Category Archives: ArcGIS

Een kijkje in de ontwikkelingen die Augmented Reality & GIS doormaken

Mensen komen in hun leven steeds meer toepassingen met Augmented Reality (AR) tegen. In het bedrijfsleven vindt deze techniek maar langzaam zijn weg. Dat komt vooral omdat AR nog volop in ontwikkeling is. Waar staan we nu? Hoe werken AR en GIS samen? meer »

Posted in Achter de schermen, ArcGIS, innovatie, Stage | Tags: | Reacties uitgeschakeld voor Een kijkje in de ontwikkelingen die Augmented Reality & GIS doormaken

Machine learning in ArcGIS: wat kan ik ermee?

Je hoort het steeds vaker: “Machine learning is de toekomst”. Maar wat is machine learning eigenlijk en wat kan ik ermee? Hoe pas ik dit toe op data? En hoe werkt dit als het gaat om geo-data? Deze vragen worden meer »

Posted in Achter de schermen, ArcGIS, Content, innovatie, machine learning | Tags: , , , , , | Reacties uitgeschakeld voor Machine learning in ArcGIS: wat kan ik ermee?

Vier voorbeelden van smart mobility in kaart gebracht

Nederland is een dichtbevolkt land met een groeiende economie. Als gevolg hiervan heeft ons land slimme oplossingen nodig voor de toenemende mobiliteit. De infrastructuur is weliswaar hoogwaardig, maar ook complex en drukbezet. Inmiddels leveren sensoren informatie over weersinvloeden en verkeer. Hoe kunnen we besluiten nemen gebaseerd op deze data om mobiliteit op een slimmere manier te verbeteren?

Mobiliteit is een ruimtelijk patroon. De oplossing is om het mobiliteitsvraagstuk ruimtelijk te benaderen door locatie als uitgangspunt te nemen. Reeds beschikbare separate registraties kunnen ruimtelijk worden geanalyseerd als netwerk waarmee inzicht verkregen kan worden en deze data wordt omgezet in kennis. Vanuit deze kennis kunnen trends in mobiliteit gevonden worden en maatregelen genomen worden om slim met mobiliteit om te gaan.

De vier onderstaande voorbeelden tonen aan hoe locatie-analyse via helpt bij het inzicht in mobiliteit. Deze geografische informatie geeft inzicht in waar problemen spelen én in de samenhang van meerdere databronnen.
Welke structurele problemen zijn er op te lossen als we sensordata langere tijd opslaan en analyseren? Snappen we beter hoe we Nederland bereikbaar kunnen houden? En wat als we daarmee in de toekomst de infrastructuur beter kunnen inrichten?

Voorbeeld 1 – Bereikbaarheid van de snelweg
De kaartlaag (te gebruiken als basiskaart) visualiseert de bereikbaarheid van het hoofdwegennet (de auto(snel)weg) voor heel Europa. Gebieden die binnen 10 minuten van een oprit of afrit liggen, worden op deze kaart benadrukt. Hiermee wordt duidelijk hoe het secundair wegennet aansluit op het primair wegennet. Deze kaart geeft antwoord op de vraag welke gebieden snelle toegang tot het Hoofdwegennet hebben. Het is vervolgens interessant om te onderzoeken welk type verkeer (vracht, recreatie, werk) hier gebruik van maakt inclusief hoeveelheid verkeer. Dit kan door gebruik te maken van CBS data en data over bedrijfsterreinen. Indien vervolgens gekeken wordt naar data over bereikbaarheid (vertragingsminuten), veiligheid (ongevalsregistratie) en milieu (landelijk meetnet) kan inzicht in worden verkregen hoe mobiliteit scoort binnen de verschillende gebieden.

Voorbeeld 2 – Live kaart met drukte en ongevallen
Openbare data van de Nationale Databank Wegverkeersgegevens (NDW) wordt live gevisualiseerd. Bij grotere knooppunten of ringwegen van steden als Rotterdam en Amsterdam, zijn vaak vertragingen zichtbaar. Hier gebeuren ook relatief meer ongelukken. Waar de realtime verkeerskaart en ongevallen een goed overzicht van de verkeerswegen visualiseren, is het met ArcGIS mogelijk eigen gegevens te combineren en (netwerk-)analyses uit te voeren. De reden van vertragingen worden hiermee achterhaald en trends kunnen worden gevonden.

Voorbeeld 3 – Luchtkwaliteit met Weer & Verkeer
Dit dashboard met realtime luchtkwaliteitgegevens (RIVM), verkeersnelheden (NDW), weergegevens (Buienradar) en actuele weerinformatie is in één actueel overzicht gepresenteerd. De vraag is welke samenhang kan hierin ontdekt worden. Passen automobilisten hun weggedrag aan tijdens regenbuien? Is dan tevens minder verspreiding van fijnstof? Is er meer emissie van fijnstof bij 130 km/u autosnelwegen ipv 100 km/u autowegen? Dit dashboard geeft een realtime overzicht. De achterliggende data kan tevens gebruikt worden om trends te vinden.

