Stageopdracht: AI-toepassingen met Openbare Data voor het Sustainder Lichtmanagementplatform
Over Sustainder
Sustainder is een jong, innovatief en snelgroeiend bedrijf, die een cruciale rol speelt in de energietransitie. Dit doen wij door de openbare verlichting te transformeren naar een slimme, energiezuinige en toekomstvaste infrastructuur. Wij ontwikkelen, produceren en leveren armaturen & smart city diensten aan overheden & bedrijven en zijn actief in 10 Europese landen. Daarnaast heeft ons bedrijf een rijke geschiedenis als voormalige Philips armaturenfabriek.
Stel je voor dat alle lichtpunten in jouw stad dezelfde zintuigen zouden hebben als jij. Ze horen de geluiden om hen heen, analyseren de verkeerssituatie en meten de kwaliteit van de lucht. En wat als al die lichtpunten die data veilig zouden delen, zodat jouw lokale overheid proactief kan reageren en streven naar een duurzamere en aangenamere stad? Sustainder heeft met haar slimme openbare verlichting een sleutelrol in deze transitie, zowel nu als in de toekomst.
Zo streven we samen naar een intelligente en duurzame openbare ruimte waarin verlichting niet alleen energie bespaart, maar ook bijdraagt aan een betere leefomgeving voor iedereen.
Bedrijfscontext
Sustainder ontwikkelt slimme armaturen en een lichtmanagementsysteem dat gemeenten helpt bij efficiënt energiegebruik, betere openbare verlichting en het faciliteren van Smart City-toepassingen. Openbare datasets (bijv. verkeer, weer, veiligheid, geluid, luchtkwaliteit) worden steeds beter beschikbaar. Door AI-modellen toe te passen kunnen we onze armaturen en managementsoftware slimmer maken, bijvoorbeeld door verlichting te dimmen bij lage verkeersdrukte of juist te verhogen bij verhoogd veiligheidsrisico.
Opdrachtomschrijving
Onderzoek en ontwikkel een AI-prototype dat gebruikmaakt van één of meerdere openbare datasets om waarde toe te voegen aan ons lichtmanagementplatform. De focus ligt op:
- Datasetanalyse: welke openbare datasets zijn relevant voor verkeersdrukte, veiligheid, duurzaamheid of leefbaarheid?
- AI-toepassing: hoe kan AI deze data combineren, voorspellen of interpreteren om de verlichting slimmer aan te sturen?
- Integratieconcept: hoe kan dit worden gekoppeld aan ons lichtmanagementsysteem zodat gemeenten daadwerkelijk voordeel ervaren?
Voorbeelden van datasets
- Verkeersintensiteit (NDW, Talking Traffic, floating car data)
- Openbare veiligheid (open politiegegevens, incidentmeldingen, buurtveiligheidsindex CBS)
- Weer & omgevingsdata (KNMI, luchtkwaliteit RIVM, geluidmetingen)
- Sociaal gebruik van ruimte (open data over evenementen, mobiliteitsgedrag, fietstellingen)
Doelstellingen
- Inventarisatie van relevante open datasets en hun kwaliteit, dekking en update-frequentie
- Ontwikkelen van een AI-model dat patronen of voorspellingen kan doen (bijv. verkeersdrukte per wijk of veiligheidsrisico’s)
- Proof-of-concept koppeling met een (simulatie van het) lichtmanagementsysteem: bijv. automatisch dimmen/verhogen van lichtintensiteit afhankelijk van voorspelde omstandigheden
- Adviesrapport met aanbevelingen voor opschaling en integratie in de Sustainder-software
Verwachte resultaten
- Datasetcatalogus: overzicht van bruikbare open data, inclusief toegankelijkheid (API’s, CSV’s, real-time streams)
- Werkend AI-prototype (bijv. Python-notebook of kleine webapp) dat voorspellingen of inzichten genereert uit deze datasets
- Demo waarin een casus getoond wordt: verkeersdrukte voorspeld → verlichting past zich aan
- Eindrapport met technische en functionele aanbevelingen
Leerdoelen student
- Leren werken met open data en API’s
- Toepassen van AI/ML technieken op real-life datasets (regressie, classificatie, anomaly detection, time series forecasting)
- Inzicht krijgen in Smart City toepassingen en hoe verlichting hierin een rol speelt
- Vaardigheden ontwikkelen in data-engineering en visualisatie
- Ervaring opdoen met koppelen van AI-prototypes aan een bestaand platform
Gewenste achtergrond student
- HBO-ICT, HBO-Data Science, HBO-Technische Informatica of vergelijkbaar
- Ervaring met Python en basiskennis van AI/ML libraries (scikit-learn, TensorFlow, PyTorch)
- Interesse in smart cities, IoT en data-gedreven innovatie