Waar EMI en OEM zorgen dat de data stroomt tussen de verschillende stakeholders, is AIM het brein dat de data uiteindelijk verwerkt tot informatie over aanrijdtijden. Met Bergerview zien bergers en verkeerscentrales realtime wat er zicht afspeelt binnen hun rayons en wat de positie en status van hun voertuigen is.
Voertuigsignalen met locatie
Alle betrokken bergingsvoertuigen zijn uitgevoerd met een tracker. Deze tracker verstuurt - op basis van bepaalde configuratie parameters - voertuigsignalen naar het platform. Denk hierbij aan de GPS-locatie of de status van het voertuig. Door het aantal voertuigen dat actief is zijn dit rustig meer dan 30 miljoen voertuigsignalen per maand, meer dan 10 per seconde. Dit levert een grote bak met data op die relevant is voor de berekening van aanrijdtijden.
Patronen herkennen in een zee van data
Voor Stichting IMN zijn aanrijdtijden de allerbelangrijkste metric die wordt geregistreerd. Hierbij is de grootste uitdaging het onomstotelijk op basis van feiten vaststellen welk voertuig de berging heeft uitgevoerd. Daarin schuilt een flinke uitdaging, bijvoorbeeld omdat de incident melding pas binnenkomt nadat de berger al ter plaatse is.
Dit herkennen van het voertuig doen we via:
GPS-events en incidenten: Het systeem kijkt verder dan alleen de doorgegeven locatie van een incident. Een cruciale factor is de PTO (Power Take Off): het moment dat de berger zijn takelmechaniek activeert.
Zoekscenario's: Ons algoritme weegt allerlei variabelen af. Staat een voertuig binnen een straal van 300m? Was er een PTO-signaal? En essentieel: bevond de berger zich op de juiste weg en rijbaan?
False positives: Het systeem filtert 'false positives' uit. Een berger die toevallig langs een incident rijdt zonder te stoppen, wordt bijvoorbeeld niet meegeteld.
Het examen: 100% precisie, liefst beter
Het bestaande aanrijdtijdensysteem was de norm, maar voldeed niet meer aan de moderne eisen. De lat lag echter torenhoog: het nieuwe systeem moest in 99% van de gevallen tot hetzelfde resultaat komen, óf een aantoonbaar eerlijker en beter resultaat leveren.
Om dit te bewijzen, hebben we meerdere examens afgelegd. We vergeleken duizenden resultaten uit het oude systeem één-op-één met onze nieuwe berekeningen.
Elke afwijking, hoe klein ook, werd onder de loep genomen. Was onze berekening nauwkeuriger? Was de match met het voertuig logischer? Pas toen we konden aantonen dat het nieuwe AIM consistent en eerlijk was, kreeg het systeem groen licht.