Voorbeeld 4 – Actueel overzicht parkeerplaatsen
Een groot aandeel van fijnstof emissie in de stad wordt veroorzaakt door zoekverkeer naar een parkeerplaats. Actuele locatie-gegevens kunnen structurele knelpunten van de mobiliteit aanpakken. Kijk bijvoorbeeld naar deze applicatie waar een overzicht van beschikbare parkeerplaatsen wordt weergegeven. Hier is de totale capaciteit en bezetting van alle parkeergarages zichtbaar. Klik op een parkeergarage voor meer informatie. Inwoners maar ook bezoekers zijn zo goed geïnformeerd waar zij kunnen parkeren. Dit bevordert de doorstroming in de stad. Minder zoekverkeer resulteert in verbetering van verkeersveiligheid en minder uitlaatgassen.

Meer mogelijkheden
Dit zijn slechts vier voorbeelden hoe de huidige mobiliteit gevisualiseerd en/of geanalyseerd kan worden.  Er zijn natuurlijk nog veel mogelijk mogelijkheden. Ik ben erg benieuwd naar jullie informatiebehoefte.

Meer informatie
ArcGIS helpt bij mobiliteitsvraagtstukken. Bent u beniewd wat ArcGIS voor kan betekenen? Neem voor meer informatie contact op met Marcel de Rink via: contact@esri.nl

Posted in ArcGIS, ArcGIS Pro, Beweging, Esri, Smart communities | Tags: , , , , , | Reacties uitgeschakeld voor Vier voorbeelden van smart mobility in kaart gebracht

The Science of Where: geografie maakt de wereld inzichtelijk

Geografische vraagstukken spelen zich overal af in de wereld om ons heen. Daar gebeurt zoveel! De bevolking groeit of krimpt, mensen migreren, culturele diversiteit in steden en regio’s neemt toe of er komen milieuproblemen voor. Te veel om op te noemen. Hoe kunnen we inzicht krijgen in al deze vraagstukken?

Kaart die de boodschap helder overbrengt

Als stagiaire bij Esri Nederland heb ik mijn kennis vanuit de studie sociale geografie in praktijk mogen brengen. Tijdens mijn studie bestudeer ik verschijnselen vanuit een ruimtelijke invalshoek, hierbij staat de ‘waar-vraag’ centraal. ArcGIS geeft de mogelijkheid om deze waar-vraag om te zetten in kaarten die de boodschap helder over kunnen brengen. Door middel van kaarten wordt het geografische patroon inzichtelijk!

Geografie en data gaan hand in hand. Een groot deel van alle data heeft een ruimtelijk component, wat betekent dat informatie van allerlei verschijnselen te koppelen is aan een locatie. Op dit moment is er al zoveel data beschikbaar en dat wordt alleen maar meer. Het is de vraag hoe deze data inzichtelijk blijft. Geografische visualisaties kunnen daarbij helpen.

Achter alles zit een hoop data

Het wordt steeds eenvoudiger om geografische visualisaties te maken. Waar dat vroeger bleef bij papieren kaarten kan geografische informatie nu op allerlei manieren worden overgebracht. Denk bijvoorbeeld aan animaties of interactieve webmaps. Tijdens mijn stage kreeg ik de mogelijkheid om allerlei manieren van visualisatie te ontdekken in ArcGIS Pro en de online omgeving van ArcGIS.

Voor de sociale media campagne rond de Esri-tagline The Science of Where maakte ik interactieve 3D kaarten bij luchtfoto’s. Dit om de gebruikers te laten inzien dat achter alles wat je om je heen ziet een hoop data zit verscholen, en deze data geeft inzicht. De storymap met daarin de 3D kaarten is hieronder te zien.

Met een paar muisklikken concreet

Waar de waar-vraag van geografie voor mij eerst vooral theoretisch was kan ik het nu met een paar muisklikken concreter maken. Of dit nou een punt op een kaart is of een complexe webmap applicatie, door deze middelen wordt geografie een stuk inzichtelijker.

 


Kaart gemaakt met ArcGIS van Esri. | Bron: is per kaart aangegeven. Kaart in groot venster weergeven…

Posted in Achter de schermen, ArcGIS, The Science of Where | Reacties uitgeschakeld voor The Science of Where: geografie maakt de wereld inzichtelijk

Starten met big data: van ambitie naar inzicht

Steeds meer organisaties hebben de ambitie om actief big data in te zetten. Deze organisaties staan voor een grote uitdaging: hoe kom je van die verschillende datastromen tot een bruikbaar inzicht en dus waarde voor de business? Dagelijks werk ik met diverse organisaties aan deze uitdaging via bijvoorbeeld pilots. Daarbij komen twee aspecten regelmatig terug. Hoe pak ik het technisch inhoudelijk aan? En hoe pak ik het organisatorisch aan? In dit blog deel ík mijn ervaring over deze pilots en geef ik wat gerichte adviezen.

