Gevaarlijke verkeerslocatie of niet?
Gepubliceerd op Verkeerskunde.nl
Wanneer is een verkeerslocatie onveilig? Soms is dat heel duidelijk. Bijvoorbeeld wanneer er regelmatig ongelukken gebeuren. Maar meestal is deze vraag niet direct te beantwoorden. Gemeenten hebben vaak te maken met inwoners die onveiligheid ervaren. Bijvoorbeeld ouders die gevaarlijke situaties hebben meegemaakt op een kruispunt bij de basisschool van hun kind. Hoe kunnen subjectieve ervaringen worden gestaafd met objectieve informatie? Nieuwe technologie kan helpen om snel betrouwbare verkeersdata te verzamelen.
De waarde van bijna-ongevallen
Een grote uitdaging voor gemeenten is het verkrijgen van betrouwbare data over de veiligheid van verkeerslocaties. Soms is er iets bekend over incidenten op een verkeerslocatie; denk aan politierapporten over ongevallen. Nuttige, maar vaak ook beperkte informatie, want veel ongevallen worden immers niet bij de politie gemeld. Een nog rijkere bron van informatie wordt gevormd door bijna-ongevallen. Als we bijna-ongevallen op een locatie kunnen zien, analyseren en registreren, hebben we uiterst waardevolle informatie over de veiligheid van die locatie in handen.
Bijna-ongevallen helder in beeld
Tot voor kort bleven bijna-ongevallen grotendeels buiten beeld. Ze konden alleen worden geconstateerd door langdurige observatie van locaties en dat is praktisch gezien in veel gevallen niet haalbaar. Nieuwe technologie brengt hier nu verandering in.
De FlowCube-verkeerssensor gebruikt AI om verkeersmodaliteiten van elkaar te onderscheiden. Hij herkent voetgangers, fietsers, personenauto’s, vrachtauto’s, bussen, trams, enzovoorts. Bovendien registreert hij de snelheden en richtingen van elke verkeersdeelnemer. Een speciaal algoritme combineert deze informatie om bijna-ongevallen volautomatisch te herkennen en vast te leggen in geanonimiseerde videobeelden. Zo krijgt de wegbeheerder niet alleen informatie over het aantal bijna-ongevallen op een locatie, maar kan hij of zij ook de bijbehorende beelden analyseren.
Verifieerbare data als basis voor beleid
De automatische herkenning en vastlegging van bijna-ongevallen maken het eenvoudig om een betrouwbaar beeld op te bouwen van het verkeer op een locatie. Het systeem kan zo worden afgesteld, dat de wegbeheerder alleen relevante bijna-ongevallen te zien krijgt. Het is bijvoorbeeld niet zinvol om te registreren dat twee voetgangers bijna tegen elkaar aan lopen, wanneer beiden even zijn afgeleid. Dat wordt al anders wanneer het gaat om een fiets en een voetganger, of een fiets en een auto. Daarbij zijn ook de onderlinge snelheden van belang. Al deze keuzes kunnen vooraf worden ingesteld.
Een voorbeeld: met een FlowCube-sensor bij een zebrapad krijgt de wegbeheerder van elke potentieel gevaarlijke situatie een melding met bijbehorende beelden. Verdere analyse van de beelden geeft inzicht in wat er precies gebeurde: liep de voetganger door rood? Reed de auto te snel? Het is voor elk bijna-ongeval zichtbaar. Door de vastgelegde bijna-ongevallen op deze manier te analyseren en te categoriseren worden terugkerende risicosituaties inzichtelijk. Zo wordt duidelijk welke situaties vaker voorkomen en welke maatregelen het meeste effect kunnen bieden voor de verkeersveiligheid.
Op een vergelijkbare manier kan zelfs een zeer complex kruispunt met twee tot vier FlowCubes efficiënt worden gemonitord. Zo wordt snel duidelijk of een locatie onveilig is. Een beslissing over eventuele aanpassingen kan worden onderbouwd met verifieerbare data.
Betrouwbaar en privacy-veilig
Technologiebedrijf Technolution heeft uitgebreide ervaring opgedaan met metingen van bijna-ongevallen met FlowCubes in Nederland, Finland en de VS. Op basis van deze ervaringen is het systeem nauwkeurig gekalibreerd om met hoge betrouwbaarheid bijna-ongevallen te registreren.
De FlowCube is ontworpen met privacy als belangrijk uitgangspunt. De sensor maakt daarvoor gebruik van Vision AI; algoritmes voor het herkennen en typeren van individuele verkeersdeelnemers, hun modaliteit, hun richting en hun snelheid. Daarbij worden geen videobeelden opgeslagen – de videobuffer in de sensor is slechts enkele tientallen seconden lang. Alleen wanneer de backoffice-applicatie een bijna-ongeval constateert, worden de bijbehorende beelden uit de videobuffer grondig geanonimiseerd (zie afbeelding 1) en doorgezet naar de backoffice-applicatie
Het systeem is vervolgens op basis van gebruikersfeedback geoptimaliseerd voor toepassing. Met een uitgebreide gebruikersinterface, toegankelijk via de browser, kan de verkeerskundige eenvoudig bijna-ongevallen sorteren en zoeken. Met de geanonimiseerde beelden is snel te zien wat er precies is gebeurd. De applicatie biedt ook overzichtelijke verzamelgrafieken.
Het systeem is relatief kleinschalig en kan gemakkelijk worden ingepast in bestaande infrastructuur. De sensoren zijn onopvallend, communiceren draadloos en hebben alleen een stroomaansluiting nodig. Wegbeheerders kunnen zonder grote investeringen een reeks locaties monitoren. Zo is langdurige (of zelfs permanente) monitoring van bijna-ongevallen een reële mogelijkheid.
Metingen voor- en achteraf
Metingen van bijna-ongevallen kunnen ook worden ingezet om vast te stellen of genomen maatregelen effectief zijn. Stel dat een gemeente op basis van deze metingen besluit om de verkeersinfrastructuur op een locatie aan te passen: bijvoorbeeld de plaatsing van een drempel voor een oversteekplaats. Het systeem kan daarna worden ingezet voor nametingen om te bepalen of er daadwerkelijk minder bijna-ongevallen gebeuren. Zo leveren metingen van bijna-ongevallen gemeenten niet alleen een goede basis voor beslissingen over infrastructurele aanpassingen. Ze geven ook heldere informatie over de effectiviteit van die aanpassingen.
Flexibiliteit voor toekomstige toepassingen
De Vision AI-technologie van de FlowCube biedt ook volop ruimte voor toekomstige toepassingen. Denk aan langdurige verkeersonderzoeken – hoeveel auto’s, vrachtauto’s of bussen komen per dag, per uur of per minuut voorbij op een wegvak en hoe snel rijden zij? Wat is de verhouding tussen ‘gewone’ fietsen en fatbikes op het fietspad? Wat zijn de snelheidsverschillen op het fietspad? Een andere mogelijkheid is het monitoren van onverwachte bewegingen in mensenmassa’s bij grote evenementen. Door aanpassing van de backoffice-applicatie en ‘hertrainen’ van de Vision AI kan al deze informatie automatisch, anoniem en betrouwbaar worden verzameld.
