8 dagen tellen, een heel jaar weten: hoe AI fietsdata op fietssnelwegen opschaalt

Provincie Oost-Vlaanderen gebruikt Gader om met AI tijdelijke fietstellingen op te schalen naar volledige jaaroverzichten — en zo te bewijzen dat hun fietssnelwegen écht werken.

Je investeert miljoenen in fietssnelwegen. Nieuwe bruggen, comfortabele fietspaden, veilige kruisingen. Maar hoe weet je of die investeringen effect hebben? De klassieke aanpak: sensoren plaatsen, een paar weken tellen, en hopen dat het weer representatief was. Maar één regenweek in je meetperiode en je cijfers zeggen niets meer.

Voor Provincie Oost-Vlaanderen was dat precies de uitdaging. Met 13 vaste fietstelpalen en jaarlijkse tijdelijke tellingen tijdens de Fietstelweek hadden ze waardevolle data — maar niet genoeg om het volledige netwerk echt datagedreven te beheren. Hoe vergelijk je een septembertelling in Zulte met een oktoberperiode in Dendermonde als het weer totaal verschilt?

Eén AI-model op alle beschikbare fietsdata

De Provincie Oost-Vlaanderen schreef een opdracht uit om hun fietsmeetmethode te evalueren en te verbeteren. Movias won die opdracht en ging aan de slag met Gader als fundament. De eerste stap: alle beschikbare data samenbrengen. Naast de eigen provinciale telpalen en Fietstelweek-data, haalde Gader er data bij van het Agentschap Wegen en Verkeer (AWV), van Stad Gent, van Telraam-sensoren en van tijdelijke telcampagnes van andere wegbeheerders. Allemaal geharmoniseerd via de OSLO-standaard voor verkeersmetingen.

Met al die data ontwikkelde Movias een AI-model (XGBoost) dat het fietsverkeer op elk meetpunt kan voorspellen op basis van historische patronen, nabijgelegen telpunten en weersgegevens. Resultaat: een gemiddelde voorspelfout van slechts 1,66% — lager dan de meetfout van de fietssensoren zelf (1–5%).

De kracht van deze aanpak zit in wat je ermee kán. Een tijdelijke telcampagne van 8 dagen — het minimum voor betrouwbare resultaten — wordt door het AI-model opgeschaald naar een compleet jaaroverzicht. Je hoeft niet eens in september te tellen: elke representatieve week volstaat. En door weergegevens mee te modelleren, kun je jaren eerlijk met elkaar vergelijken, ongeacht of het ene jaar droger was dan het andere.

Van eenmalige studie naar blijvend inzicht

Concreet leverde de studie ook een gebruiksvriendelijke tool op waarmee de provincie zelf aan de slag kan — voor jaarvergelijkingen én voor impactmetingen rond nieuwe infrastructuur. Zo wordt deze data-analyse geen eenmalige studie, maar het begin van een blijvend datagedreven proces.

De resultaten spreken voor zich. Het fietsverkeer op de Oost-Vlaamse fietssnelwegen groeit met 9,3% per jaar — gecorrigeerd voor weerinvloed. Sinds 2021 is het totaal aantal fietsers met 42% gestegen. En rond de Annie Vande Wiele-brug in Gent, geopend in juni 2024, steeg het fietsverkeer met 54% op 750 meter afstand en zelfs 98% vlak bij de brug. Dat is geen schatting — dat is een weersonafhankelijke, statistisch onderbouwde meting.

Minstens zo waardevol: het AI-model identificeert ook data-anomalieën. In Ninove bleek een ogenschijnlijke daling van 50% verklaarbaar door een defecte sensor. Zonder AI had die fout tot verkeerde conclusies geleid.

Van losse telcampagnes en onvergelijkbare periodes naar één AI-model dat met 8 dagen data een volledig jaar voorspelt. Zo bewijst de Provincie Oost-Vlaanderen dat fietssnelwegen werken — met cijfers in plaats van aannames.