Onderzoeksproject Graphium D – Na autonoom rijden nu ook autonome infrastructuur?

Autonome voertuigen. Iedereen heeft het erover en veel mensen geloven er ook in. De extreem complexe taak van autorijden kan je gewoon aan het voertuig zelf overlaten. Straks is de mens daarbij overbodig. De euforie over autonoom rijden en bedrijven als Google en Tesla, staat in schril contrast met de primitieve manier waarop we het verkeer onderling regelen.

Een taak die veel minder complex is dan autorijden wordt nog steeds voor een groot deel door mensen bepaald:  het op een efficiënte wijze regelen van het verkeer. Met ontwerpsoftware, tekeningen, liniaaltjes en vuistregels, maken we fasediagrammen en blokkenvolgorden. De “hand van boven” is in de verkeersregeltechniek nog altijd en vooral een menselijk hand.

Het idee: kunstmatige intelligentie is niet alleen voor voertuigen

Met dat contrast in gedachten is DTV Consultants gestart met een onderzoeksproject. Codenaam: Graphium D. Centrale vraag: is het mogelijk om het regelen van verkeer volledig aan kunstmatige intelligentie over te laten? Eigenlijk net zoals de auto-industrie zich de vraag stelt: is het mogelijk om een auto veilig van A naar B te laten rijden zonder menselijke bestuurder?

Stap verder dan C-ITS

Onder de paraplu Beter Benutten C-ITS /iVRI ziet op een overzienbare termijn een nieuwe generatie verkeerslichtenregelingen het licht. In dit ambitieuze onderzoeksproject willen we nog een aanzienlijke stap verder zetten. De spelregels in dit project zijn als volgt:

  1. Kunstmatige intelligentie bepaalt volledig het optimalisatieproces van de verkeerslichtenregeling
  2. Een mens kan wel randvoorwaarden toevoegen aan de verkeerslichtenregeling
  3. De enige input van de mens is het geven van een beschrijving (topologie) van de verkeersregelinstallatie en de eerder genoemde randvoorwaarden

Alle beschikbare data gebruiken

Het optimalisatieproces kan gericht worden op één of meerdere prestatiecriteria, zoals verliestijd of openbaar-vervoerprioriteit. Daarnaast kan het optimalisatieproces alle beschikbare data gebruiken, of er nou detectielussen liggen, er radardata beschikbaar is, of dat er floating car data uit bijvoorbeeld navigatiesystemen beschikbaar is. De kunstmatige intelligentie neemt vanzelf waar, welke variabelen er zijn en pikt deze op als ze nuttig zijn.

Floating car data is de sleutel

De toepassing van floating car data is de sleutel in dit project. Bij klassieke regelingen die op basis van lusdata worden aangestuurd, kunnen alleen veronderstellingen worden gedaan over de aanwezigheid van verkeer en de vraag of de wachtrij helemaal verwerkt is. Met de komst van floating car data verandert dat. We verzamelen niet langer informatie over het verkeer, het verkeer ís de informatie. Daardoor zal het onderscheid tussen lokaal regelen en netwerkregelen van verkeerslichten verdwijnen. Verkeerslichten hoeven niet meer met elkaar te communiceren, want alle informatie is altijd en overal beschikbaar. Lokale optimalisatie kan dan hetzelfde zijn als optimalisatie van het netwerk.

Wegbeheerder kan randvoorwaarden bepalen

Als een wegbeheerder echt bepaalde zaken wil bevorderen of verhinderen, kunnen er randvoorwaarden aan het proces worden toegevoegd. Een voorbeeld van zo’n randvoorwaarde is het toestaan van een deelconflict tussen een rechts afslaande auto en een voetganger of fietser.

Intelligente optimalisatie ‘ziet’ het kruispunt

Bij de kruispunttopologie is het belangrijk om mee te geven welke vormen van detectie er beschikbaar zijn en de vormgevingsaspecten duidelijk aan te geven. Niet alle vormgevingsaspecten zijn belangrijk. Het optimalisatieproces is zo intelligent dat het bijvoorbeeld vanzelf merkt dat bijvoorbeeld opstelruimte een probleem is.

Verkeersregelsoftware schrijft zichzelf

Het klinkt als verre toekomstmuziek, toch is onze onderzoeksafdeling er inmiddels in geslaagd om het eerste zichzelf schrijvend en optimaliserend verkeersregelprogramma te vervaardigen. Projectleider is Carl Stolz, Bart Veroude is hoofdonderzoeker. Samen hebben zij ook gewerkt aan het onderzoeksproject Graphium, het resultaat daarvan is inmiddels ingebouwd in het softwarepakket COCON.

Regelkundigen als klankbord

De verkeersregelkundigen van DTV Consultants fungeren als kritische klankbordgroep en leveren deelproducten aan voor het onderzoek. Zo is het bijvoorbeeld al mogelijk om zo’n optimalisatiealgoritme in te bouwen in of toe te voegen aan bestaande verkeersregelsoftware, zoals bijvoorbeeld een CCOL regeling. Een verdienste van Daniel Schreinemacher.

Geloofwaardigheidscriteria veranderen

Er zijn verschillende redenen voor DTV Consultants om aan dit onderzoeksproject te beginnen. Door de komst van autonome voertuigen, veranderen de geloofwaardigheidscriteria van verkeerslichtenregelingen. Een autonoom voertuig heeft immers geen verwachtingspatronen en emoties, maar wacht gewoon af of het verkeerslicht rood is of groen licht geeft. Daarom ontstaat er steeds meer ruimte voor een autonoom optimalisatieproces waarbij de menselijke hand overbodig wordt.

Wanneer is er voldoende floating car data?

Bij het toepassen van floating car data als informatiebron om mee te regelen is de standaardvraag wanneer er voldoende floating car data beschikbaar is om dit mogelijk te maken. Het antwoord is met Graphium D simpel: Graphium D ontdekt dit zelf. Zodra deze informatie behulpzaam kan zijn bij het goed regelen van het verkeer, zal deze in het zelfgeschreven verkeersregelprogramma worden meegenomen.

Verwachting: goedkoper verkeer regelen

De kosten van het regelen van verkeer kunnen door Graphium D drastisch worden teruggebracht terwijl tegelijkertijd het optimalisatieproces beter wordt. De verhouding tussen de kosten en baten van een verkeerslichtenregeling wordt daardoor gunstiger dan ooit.

Pionieren in verkeersoplossingen

Als verkeersadviesbureau blijven we pionieren. Met de toepassing van ODYSA in-car in 2009 liepen wij zeven jaar vooruit op de markt en zien we nu voorzichtig de eerste vergelijkbare toepassingen op straat komen. Achter Graphium D zit ook dezelfde drijfveer: altijd met één been in de toekomst van verkeer en mobiliteit.

Advies en informatie
Carl Stolz

Carl Stolz

Teamleider Data & Development
Bart Veroude

Bart Veroude

Datawetenschapper
Daniel Schreinemacher

Daniel Schreinemacher

Adviseur Smart Mobility