probleem met AI is wel dat ze zo’n groeispurt heeft gemaakt en ook zo complex is geworden, dat we misschien niet meer goed kunnen volgen wat AI nu precies doet, laat staan hoe we de techniek effectief in kunnen zetten. Als de AI-techneuten het maar snappen, zou je denken, maar dat ziet de EU anders: de Europese AI-verordening hamert op transparantie en menselijke autonomie.
Hoe kunnen we daarvoor zorgen? Transparantie en menselijke autonomie moeten vooral ín de AI-toepassingen gebakken zitten. Maar dan nog is het belangrijk dat professionals als verkeerskundigen, adviseurs, projectleiders en opdrachtgevers, een basale kennis hebben van wat AI doet en kan. Aan die kennis willen we in NM Magazine bijdragen met een reeks praktische tutorials, AI in Mobiliteit.
Onderdeel AiMTT
De reeks maakt deel uit van de bredere leeragenda van AiMTT, een learning community waarin onderzoekers, beleidsmakers en bedrijven samen verkennen hoe AI op een zinvolle manier kan worden toegepast in mobiliteit, transport en logistiek. Een belangrijk doel van AiMTT is dus gericht op leren: wat kunnen we precies met AI, hoe pak je dat aan en waar moet je op letten? Met de tutorials vullen we een deel van die (kennis)behoefte in. Ondertussen werken we binnen het project ook gewoon aan concrete producten, zoals voorspellende modellen voor verkeersmanagement en digital twins voor mobiliteit.
Aanpak
De tutorials worden geschreven door onderzoekers van TU Delft, de trekker van AiMTT. Alle auteurs zijn actief binnen het DAIMoND Lab van de universiteit. In dit lab werken multidisciplinaire onderzoeksteams aan AI-toepassingen voor maatschappelijke vraagstukken in mobiliteit, zoals verkeersveiligheid, duurzaamheid en inclusieve toegang.
Elke tutorial in de reeks behandelt één AI-thema dat relevant is voor mobiliteit. De eerste gaat over Large Language Models, AI van het type ChatGPT. In de komende uitgaven van NM Magazine volgen dan tutorials over Explainable AI en causale inferentie, probabilistische modellen, tijdreeksanalyses, Deep Reinforcement Learning en Physics-Informed Neural Networks.
De aanpak is telkens dezelfde. We beginnen met een begrijpelijke uitleg van de techniek. Daarna laten we aan de hand van concrete voorbeelden zien hoe deze in de mobiliteitspraktijk wordt of kan worden toegepast. Tot slot bespreken we de randvoorwaarden: wat heb je aan data nodig, welke beperkingen en risico’s zijn er, waar moet je op letten bij implementatie enzovoort.
Onze ambitie is om technologie niet als doel op zich te presenteren, maar als gereedschap dat, mits goed toegepast, kan bijdragen aan betere, eerlijkere en toekomstbestendige mobiliteitsoplossingen. We willen professionals handvatten geven om AI-technieken kritisch en effectief in te zetten binnen hun eigen werkomgeving. En natuurlijk willen we ze ook inspireren. Veel leesplezier!
____
De auteurs
Prof. dr. ir. Serge Hoogendoorn, dr. Yanan Xin en Mahsa Movaghar MSc. zijn respectievelijk hoogleraar, universitair docent en Phd-kandidaat aan de TU Delft. Dr. ir. Sascha Hoogendoorn-Lanser is directeur van het Mobility Innovation Centre Delft.
