Use the form on the right to contact us.
You can edit the text in this area, and change where the contact form on the right submits to, by entering edit mode using the modes on the bottom right.
Filtering by Category: Onderzoek
Universiteit Twente legt in 2023/24 een lab aan waarop de Utility Mapping Site wordt gerealiseerd. Vanuit ZoARG leiden onderzoekers de aanlegvan deze site van 50x30x2m3, waarin in verschillende grondsoorten, kabels en leidingen worden aangelegd. De site wordt toegankelijk voor onderwijs, training en opleiding voor en door studenten, onderzoekers, netbeheerders, aannemers en overheden.
Read MoreWarmteprojecten zullen in schaal en omvang vaker gaan voorkomen in Nederland. Vanwege de techniwue uitdagingen, en grootschalige uitrol, is ontwikkeling van een efficient engineering- en uitvoeringsproces wenselijk. Warmtenetten zijn echter relatief nieuw, waardoor teams nog veel werken op basis van ervaring en improvisatie. Dit onderzoek richtte zich op de wijze waarop teams balanceren tussen het anticiperen en reageren op verstoringen in bouwprocessen.
Read MoreVanuit de graafsector en het Kadaster bestaat al een tijd de vraag wat de meerwaarde is die 3D modellering en -visualisatie kan brengen binnen de informatieuitwisseling tussen stakeholders in de graafketen. Dit onderzoek heeft deze meerwaarde geinventariseerd door middel van interviews, enquêtes, een experiment en focusgroepsessie. Het rapport is te downloaden vanaf de site.
Read More || Organisatie Kadaster + Agentschap Telecom + KPN
P.D.Eng Jiarong Li
Update: juli 2022
Dit project heeft als doel om graafschades te kunnen bepekren aan kabels en leidingen. Hiervoor kiest het de ‘route’ van data en geodata-integratie. Het doel van het project is om een datagedreven methode te ontwikkelen waarmee schades kunnen worden voorspeld op basis van een graafmelding (in KLIC).
Om dit te doen, worden eerst mogelijke causale factoren voor graafschade geinventariseerd door literatuursudie en expert-interviews.
Nadat dit in beeld is, bekijken we welke gewenste en beschikbare datasets bruikbaar zijn om patronen te zoeken en herkennen in historische graafschadedata. Hiervoor worden onder andere graafschadedata en KLIC-meldingen gebruikt van verscheidene netbeheerders. Statistische analyse (machine learning) vormt een middel om vervolgens te leren voorspellen waar schades kunnen optreden.
Het uiteindelijke datamodel/-methode zal als basis dienen voor advies over hoe KLIC (met inbegrip van Kadaster-producten, diensten en wellicht services uit de markt) aangepast kan worden om in de toekomst graafschades te kunnen voorspellen. Een praktische output van het project is een overzicht van mogelijk gevoelige parameters bij het veroorzaken van schade.
Onderzoeksbenadering data mining cycle toegepast op datagedreven graafschadevoorspelling
Origineel worden rioolinspecties uitgevoerd door directe toegang tot de buizen en waar mogelijk door visuele inspecties. Behalve dat dit een een vervelende en omslachtige werk is, leveren visuele inspecties ook niet altijd het gewenste resultaat. In het project TISCALI wordt onderzoek gedaan naar efficiëntere en minder foutgevoelige methoden voor inspectie.
Read MoreIn het project IMKL 2.0 zijn vier showcases ontwikkeld die tonen hoe de gegevens die volgens het nieuwe IMKL2.1 protocol verzameld zijn gebruikt kunnen worden voor het visualiseren van onzekerheden en risico’s.
Read More