AI-gebaseerd verkeersmanagement
Is AI-gebaseerd verkeersbeheer op weg om standaard te worden in Denemarken? Effectieve verkeerssignaalregeling met behulp van AI en objectgebaseerde verkeersgegevens kan helpen om files te verminderen, de verkeersveiligheid te verbeteren en de uitstoot te verlagen, terwijl het bijdraagt aan het behalen van de klimaatdoelstellingen van de VN door het bevorderen van duurzame stedelijke mobiliteit. De vooruitzichten zijn veelbelovend.
Illustratie van het principe achter SMART AI van SWARCO Technology
Het beheer van verkeerssignaleringssystemen in Denemarken is steeds geavanceerder geworden. Tegenwoordig worden bijna uitsluitend “slimme” sensoren gebruikt, die grote hoeveelheden gegevens kunnen genereren die direct kunnen worden gebruikt om de signaalverandering in moderne verkeerssignaleringssystemen te regelen. Kunstmatige intelligentie (AI) om de grote hoeveelheid verkeersgegevens te verwerken is de afgelopen jaren toegepast bij de ontwikkeling van signaalregelalgoritmen die min of meer de behoefte aan groen kunnen “voorspellen” en de wachttijden binnen de signaalgroepen van het systeem kunnen optimaliseren.
DETECTOR DATA
Traditioneel vindt communicatie tussen detectoren en de regeleenheid van een signaalsysteem plaats door eenvoudige detectoruitgangen (aan/uit) naar de I/O-ingangen van de regeleenheid te sturen. Daarna verwerkt de regeleenheid de verschillende ingangen op basis van de logica en criteria die zijn vastgelegd in het verkeerssignaalprogramma.
Met moderne sensoren met ingebouwde gegevensverwerking kunnen de criteria voor de inputs die naar de verkeersregelaar worden gestuurd afhankelijk worden gemaakt van de stoplijnafstanden, snelheden, verwachte aankomsttijd (ETA) en classificatie (grootte) van de voertuigen. Door de verkeersregelaar de 'ruwe' gegevens van de sensoren te laten verwerken in plaats van dit in elke individuele sensor te laten gebeuren, kan de besturing van het kruispunt worden gebaseerd op de totale hoeveelheid beschikbare gegevens. Elke sensor vormt een onafhankelijke gegevensbron, waarbij de locatie, verplaatst op basis van de positie van de sensor (lokaal coördinatensysteem). Real-time gegevens van elke individuele sensor moeten worden verzameld, gevalideerd, geformatteerd en samengevoegd in een gestructureerde vorm.
Foute gegevens moeten worden verwijderd en vervangen door geldige, “duplicaten” gereduceerd, enz. Dit proces is natuurlijk erg ingewikkeld en vereist diepgaande kennis van de interface. Naast de detectorgegevens die de verkeersregelaar ontvangt via het bijbehorende sensorsysteem, kunnen gegevens ook worden verzameld via GPS-systemen van auto's. Veel autofabrikanten sturen gegevens van hun voertuigen naar cloud-gebaseerde systemen. Veel autofabrikanten sturen gegevens van hun voertuigen naar cloud-gebaseerde systemen.
Dit maakt deel uit van de ontwikkeling van moderne autotechnologie, waardoor fabrikanten gegevens kunnen verzamelen en analyseren om de prestaties, veiligheid en gebruikerservaring van de auto te verbeteren. Op de lange termijn zou de toegang tot deze gegevens kunnen worden opgenomen in de gegevens binnen de signaalgroepen van het systeem. ment, enz. van elk individueel object is de basis van signaalcontrole.
AI INTEGRATED IN THE TRAFFIC CONTROLLER
Het reinforcement learning (RL)-model dat wordt gebruikt voor het optimaliseren van de groentetoewijzing in een verkeerssignaleringssysteem kan in wezen als volgt worden beschreven:
1. Het optimalisatiedoel van het model is om groentijd toe te wijzen aan de seingroep (of -groepen) die de grootste “impact” heeft op het verminderen van de totale gewogen vertraging in het systeem.
