AI toepassen op verkeersmanagement: Slimme steden, slimme systemen

Lourenço Bandeira - Data Scientist Schréder Hyperion
Lourenço Bandeira
Data Scientist - Schréder Hyperion

Nu steden wereldwijd gestaag groeien, moeten leiders slimme, verbonden stedelijke ruimtes bouwen die prettig zijn om in te wonen en waar iedereen zich gemakkelijk in kan voortbewegen. Al jaren, sinds mijn studie aan het Instituto Superior Técnico in Lissabon, ben ik gefascineerd door het potentieel van AI. Ik heb samengewerkt met de U.S. Geological Survey en projecten ondersteund bij NASA om nauwkeurige kaarten van Mars te maken. Samen met mijn collega's bij Schréder Hyperion proberen we AI in te zetten om één van de grootste uitdagingen van stedelingen wereldwijd op te lossen: hoe komen we van files af?
 

Het stroomt, totdat het niet meer stroomt

Één van de belangrijkste uitdagingen waar slimme steden voor staan, is het beheren van verkeersopstoppingen en het verbeteren van de mobiliteit voor hun inwoners. Hoe goed het verkeer zich verplaatst, heeft niet alleen invloed op de efficiëntie en productiviteit van het stadsleven, maar ook op het milieu, de gezondheid en de veiligheid van mensen. Daarom is het voor slimme steden van cruciaal belang om de verkeersstroom te monitoren en te optimaliseren met behulp van innovatieve oplossingen op basis van gegevens en technologie.

Onze nieuwe whitepaper, An Insight into Traffic Analysis with Computer Vision bespreekt hoe AI stedelijke autoriteiten kan helpen verkeersstromen te meten op een manier die de privacy respecteert, geen menselijke input vereist (en dus tijd en geld bespaart) en bruikbare, gedetailleerde gegevens oplevert over hoe en wanneer burgers gebruik maken van wegen. Inzicht in verkeersstromen is essentieel voor het optimaliseren van mobiliteit in de openbare ruimte, maar traditionele maatregelen voor het monitoren ervan zijn arbeidsintensief, bevatten geen gedetailleerde informatie over het type voertuig en kunnen belangrijke details missen.

In ons project, dat werd ondersteund door de Portugese tak van het Horizon 2020-programma van de EU, gebruikten we stedelijke verlichtingsinfrastructuur om een oplossing te testen voor het meten van de verkeersstroom op belangrijke kruispunten. Er werd een AI-gestuurd edge computing-apparaat gebruikt en geïnstalleerd in openbare straatlantaarns. Deze apparaten waren uitgerust met twee vision-sensoren die werden gebruikt voor meerdere verkeerstoepassingen. Er werden drie demonstratiepilots geïnstalleerd in Lissabon, in de gemeenten Cascais, Loures en Oeiras, op negen kruispunten; de resultaten toonden aan dat AI zeer nuttig is voor het monitoren van verkeer en kan helpen toekomstige projecten op deze locaties te ondersteunen.

Schréder installed sensors on street lights at key junctions to measure traffic as part of a research project
Sensoren werden geïnstalleerd op belangrijke kruispunten in het stedelijke gebied van Lissabon om de verkeersdichtheid te analyseren

 

Sensoren

Op deze negen verkeersknooppunten installeerden we een camera, een geluidssensor en een radar op de lantaarnpaal. Dit betekende dat het systeem voetgangers, auto's, fietsen, vrachtwagens... en passerend verkeer kon detecteren. Op de drukkere kruispunten hielden we 24 uur per dag toezicht. Op plekken waar een grote verkeersstroom en conflicten werden verwacht hielden we met name toezicht tijdens de spitsuren. Bij de andere kruisingen keken we 's nachts naar woonwijken, waar het doel was om momenten van potentieel overmatig lawaai te identificeren.

De gegevens werden twee maanden lang verzameld en per apparaat werd ongeveer 30 dagen aan gegevens verzameld. De volledige technische details zijn te vinden in de whitepaper, maar het belangrijkste om op te merken is dat er geen mens aan het werk was om de gegevens te controleren - het werd allemaal gedaan door AI. Het Deep SORT-algoritme werd gebruikt om objecten op te sporen die door het visiemodel waren gedetecteerd en die vervolgens werden geteld. Dankzij de verschillende camerahoeken kon de AI onderscheid maken tussen auto's, bussen, vrachtwagens, motoren en fietsen.

