De gereedschappen

De methodologie is ontwikkeld door iRAP in samenwerking met de AIP Foundation en Anditi. Het is bedacht om bestaande databronnen te benutten, of ze nu open source zijn of beveiligd via koopovereenkomsten. Het primaire doel is om dataverzameling te optimaliseren, toegang tot relevante informatie te garanderen en tegelijkertijd kosten te minimaliseren. De methode maakt gebruik van algemeen beschikbare attributen in macro-level analyses van voetgangers en gebruikt deze om scholen te rangschikken van hogere naar lagere verkeersveiligheidsrisico's voor voetgangers.

De kenmerken worden vervolgens gecategoriseerd in vier verschillende analytische niveaus, waarbij de methode de hoeveelheid verzamelde gegevens vermindert naarmate het niveau vordert. Op elk niveau worden de scholen gerangschikt en alleen de scholen met een hoog risico gaan door naar de volgende analysefase. De methodologie is gedocumenteerd in de rapport Big Data-analyse: Methodologie voor het beoordelen van scholen met een hoog risico.

Alle voetgangersbeoordelingspinnen die door studenten op YEA worden gerapporteerd, worden direct geïntegreerd in het SR4S-platform om gebieden met hoge concentraties pinclusters te identificeren en die punten te prioriteren voor gedetailleerde beoordeling van infrastructuur via SR4S. De YEA fungeert als een veelzijdige tool voor gegevensverzameling en meer, en dient als een leidend platform voor het delen van waardevolle inzichten met betrekking tot de percepties van jongeren van de wegomgeving.

YEA is beschikbaar voor gebruik en data is open voor visualisatie. Neem contact op met het projectteam om de app in uw projecten te gebruiken of om toegang te krijgen tot de data.

Meer informatie is beschikbaar in de YEA-website.

De lijst met scholen met een hoog risico die is gescreend met behulp van de Big Data-methode, gecombineerd met gegevens die zijn gerapporteerd door YEA-gebruikers, onderging een diepgaande beoordeling van de veiligheid van de infrastructuur met behulp van de SR4S-beoordelingstools om upgrade-aanbevelingen te produceren. Resultaten van de sterrenclassificatie, waarbij vijf sterren het veiligst zijn en 1 ster het minst veilig, worden op elke site gegenereerd. Scholen met een lage sterrenclassificatie van 1 of 2 sterren krijgen prioriteit van de overheid in het renovatieplan. Meer informatie over SR4S is beschikbaar op de programma website. De kern van SR4S is een nauwkeurig systeem voor gegevensverzameling met behulp van de wereldwijde iRAP-standaard. Getrainde programmeurs volgen gestandaardiseerde richtlijnen om systematisch gegevens over verschillende kenmerken te verzamelen. Deze systematische en kwaliteitsgegarandeerde aanpak vormt de basis voor het berekenen van verkeersveiligheidsrisico's en zorgt voor een grondige en nauwkeurige beoordeling.

Voor meer informatie over de SR4S-toegang bezoek starratingforschools.org

De projecten

Logo	Beschrijving	Meer informatie
	AI&Me: project ter ondersteuning van jongeren voor veiligere wegen, ondersteund door Stichting Botnar En  Stichting FIApleit voor het gebruik van digitale technologieën om het welzijn van jongeren in stedelijke omgevingen te verbeteren.	Klik hier om het eindrapport van het project te lezen Klik hier om toegang te krijgen tot de schaalbaarheidsmogelijkheden van het project
	Het project AI&Me: Leveraging AI tool for road safety impact, gefinancierd door Google.org, maakt gebruik van kunstmatige intelligentie (AI), de sterrenclassificatie voor scholen van iRAP en het partnerschap met AiRAP om schoolreizen met minimaal 3 sterren mogelijk te maken en verkeersongevallen aan te pakken, die wereldwijd de belangrijkste doodsoorzaak zijn onder kinderen en jongeren.	Klik hier voor meer informatie