Gevaarlijke hotspots beter in beeld dankzij AI
Paul Meerman
Wanneer is een verkeerslocatie onveilig? Ongevallenstatistieken zijn belangrijke indicatoren voor onveilige infrastructuur. Maar die cijfers zijn vooral gebaseerd op incidenten waarbij de politie of Rijkswaterstaat betrokken zijn, of waarbij gewonden of doden vallen. In de praktijk zijn er veel meer situaties waarin het net niet mis gaat, en die zien we tot nu toe niet terug in de statistieken. Met kunstmatige intelligentie (AI) kunnen we deze bijna-ongelukken – oftewel near misses – meenemen in de cijfers. Dat geeft nieuwe, waardevolle inzichten, zelfs voordat er echte slachtoffers vallen.
Van ongevalsdata naar continue monitoring
Statistische onderbouwing is belangrijk voor beleidsmakers. Als er op een kruispunt in enkele jaren tijd meerdere ernstige ongelukken gebeuren, is dat aanleiding om maatregelen te nemen. Toch wringt hier iets: we komen pas in actie nadat het een paar keer mis is gegaan. Bovendien is de informatie over deze ongevallen erg beperkt. We weten namelijk niet altijd waaróm de incidenten gebeuren. Ligt het inderdaad aan de infrastructuur, of is er sprake van onhandig verkeersgedrag? Of is het gewoon ongelukkig toeval?
We krijgen meer inzicht in de oorzaken als we ook de situaties bekijken waarin het nét goed gaat. Deze near misses komen veel vaker voor dan daadwerkelijke ongevallen, waardoor we meer data opbouwen die leidt tot betere informatie en nieuwe inzichten. Bovendien kunnen we preventief ingrijpen in de infrastructuur als we zien dat er heel veel near misses plaatsvinden. Dit vraagt wel om langdurige, continue monitoring van verkeerslocaties. Met AI is dit mogelijk.
FlowCube – Intelligente verkeerssensor
Technolution werkt al heel lang met Vision AI: algoritmes die zijn getraind op het werken met visuele informatie. Naar aanleiding van een groot project in Kopenhagen ontwikkelden we jaren geleden de FlowCube, een verkeerssensor die fietsers op straat kan tellen. Met meerdere FlowCubes kunnen we reistijden van fietsers door de stad berekenen. Dit alles helemaal privacy-veilig – er worden alleen tellingen opgeslagen. Inmiddels heeft deze intelligente verkeerssensor veel bijgeleerd. De FlowCube kan nu alle verkeersmodaliteiten van elkaar onderscheiden, ook bijvoorbeeld wandelaars, auto’s, vrachtauto’s, trams en bussen. Daar stopt het niet mee. In San Francisco telden FlowCubes wachtende passagiers op tramhaltes; daarbij werden rolstoelgebruikers afzonderlijk geteld. In een andere Amerikaanse stad herkennen FlowCubes de bekende gele schoolbussen, zodat die voorrang krijgen bij verkeerslichten. Bij de Zeesluis IJmuiden zetten we FlowCube-technologie in om automatisch de diepgang van schepen te meten. En in twee steden in Ohio registreren FlowCubes met succes near misses op drukke verkeerslocaties.
Wat is een near miss?
Er zijn verschillende manieren om te bepalen of een verkeerssituatie een near miss is. De time to collision is een goede indicatie: wij registreren een near miss als er een botsing dreigt binnen anderhalve seconde.
Een andere manier is het toekennen van een gevaarindicatie (severity score): op basis van de snelheid en de onderlinge hoek van de verkeersdeelnemers schatten we in hoe ernstig een daadwerkelijke botsing zou zijn geweest. Ook het soort verkeersdeelnemers is belangrijk. Twee wandelaars die net niet tegen elkaar aan lopen hoeven we niet te meten als een near miss. Dat wordt anders wanneer een voetganger bijna wordt aangereden door een auto. Onderzoek wijst uit dat near misses een goede indicator zijn voor ongevallen en mogelijke verbeteringen van de veiligheid. Langdurige analyse van onze data kan op termijn tonen hoe de near-miss-statistieken zich kwantitatief verhouden tot geregistreerde ongevallen (bijvoorbeeld: één ongeval per 100 near misses).