2. Het model berekent continu de huidige totale gewogen vertraging op basis van geregistreerde en verwachte gegevens. Dit wordt gedaan door de vertragingen van individuele objecten verdeeld over signaalgroepen bij elkaar op te tellen.
3. De enige actie van het model is in wezen om te beslissen welke seingroep (of -groepen) op dat moment groen moet(en) zijn om het optimalisatiedoel te bereiken. Een signaalgroep kan worden opgeschort totdat een drempelwaarde voor de maximale wachttijd voor die signaalgroep is bereikt, waarna de signaalgroep moet worden geactiveerd.
4. Het model volgt de ontwikkeling van de gemiddelde vertraging van het systeem en “leert” bepaalde patronen te herkennen, die het gebruikt in zijn beslissingen.
REINFORCEMENT
MACHINAAL LEREN
is een tak van kunstmatige intelligentie waarbij een algoritme beslissingen leert nemen door feedback te ontvangen als resultaat van zijn beslissingen/acties. Het algoritme ontvangt beloningen of straffen op basis van zijn acties en probeert zijn geaccumuleerde beloning in de loop van de tijd te maximaliseren.
LIDAR
AND RADAR
zijn twee verschillende technologieën die worden gebruikt voor het detecteren en volgen van objecten in verkeerssensoren.
LIDAR gebruikt laserlicht om afstanden te meten door korte pulsen laserlicht uit te zenden en de tijd te meten die het licht nodig heeft om teruggekaatst te worden naar de sensor. Deze tijd wordt zeer nauwkeurig gemeten, wat nauwkeurige afstandsmetingen oplevert.
RADAR gebruikt radiogolven (elektromagnetische golven) om afstanden en snelheden te meten door radiogolven uit te zenden en de vertraging en het dopplereffect van de teruggekeerde golven te meten. Dit maakt RADAR geschikter voor het meten van snelheden.
DE DUURZAAMHEIDSDOELEN VAN DE VERENIGDE NATIES
omvatten gerichte inspanningsgebieden om verkeersgerelateerde milieuhinder te verminderen en duurzame mobiliteit te bevorderen. Deze doelen omvatten het verminderen van luchtvervuiling, geluidsoverlast en CO2-uitstoot om het stadsmilieu en de volksgezondheid te verbeteren. De VN-doelstellingen omvatten ook initiatieven om het aantal verkeersongevallen te verminderen en veiligere verkeersomstandigheden te creëren door middel van verkeersveiligheidsmaatregelen en onderwijs.
VERKEER
ONGEVALLEN
kosten de samenleving elk jaar veel geld in termen van welvaartsverlies, verloren levensjaren, ziekenhuiskosten, thuiszorg en revalidatie, ziekteverzuim, enz.
- Een verkeersdode kost ongeveer 5 miljoen euro.
- Een ernstig gewonde kost ongeveer 1 miljoen euro.
- Een lichtgewonde kost ongeveer 100.000 €. Bron: Prijzen Vervoers Economische Eenheid, DTU 2022
BETERE BENUTTING VAN GROENE TIJD:
Het algoritme/model wijst groene tijd toe 7 Het model 'leert zichzelf' welke gegevens naar de verschillende signaalgroepen gaan op basis van een optimalisatiedoelstelling om de gemiddelde wachttijd van het totale systeem te verminderen. Door verschillende gewichten toe te kennen aan bepaalde richtingen en/of verkeersgroepen kan prioriteit worden gegeven, omdat de optimalisatie dan gebaseerd is op de gemiddelde gewogen wachttijden van het systeem. Zo kan bijvoorbeeld gemakkelijk prioriteit worden gegeven aan 'zachte' weggebruikers en/of openbaar vervoer. Het model kan de werkelijke computationele doorgangstijd voor elke signaalgroep registreren als invoer voor het optimalisatiealgoritme.
