AI en verkeers- management intelligent of naïef?
Artificial Intelligence (AI) of kunstmatige intelligentie wordt steeds succesvoller. In de beeldvorming lijkt AI soms een wondermiddel dat alle moeilijke problemen als vanzelf oplost, inclusief de grote uitdagingen waar verkeersmanagement voor staat. Maar is de realiteit wel zo rooskleurig? Eén ding is zeker: AI gaat zeker een rol spelen in stedelijke mobiliteit.
AIsystemen voor verkeersmanagementscenario’s Er zijn veel soorten AI. De successen zien we momenteel vooral bij Large Language Models (LLM’s), zoals ChatGPT en DeepSeek, en bij Vision AI voor beeldherkenningssystemen. LLM’s en Vision AI werken met neurale netwerken. De kracht van neurale netwerken is dat die zelf kunnen leren om verbanden te leggen, zelfstandig of begeleid door mensen (supervised learning).
Neurale netwerken zouden op termijn automatisch verkeersmanagementscenario’s kunnen genereren voor een platform zoals MobiMaestro. Een AImodule kan dan bijvoorbeeld zelfstandig de beschikbare fysieke en digitale verkeersmanagementinstrumenten aanpassen aan actuele omstandigheden om het verkeer te sturen en te beïnvloeden. Zover zijn we echter nog niet. Voor het trainen van neurale netwerken zijn grote hoeveelheden trainingsdata nodig, en in het domein van verkeersmanagement hebben we nog te weinig opgeslagen data. Maar dat het nu nog niet kan, betekent niet dat het onmogelijk is. Technolution Move richt zich in projecten en in onderzoek op het verzamelen van bruikbare data voor effectieve trainingsmethodes.
Vision AI voor verkeerstoepassingen
De toepassing van Vision AI in het verkeer is al geruime tijd succesvol. We zien Vision AI bijvoor beeld in toepassingen van automatisch rijden.
Vision AI creëert een beeld van de omgeving van de auto om die binnen de lijnen te houden en afstand te houden van andere voertuigen en verkeersdeelnemers. Deze technologie is al heel volwassen. In China en de Verenigde Staten mogen auto’s met computer vision zelfs al volledig zelf standig de weg op.
Bij Technolution Move passen wij Vision AI toe in onze FlowCubeverkeerssensor en in maatwerk oplossingen voor onze klanten. Zo bepalen wij bijvoorbeeld bij de Zeesluis IJmuiden de diepgang van voorbijvarende schepen met behulp van een gespecialiseerde camera en Vision AI. Het systeem leest de diepgangsmarkeringen op de zeeschepen af en compenseert daarbij voor golfslag en de beweging van het schip. Als de diepgang van het schip te groot is om door het Noordzeekanaal richting Amsterdam te kunnen, geeft het systeem een waarschuwing.
FlowCube: AI-gebaseerde verkeerssensor
De FlowCube van Technolution is een flexibele, AI-gebaseerde, multimodale verkeerssensor die onder meer fietsers en voetgangers telt, routes en reistijden berekent en verkeersdichtheid inzichtelijk maakt. De FlowCube slaat geen privacygevoeilige data op, is compact en eenvoudig in te zetten voor verkeersmanagement in elke stad.
FlowCube: Fietsers en voetgangers in beeld
De FlowCubeverkeerssensor wordt vooral ingezet voor de verkeersafwikkeling rondom kruispunten. Met Vision AI worden de verkeersstromen in beeld gebracht. De kracht van de FlowCube is zijn grote flexibiliteit. Hij kan leren om fietsers, voetgangers en elk ander type verkeersdeelnemer te herkennen. Met meerdere FlowCubes op verschillende locaties kunnen we de routes van individuele verkeers deelnemers bepalen – zonder identificatie of data opslag. Daarnaast zetten we de FlowCube in voor de registratie van bijnaongelukken op drukke kruispunten (‘near misses’).
De informatie die we zo inwinnen vormt een waarde volle aanvulling voor de monitoring van de verkeers afwikkeling. In Nederland is de FlowCube ideaal om meer zicht te krijgen op fietsers en voetgangers (gemotoriseerd verkeer ‘zien’ we meestal met inductielussen). In de VS, waar kruispunten niet of nauwelijks detectieinfrastructuur hebben, zetten steden de FlowCube in om de verkeersregeling van informatie te voorzien over alle verkeersmodi – waaronder ook openbaar vervoer.
“Het mooie is dat een AI-model de onderscheidende kenmerken kan leren die echt belangrijk zijn om een kruispunt te regelen.“
AI en de ‘intelligente’ VRI
In Nederland is de toepassing van Vision AI soms lastiger. Hier staan veel iVRI’s: ‘intelligente’ verkeers regelinstallaties. Een iVRI krijgt informatie over de verkeersafwikkeling vanuit traditionele detectie en de gpsinformatie van voertuigen. Middels wachtrijmodellen en optimalisatietechnieken bepaalt een verkeersregeling wat de optimale volgorde is om de verschillende richtingen op het kruispunt groen te geven. Vision AItoepassingen zoals de FlowCube kunnen hun informatie nu alleen aan een iVRI aanbieden door alle contextuele informatie over voertuigen (afstand tot de stopstreep, lengte van het voertuig, rijstrook) te verwijderen, waarna in de verkeersregeling de voor de regeling belangrijke informatie wordt gereconstrueerd. Hierbij gaat mogelijk informatie verloren, waardoor de kracht van de Vision AI niet optimaal wordt gebruikt.
Meer doen met minder data
Wat kunnen we dan wel verwachten op het gebied van AI en verkeersmanagement? Wat met Large Language Models is aangetoond, is dat het totale corpus van informatie op internet is samen te vatten in een relatief beperkte set gewichten van een neuraal netwerk. In vaktermen: de entropie van de data en kennis die we verzamelen en opslaan is hoog, en AImodellen kunnen met veel minder data toe. Mogelijk geldt dit ook voor specifieke toepassingen zoals het regelen van het verkeer op kruispunten.
AI is onbevangen, volgens sommigen naïef. Het mooie hiervan is wel dat een AImodel de onder scheidende kenmerken kan leren die echt belangrijk zijn om een kruispunt te regelen. Mensen denken dat een model individuele auto’s in een wachtrij moet kunnen tellen, maar misschien is dat niet nodig voor goede verkeersregelscenario’s en ziet het model andere bruikbare patronen, zoals de lengte van de wachtrij, of dat een wachtrij dreigt terug te slaan. Of wij mensen het kunnen volgen en – cruciaal! – of wij er voldoende vertrouwen in hebben om zo’n model het verkeer te laten regelen, is de volgende vraag. We moeten elke oplossing in ieder geval langdurig en grondig testen vóórdat we haar loslaten op de werkelijkheid.
Hoe ze eruit gaan zien is nog niet duidelijk, maar één ding staat vast: we gaan zeker binnenkort nieuwe AItoepassingen in verkeersmanagement zien.
