Datagedreven voorspelling en reductie van graafschades

|| Organisatie Kadaster + Agentschap Telecom + KPN
|| Eng.D. Jiarong Li (2022-2024)

|| Download thesis

Update: februari 2025

Dit project had als doel om graafschades te kunnen beperken aan kabels en leidingen. Hiervoor kiest het de ‘route’ van data en geodata-integratie. Het doel van het project was om een datagedreven methode te ontwikkelen waarmee schades kunnen worden voorspeld op basis van een graafmelding (in KLIC).

Om dit te doen, zijn in 2022 mogelijke causale factoren voor graafschade geïnventariseerd door literatuurstudie en expert-interviews. Daarna is op basis van beschikbare datasets gekeken naar hoe deze helpen om schade te kunnen voorspellen. Er is door integratie van KLIC-melding data (zgn. GIA-files) en publieke datasets (met data over de graaflocatie) een voorspelling gedaan van de kans op graafschade. Het gevolg (en dus risico) is niet meegenomen in deze analyse. Het model dat uiteindelijk gebruikt is, is een versie van XGBoost. Hierbij zijn een AUC-ROC score van 0.821 en een balanced accuracy van 0.743 behaald.

Een van de interessante bevindingen van deze studie is dat de integratie van geodata (d.w.z. liggingsgegevens) van kabels en leidingen een beperkte meerwaarde leek te bieden op de voorspelbaarheid van het model.

Het Kadaster bespreekt in 2025 met netbeheerders de verdere doorontwikkeling van (hun ondersteuning) van graafschadevoorspellers.