behoren tot elke signaalgroep, wat betekent dat het model zelf de rijstrookverdeling en stopstrepen bepaalt. Daarom past het model zich aan bij wegwerkzaamheden waarbij rijstroken worden verminderd of verplaatst. Als de richting van een sensor wordt veranderd of vervangen, kalibreert/corrigeert het model zelf de invoer van de sensor, enz. SWARCO Technology test momenteel zijn SMART AI-algoritme in twee bestaande faciliteiten in Denemarken en de eerste resultaten wijzen erop dat zelfs in nieuwere verkeersgeregelde faciliteiten verbeteringen in de gemiddelde wachttijden van meer dan 5-10% kunnen worden bereikt door het AI-optimalisatiealgoritme de verdeling van de groentijd te laten bepalen.
DE VERKEERSVEILIGHEID VERBETEREN
Naast het optimaliseren van de verdeling van de groentijd moet een verkeersregelaar ook in staat zijn om groenfasen veilig te beëindigen. Door de analyse van objectgegevens moeten verkeersregelaars het groene licht verlengen zolang er zich twee of meer voertuigen op dezelfde rijstrook bevinden binnen de selectiezone. Dit betekent binnen een afstand van de stopstreep en met een snelheid waarbij het mogelijk is om zowel te stoppen als door te rijden door een oranje licht. Deze aanpak kan het risico op kop-staartbotsingen verkleinen. Als het verkeerslichtsysteem zich in een landelijk gebied bevindt, waar de maximumsnelheid 70 km/u of hoger is, moet de verkeersregelaar ook het groene licht kunnen verlengen zolang er een voertuig meer dan vier seconden van de stopstreep verwijderd is, maar dichter bij de stopstreep dan de huidige stopafstand (de dilemmazone). Dit kan het risico op roodlichtbotsingen (zijdelingse botsingen) verminderen. De signaalcontrole moet ook in staat zijn om de activering van conflicterende signaalgroepen uit te stellen als het kruispuntgebied niet ontruimd is (inter-groen verlenging). Voorbeelden van dit soort “event detection” zijn bijvoorbeeld links afslaand verkeer, voetgangers op de oversteekplaats of op de rijbaan, enz. Als LIDAR-sensoren of thermische camera's met objectvolgtechnologie worden gebruikt voor detectie in het kruispuntgebied, kan het algoritme bijna-ongelukken detecteren op basis van de relatieve posities, snelheden en richtingen van de objecten.
NO SIGNAL PROGRAMMES OR PROGRAMMING
Bij het gebruik van AI-gebaseerd verkeersmanagement is het niet nodig om een signaalprogramma in de verkeersregelaar te laden. Als het algoritme eenmaal is ontwikkeld, kan het in principe algemeen worden gebruikt. SWARCO's SMART AI maakt gebruik van een parametergebaseerde gebruikersinterface, waar de basisvoorwaarden en regelparameters van het systeem worden ingevoerd. Dit omvat informatie over:
- De signaalgroepen van het systeem
- De onderlinge afhankelijkheid/afhankelijkheid van de signaalgroepen- Conflict-/inter-groentijdenmatrix
- Minimale groentijden voor de afzonderlijke signaalgroepen
- Maximale wachttijden voor de afzonderlijke signaalgroepen
- Prioritering (weging) van de afzonderlijke signaalgroepen en/of verkeersklassen
Als het besturingsapparaat is aangesloten op het internet of geïntegreerd in bijvoorbeeld een monitoringsysteem, kan de prioriteringstoewijzing aan de afzonderlijke signaalgroepen en de effectiviteitsbewaking worden uitgevoerd via een online dashboard. De parametergebaseerde gebruikersinterface biedt eenvoudige toegang tot wijziging en aanpassing van het besturingsalgoritme en zorgt zo ook voor een hoge mate van leveranciersonafhankelijkheid.
