PROOF OF CONCEPTS
Wat is een Proof of Concept?
Een Proof of Concept (PoC) is een ‘demonstratie’ die aantoont dat specifieke concepten of theorieën toepasbaar zijn in de praktijk. Het biedt bewijs dat een project of product haalbaar is en de investering waard is voor verdere ontwikkeling en ondersteuning.
Waarom een Proof of Concept-fonds binnen DRO-DMI?
Door een Proof of Concept-fonds op te zetten, faciliteert AMS Institute de valorisatie van onderzoek en helpt het onderzoeksresultaten om te zetten in praktische tools en diensten. Het fonds biedt de mogelijkheid om innovaties binnen DRO op te schalen, waardoor een grotere maatschappelijke en economische impact wordt gecreëerd.
Deze samenwerking werkt ook andersom: het stelt uitdagingen en wensen vanuit DRO—zelfs die met hoge inherente risico’s—in staat om te worden vertaald naar nieuwe wetenschappelijke onderzoeksprojecten. Door praktijkgerichte behoeften te integreren in onderzoek, wordt innovatie beter afgestemd op echte maatschappelijke uitdagingen.
Wat doet het PoC-fonds?
Het team fungeert als een brug tussen wetenschappelijke innovaties en concrete uitdagingen waarmee gemeenten en vervoersbedrijven te maken hebben. Het versnelt de uitwisseling tussen onderzoek en praktijk door experimenten en de ontwikkeling van prototypes te ondersteunen, zodat stedelijke belanghebbenden de waarde ervan kunnen beoordelen.
Tussen 2024 en 2026 zal het DRO-DMI-team 20 PoCs financieren. Onderzoekers van academische partners kunnen hier voorstellen indienen.
Alle PoCs worden ondersteund door een toegewijd PoC-team bij AMS Institute. Meer informatie over het team vind je hier [link naar tekst op AMS website].
Proof of Concept projecten binnen DRO
Lopend en in afronding
- Walkability
- Verantwoorde Dataverzameling ondervertegenwoordigde groepen
- Loopstromen model
In de pijplijn
- Verkenning TikTok rijen
- Dynamisch curb management
- Fietsdata gebruik
- Tunnel Objectherkenning
- Verantwoorde (data)infrastructuur voor steden
- Verkeerslichten
- Hubs
- AI Orkestratie
Hoe kan de software voor de analyse van wandel-vriendelijkheid beter afgestemd worden op de behoeften van steden-bouwkundigen? Deze Proof of Concept beschrijft praktijkgericht onderzoek naar de tool CTstreets, waarbij planners, ontwerpers en beleidsmakers werden betrokken. Op basis hiervan stellen de onderzoekers een vierlaags raamwerk voor dat zich richt op gebruikersgerichte ontwikkeling, duidelijkheid van doel, aansluiting bij de waarden van professionals en de vertaling van inzichten naar concrete actie. Om steden echt leesbaarder te maken, is inzicht nodig in hoe, waarom en waar mensen lopen — en dat vraagt om betere tools. Tools die verder gaan dan fraaie kaarten en slimme algoritmen; ze moeten aansluiten bij de behoeften van stedenbouwkundigen én de gemeenschappen die zij vertegenwoordigen.
De casus CTstreets laat zien dat een goed ontworpen tool, ontwikkeld samen met professionals, steden kan helpen om veiligere, inclusievere en beter beloopbare straten te realiseren voor iedereen.
Hoe verzamel je mobiliteitsgegevens van ondervertegenwoordigde groepen? Bestaande mobiliteitsmodellen zijn vaak gebaseerd op algemene aannames en missen de werkelijke ervaringen van kwetsbare verkeersdeelnemers. Deze Proof of Conept bekeek het ethisch en effectief verzamelen van voetgangersmobiliteitsdata.
Via GPS-tracking, in-app enquêtes en interviews werd een privacybewuste aanpak getest, die samen met de deelnemers zelf is ontwikkeld.
De studie laat zien dat het waardevol is om mobiliteitsdata van kwetsbare groepen te verzamelen, mits dit op een ethisch en inclusieve wijze gebeurt. Door deelnemers actief te betrekken en privacy en gebruiks-vriendelijkheid centraal te stellen, biedt deze aanpak een herhaalbaar model voor toekomstige dataverzameling. Steden die een inclusiever mobiliteitssysteem willen ontwikkelen, kunnen dit meenemen in de inrichting van straten, trottoirs en mobiliteitssystemen.
Hoe neem je als gemeente goed onderbouwde beslissingen over de verdeling van schaarse openbare ruimte, als betrouwbare data over voetgangersintensiteiten ontbreekt? Uit deze studie bleek dat loopstroom-modellen concreet kunnen worden verbeterd door:
1. Expliciete modellering van drukke herkomst-bestemmingsstromen (tussen stations en andere belangrijke attractie-punten).
2. Modelcorrecties voor nauwkeurigere schattingen daar waar de model-uitkomsten sterk afwijken.
3. Een koppeling te maken met beschikbare loopruimte en capaciteitsknelpunten om te kunnen prioriteren in de verdeling van ruimte tussen voetgangers, fietsers en gemotoriseerd verkeer.
De belangrijkste aanbeveling aan gemeenten is om te investeren in het opschalen en inbedden van deze verbeteringen in bestaande gemeentelijke werkprocessen, GIS-omgevingen en digital twin-platforms.