Near misses in de praktijk – trams in de stad
Een voorbeeld uit onze praktijk. Ov-bedrijven in de grote steden hebben regelmatig te maken met aanrijdingen tussen trams en andere verkeersdeelnemers. Deze incidenten hebben impact op de betrokken verkeersdeelnemers, de tramchauffeur, de trampassagiers en omstanders. Maar ook de operationele gevolgen kunnen groot zijn. De reparatiekosten zijn hoog, en beschadigde trams zijn voor de reparatie vaak lang uit de roulatie, met negatieve gevolgen voor de dienstregeling.
Een aantal grootstedelijke ov-bedrijven wil daarom de oorzaken van de aanrijdingen in kaart brengen. Met deze informatie in de hand kan de vervoerder maatregelen treffen om de kans op incidenten te verkleinen. Bijvoorbeeld aanpassingen in de richtlijnen voor trambestuurders, of verbetering van dodehoek-oplossingen. De vervoerders verwachten echter dat ongevallen ook vaak worden veroorzaakt door problemen met de infrastructuur. Denk aan kruispunten waar fiets en tram elkaar gevaarlijk kruisen, of verkeerslichten met te korte groentijden. Wanneer de vervoerder heldere informatie heeft over near misses die met de inrichting van een locatie te maken hebben, kan het bedrijf onderbouwde verzoeken bij de gemeente indienen voor aanpassingen aan de infrastructuur.
Privacy-veilige videobeelden en hotspots
Hoe werkt de registratie van near misses met de trams van het ov-bedrijf? Op een druk kruispunt in de stad installeren we meerdere FlowCubes, verkeerssensoren met ingebouwde Vision AI (zie kader). Deze sensoren zijn getraind om alle afgelegde paden van trams en andere verkeersdeelnemers te identificeren. De passage-data worden naar een applicatie in de verkeerscentrale gestuurd, die ze analyseert. De FlowCube heeft een video-buffer van één minuut. Zodra de applicatie in de passage-data een near miss vaststelt, wordt de bijbehorende video opgevraagd bij de FlowCube. Die stuurt de onomkeerbaar geanonimiseerde videobeelden naar de verkeerscentrale, zodat elke near-missvideo handmatig bekeken, geverifieerd en geanalyseerd kan worden zonder gevaar voor de privacy van de verkeersdeelnemers.
De FlowCubes registreren continu de near misses op het kruispunt. De geregistreerde en geverifieerde near misses worden op de kaart van het kruispunt zichtbaar gemaakt. Dit geeft een duidelijk beeld waar de gevaarlijke ‘hotspots’ op het kruispunt zijn. Samen met de near-missvideo’s is dit waardevolle informatie. De vervoerder kan hiermee onderbouwde maatregelen nemen, of naar de gemeente stappen om aandacht te vragen voor mogelijke problemen met de inrichting van het kruispunt.
Waardevolle informatie met low-impactoplossing
Met AI-gebaseerde verkeerssensoren kunnen we dus uiterst waardevolle, gedetailleerde nieuwe inzichten over verkeer en infrastructuur opdoen. Het mooie is de minimale impact op omgeving en infrastructuur. De FlowCube is een onopvallend, compact kastje dat op een hoogte van 4-6 meter wordt gemonteerd, bijvoorbeeld op een lantaarnpaal. Dankzij de ingebouwde 4G-verbinding is alleen stroom nodig. Met andere woorden: een slim en praktisch instrument voor rijke informatie over verkeer en infrastructuur.
Paul Meerman is ov-specialist en Business Developer bij Technolution
