Artificiële intelligentie voor geodata
Artificiële intelligentie (AI) en geodata: een krachtig combo

Geo-AI is de kunst van het toepassen van Artificiële Intelligentie technieken op grote volumes geografische data om ruimtelijke problemen op te lossen. Het meest gekend zijn ongetwijfeld Computer Visie technieken. Maar GeoAI is zo veel meer. Via tijdreeksanalyse en predictief modelleren slagen we erin om geodata nog meer te verrijken en te anticiperen op toekomstige ontwikkelingen.
Meer zien met computervisie
Computervisie is gemodelleerd op de werking van het menselijke brein om informatie uit digitale beelden te halen. Het combineert een reeks beeldfilters gestapeld in zogenaamde deep convolutional of transformer gebaseerde networks. Deze netwerken worden specifiek getraind om kenmerken uit beelden te identificeren.
Als we deze technieken toepassen op luchtfoto's en satellietbeelden kunnen we informatie verzamelen die nuttig is voor een hele reeks toepassingen.
Gebouwen detecterenEen neuraal netwerk brengt elke pixel van een luchtfoto in kaart en gaat na of deze al dan niet tot een gebouw behoort. Het resultaat wordt vergeleken met bestaande gebouwpolygonen. |
![]() |
De leeftijd van gebouwen bepalenDoor de gebouwdetectie te herhalen op tijdreeksen van topografische kaarten, orthofoto’s en satellietbeelden bepaal je voor elk gebouw in welke periode het is gebouwd. |
![]() |
Dakobjecten identificerenComputervisie identificeert zelfs kleinere objecten op daken, zoals zonnepanelen, dakramen en air conditioning units. Deze informatie integreren we in Belmap ondermeer om het energiepotentieel en energiegebruik van gebouwen te bepalen. |
|
Bodembedekking bepalenIn een zogeheten multiclass-beeldsegmentatie wordt elke pixel van een beeld toegewezen aan de meest waarschijnlijke categorie. Het resultaat: een uiterst gedetailleerde landbedekkingskaart. |
![]() |
Mobiele beelden analyserenComputervisie is niet kieskeurig. Het werkt met beelden verzameld uit professionele 360°-camera’s maar ook met smartphonefoto’s. Met deze beelden beoordeel je de kwaliteit van het wegdek of identificeer je verkeersborden, straatmarkeringen, bomen en straatmeubilair … |
![]() |
Toveren met pixels dankzij superresolutie
Hoe nauwkeurig je aan beeldherkenning doet, hangt in grote mate af van de beeldresolutie. Geen hoge resolutie beschikbaar? Geen nood, computervisie kan de resolutie van het beeldmateriaal kunstmatig verhogen met een factor 4.
Computers voorspellen de toekomst
Geo-AI beperkt zich niet tot computervisie. Taalverwerkingstechnieken (natural language processing) scannen documenten op zoek naar geografische inhoud. Tijdreeksanalyse spoort patronen op en maakt voorspellingen voor toekomstige verkeersstromen, parkeerbezetting of stedelijke hittestress.
Machine learning-technieken worden ook gebruikt om eigenschappen van objecten te voorspellen zoals bijvoorbeeld de waarde en energieprestatie van gebouwen. Modellen worden getraind op bekende informatie over bestaande gebouwen. Zo leert het model om een reeks basiseigenschappen zoals volume, type, leeftijd, aard en dakkenmerken te linken aan de energieprestaties. Eens de modellen getraind zijn, worden ze ingezet om de prestaties van het volledige gebouwenbestand in te schatten.
Ook sterkere inzichten verwerven via Geo-AI?
Contacteer ons
Uw gegevens zijn succesvol doorgestuurd.
Error!
Jouw contactpersoon

Steven Smolders
+32 49 8976843 +32 49 8976843
Service Desk
Al klant? GIM helpt je verder.
Klantendienst