SMART AI Dashboard met realtime en historische gegevens: Huidige verkeersstroom en overzicht van cyclustijden
HET UPGRADEN VAN BESTAANDE VERKEERSSIGNALERINGSSYSTEMEN IS EEN GOED IDEE, OOK VANUIT ECONOMISCH OOGPUNT.
Doorgaans kan een bestaand verkeerssignaleringssysteem worden uitgebreid met sensoren met objectvolgtechnologie en AI-gebaseerde besturing voor een bedrag tussen € 20.000 en € 40.000, afhankelijk van de vraag of de bestaande besturingseenheid kan worden hergebruikt. Een investering van deze omvang kan vaak binnen een paar maanden worden terugverdiend, alleen al in termen van verwachte besparingen op ongevallen. Daarnaast zijn er langetermijneffecten op het klimaat en de volksgezondheid. Omdat de besturing van het verkeerssignaleringssysteem zelfoptimaliserend en zelfcontrolerend is, blijft de behoefte aan 'menselijk' ingrijpen beperkt tot fysiek onderhoud. Het bewaken en optimaliseren van verkeerssignaleringssystemen met behulp van kunstmatige intelligentie (AI) heeft aanzienlijke voordelen die niet handmatig kunnen worden bereikt. Vooral in tijden waarin menselijke middelen vaak schaars zijn, kan AI op verschillende manieren een cruciale rol spelen bij het verbeteren van verkeerssignaleringssystemen.
Het gebruik van AI maakt automatische realtime monitoring en snelle reacties op veranderende verkeersomstandigheden mogelijk. Hoewel mensen het verkeer kunnen monitoren, is het vaak moeilijk om direct te reageren op plotselinge files, ongelukken of wegwerkzaamheden. AI-systemen kunnen grote hoeveelheden gegevens van sensoren, camera's en andere bronnen in enkele seconden analyseren en de verkeersregelaar in realtime aanpassen. Dit resulteert in snellere reacties, minder wachttijd en minder vertragingen voor weggebruikers.
Het gebruik van AI houdt rekening met complexe verkeerspatronen en variabelen die mensen over het hoofd zouden kunnen zien. AI-algoritmes kunnen historische gegevens, weersomstandigheden, realtime gebeurtenissen en zelfs gegevens van voertuigen en hun GPS-systemen analyseren. Hierdoor kan de signaalregeling specifiek worden aangepast aan tijdsperioden en locaties, waardoor het verkeer zo min mogelijk wordt gehinderd. Daarnaast kan AI prioriteit geven aan verkeersveiligheid op manieren die voor mensen een uitdaging kunnen vormen. AI-systemen kunnen gevaarlijke situaties en potentiële conflicten tussen voertuigen en voetgangers detecteren. Dit maakt het mogelijk om de groentijd op kritieke locaties te verlengen, het risico op ongelukken te verkleinen en de algehele verkeersveiligheid te verbeteren.
Tot slot kan AI de klok rond werken zonder dat er pauzes of rustpauzes nodig zijn. Dit betekent dat verkeerssignaleringssystemen voortdurend worden bewaakt en geoptimaliseerd, wat resulteert in een efficiëntere signaalregeling en kortere wachttijden, ongeacht het tijdstip van de dag of het jaar. Dit niveau van constante optimalisatie is eenvoudigweg niet realistisch om handmatig te bereiken.
Uiteindelijk leidt het gebruik van kunstmatige intelligentie tot betere prestaties van verkeerssignaleringssystemen, meer gemak voor weggebruikers, kortere wachttijden en meer verkeersveiligheid. Het is een investering in zowel efficiëntie als gemak die helpt de uitdagingen aan te gaan die gepaard gaan met de toenemende verkeersdrukte in moderne steden. SWARCO Technology verwacht alleen al in 2024 10-20 AI-gebaseerde verkeersregelaars in Denemarken in gebruik te hebben genomen en ongeveer 15 in Noorwegen.