Datagedreven en informatiegestuurd werken
De ambitie om big data in te zetten, is vaak onderdeel van het beleid om datagedreven en informatiegestuurd te werken. Organisaties beseffen dat het benutten van beschikbare realtime datastromen en het analyseren van de enorme hoeveelheden aan data dat daaruit voorkomt, antwoorden kan bieden op vraagstukken waar ze al langer mee worstelen. Het geef inzicht zoals nooit tevoren. Het besef of de ambitie moet nu daadwerkelijk worden omgezet naar een concreet plan van aanpak. Maar welke technische en procesmatig stappen zijn daarvoor nodig?

HET TECHNISCHE ASPECT
Bij het werken met realtime en big data hanteren we technisch inhoudelijk vaak de volgende stappen om tot inzicht te komen.

Stap 1: Verwerk de data
Het binnenhalen en verwerken of bewerken van realtime data met ArcGIS GeoEvent Server. Met deze realtime verwerking kunnen we ook realtime gebeurtenissen detecteren en op basis hiervan alarmeringen inrichten in een bedrijfsproces op de kaart, in dashboards of andere middelen zoals sms of e-mail. Denk hierbij aan het detecteren van overschrijdingen van bepaalde waarden bij statische sensoren of aan het binnenkomen of verlaten van bepaalde gebieden bij dynamische sensoren zoals gps signalen.

Stap 2: Sla de data op
De realtime data die binnen wordt gehaald, kan tevens opgeslagen worden in de Spatiotemporal Big Data Store. Deze database is gebaseerd op ElasticSearch-technologie, waarmee een enorme hoeveelheid data extreem efficiënt opgeslagen kunnen worden. Heeft de organisatie al ergens anders big data opgeslagen? Dan kunnen we hier ook op aansluiten of deze data overbrengen naar de Spatiotemporal Big Data Store. Voordeel van dit laatste is (de naam zegt het al) dat de data over ruimte (spatio) en tijd (temporal) bekeken kan worden vanuit deze database.

Stap 3: Visualiseer het resultaat
Aangezien de Spatiotemporal Big Data Store automatisch on-the-fly de data over tijd en ruimte kan aggregeren en visualiseren is het eenvoudig om patronen over tijd en ruimte te ontdekken in de kaart.

Stap 4: Analyseer patronen en krijg inzicht
Ten slotte is het zaak om de waargenomen patronen door middel van verdere analyse hard te maken of op basis van de opgeslagen data nieuwe analyses uit te voeren voor verder inzicht. Met GeoAnalytics Server is het mogelijk om tijd-ruimte-analyses die we kennen vanuit het GIS, ook uit te voeren op big data door serverkracht te benutten bij de berekeningen.

HET ORGANISATORISCHE ASPECT
Organisatorisch zijn er natuurlijk veel afhankelijkheden per organisatie. Toch is er een aantal succesfactoren te definiëren.

Stap 1: Begin klein
Begin vanuit een vraag, niet meteen vanuit de businesswaarde. Als het antwoord gevonden is, valt vaak pas te bepalen hoeveel waarde het antwoord voor de business heeft. Klein beginnen kan goed in de vorm van een pilot. Hiervoor bieden wij vanuit Esri bijvoorbeeld het Sense Data Lab aan. Dit is een complete GIS-omgeving die we beschikbaar stellen ten behoeve van pilots met organisaties die de waarde van realtime en big data GIS willen verkennen.

Stap 2: Zorg voor de beschikking over kennis en tools
De GIS-tools zijn dus beschikbaar in het Sense Data Lab. GIS-tooling aanvullen met andere niet ruimtelijke analyse tools kan helpen. Zo heeft elke tool bepaalde sterke punten waar we gebruik van kunnen maken. Ook is het goed om de kennis van betrokkenen multidisciplinair te laten zijn.

Stap 3: Opschalen van de uitgewerkte analyse
Nadat de analyse compleet is uitgedacht en succesvol is uitgevoerd op een subset van de data, is het zaak om de analyse te herhalen op de complete dataset. Daarbij kan zo nodig de rekenkracht ook opgeschaald worden door het toevoegen van servers.

Stap 4: Successen delen en borgen binnen de organisatie
Na een succesvolle pilot delen we de successen van de pilot binnen de organisatie en denken we met de organisatie mee over meer vraagstukken die met de inzet van big data beantwoord kunnen worden. Tevens bespreken we hoe we de opgedane kennis kunnen borgen binnen de organisatie en welke tools de organisatie permanent tot zijn beschikking wil hebben.

Zo starten we met een enkele vraag waar de organisatie al langer mee worstelt en eindigen we met een omgeving die klaar is voor meer big data vraagstukken.  Zo kan er actief big data ingezet worden en datagedreven en informatiegestuurd gewerkt worden.

Meer informatie
Wilt u meer informatie over hoe u realtime data of big data effectief kunt inzetten in uw organisatie? Neem voor meer informatie contact met mij op via contact@esri.nl.

Wilt u de potentie van realtime data of big dat verkennen? Dat kan nu in het Sense Data Lab. Esri Nederland heeft dit lab ingericht zodat organisaties snel, veilig en in vrijheid de potentie van realtime en big data GIS kunnen verkennen in de vorm van pilots.

Posted in ArcGIS, Smart communities | Tags: , , , | Reacties uitgeschakeld voor Starten met big data: van ambitie naar inzicht