MiRRORS - Multiscale integrated traffic observatory for large road networks

Reliable and complete traffic information is critically important for Intelligent Transportation Systems (ITS). From personal traffic apps to traffic control centers, the efficiency and effectivity of the services delivered require accurate and reliable traffic estimations and predictions. In this project, we develop a new innovative multi-scale framework that can deliver these for large road traffic networks using whatever data sources are available. Our approach is unique in the world. First, we develop hybrid approaches where we combine pattern recognition and classification approaches with state-of-the-art traffic flow models. Second, we develop integrated multi-scale solutions, in which traffic information we estimate on one scale level is used to support and strengthen estimation and prediction on other levels. Third, we develop a distributed approach that is robust and scalable for large-scale road networks. 

 In MiRRORS we collaborate with: NDWMezuro & DAT.MobilityCGIRHDHV

MiRRORS is a 1.3 Million Euro (3 PhD + 2Postdoc + Investments) project granted by NWO/TTP in the Open Technology  program. Moreover, there is a significant inkind support from our partners that amongst other things includes using the unique demand data of Mezuro. MiRRORS is led by prof Hans van Lint in close collaboration with prof Alexander Verbraeck.

Expected start and end dates: Feb 2018 - Feb 2022

__________________________________________________________________________________________________________________________________

MiRRORS Online Seminar (2nd December 2020)

 02 December 2020 \ 13:30 - 17:00 uur | Online seminar "Spiegels op de werkelijkheid"
De tussenstand in het TU Delft/NWO project MiRRORS: Multiscale integrated Traffic Observatory for Large Road Networks.

Betrouwbare en volledige verkeer- en vervoersinformatie is van cruciaal belang voor een grote variëteit aan diensten: van persoonlijke navigatieapps, tot verkeersmanagement toepassingen in verkeerscentrales en data diensten voor het ondersteunen van beleidsanalyses en model studies. 

MiRRORS, een NWO project getrokken door TU Delft, heeft als doel om nieuwe, innovatieve methodes te ontwikkelen voor het schatten en voorspellen van verkeerspatronen in grote netwerken op basis van een grote hoeveelheid verschillende gegevensbronnen.

De onderzoeksbenadering in MiRRORS is uniek. We kiezen voor hybride benaderingen, waarbij AI methodes worden gecombineerd met geavanceerde verkeerstroommodellen en network science. We werken ook aan geïntegreerde zgn multi-scale oplossingen, waarbij de informatie die op één schaalniveau wordt geschat of voorspeld wordt gebruikt om schattingen en prognoses op andere niveaus te schragen en te verbeteren. Tenslotte werken we aan schaalbare oplossingen die ook werken voor (hele) grote wegennetten.

MiRRORS wordt getrokken door Prof. Hans van Lint van de faculteit Civiele Techniek en Geowetenschappen. In het kader van MiRRORS werkt de TU Delft samen met NDW, Mezuro en DAT.Mobility, CGI en RHDHV.

Dit werk maakt deel uit van het onderzoeksprogramma MiRRORS met projectnummer 16720 dat (mede)gefinancierd is door de Nederlandse Organisatie voor Wetenschappelijk Onderzoek (NWO)

Proof of Value 3D & Linked Data Demonstrator - CGI 

Explainable traffic prediction with deep learning - DiTTLab

Toegevoegde waarde van voorspellen in verkeersregelingen - DiTTLab

A Hybrid Approach on multi-scale demand estimation and prediction - DiTTLab