We hebben aan het begin een korte handmatige controle uitgevoerd om er zeker van te zijn dat de voertuigen correct werden geregistreerd en dat bleek inderdaad het geval te zijn: op een gegeven moment meldde het systeem geen voertuigen meer, maar registreerde het plotseling veel voetgangers. Een snelle controle wees uit dat de weg was afgesloten voor een marathon!
 

Gegarandeerde privacy

Één van de grootste zorgen over de infrastructuur van slimme steden is de balans tussen de privacy van burgers en systemen die zinvolle informatie leveren. Schréder werkt al jaren aan manieren om deze balans te vinden en één van de meest effectieve oplossingen staat bekend als "edge processing". Door gegevens dichter aan de 'rand' van het netwerk te verwerken – de plek waar het armatuur, mast of sensor zich bevindt - kunnen de gegevens blijven waar ze nodig zijn, in plaats van informatie van en naar de cloud te moeten sturen, of naar een eigen server die zich honderden kilometers verderop kan bevinden. In plaats van beelden te versturen, stuurt de sensor alleen een klein aantal tekstgegevens en een tijdstempel naar de cloud om te laten weten dat een bepaald type voertuig is gepasseerd. Geen beeld of geluid. Dit bespaart ook verwerkingstijd.

We hebben de AI-algoritmen die in de kleine computer op de lantaarnpaal draaien geperfectioneerd. Met dit project willen we een nieuw paradigma ontwikkelen van lokaliseerbare, interoperabele, cyberveilige, veerkrachtige, autonome en verbonden stedelijke infrastructuur, die als ruggengraat zal dienen voor de implementatie van faciliterende technologieën en apparatuur voor de overgang naar een slimme stad. Één waar we kunnen zien hoe het verkeer stroomt zonder de privacy van burgers in gevaar te brengen.
 

Observatie, aangedreven door AI

Deze eerste studie leverde een aantal inzichten op in het verkeersvolume op verschillende tijdstippen van de dag, het spitsverkeer en interessante details over het weggebruik. Één kruising vertoonde bijvoorbeeld een abnormale piek in het verkeer richting het noorden op zaterdag. Deze piek is vergelijkbaar met de waargenomen waarden voor de spits, maar iets later (de piek duurt tot 11 uur 's ochtends), wat waarschijnlijk overeenkomt met auto's die naar het winkelcentrum gaan dat een paar meter ten noorden van de rotonde ligt.

Inzichten als deze kunnen steden helpen betere beslissingen te nemen over verkeersstromen. Hier kan bijvoorbeeld de timing van verkeerslichten aangepast worden om het winkelend publiek sneller de weg op te helpen. Stedenbouwkundigen die veel fietsverkeer zien op bepaalde wegen zouden kunnen besluiten om daar fietspaden aan te leggen. Betere gegevens maken betere beslissingen mogelijk en AI-oplossingen kunnen meer verfijnde inzichten over verkeersstromen bieden dan menselijke waarnemers.

Dit project staat voor de succesvolle implementatie van een AI-gebaseerd edge computing-apparaat voor het meten van de verkeersstroom op belangrijke kruispunten op basis van een multi-sensor, dat in staat was om het effect van het spitsverkeer vast te leggen en waardevolle inzichten te verschaffen in verkeersstroompatronen. Bovendien was de oplossing in staat om zowel overdag als 's nachts zinvolle gegevens op te halen. Dit project is een stap in de richting van de ontwikkeling van een nieuw paradigma voor de stedelijke infrastructuur van morgen - waarbij verkeersopstoppingen hopelijk tot het verleden behoren.

 

Download de whitepaper voor meer informatie
 

Over de schrijver
Al op jonge leeftijd gefascineerd door wetenschap, wijdde Lourenço zich na zijn afstuderen 14 jaar aan het verkennen van de geologie van Mars en enkele van zijn aardse analogen (zoals Antarctica, Arctische en droge woestijnen) door middel van teledetectie en zwaar veldwerk bij Técnico, de grootste school voor Ingenieurswetenschap, Wetenschap en Technologie in Portugal.  
In 2019 was hij een van de eerste medewerkers die zich bij Schréder Hyperion, ons Smart City Center of Excellence, voegde. Hij kwam bij het team omdat hij ervan overtuigd is dat technologie, en met name kunstmatige intelligentie, een belangrijke troef kan worden om stedelijke problemen aan te pakken en het leven beter te maken. Hij richt zich op het ontwikkelen van AI-applicaties voor Smart Cities om technologie voor stedelijke mobiliteit en slimme openbare infrastructuren te verbeteren, van ideevorming tot prototypes. 

Volg Lourenço op LinkedIn.