Tegenwoordig zitten auto’s vol met sensoren waarmee ze hun omgeving scannen. Deze slimme auto’s detecteren auto’s, fietsers, voetgangers, bomen en andere objecten en kunnen veilig van A naar B. Maar die detecties zijn niet alleen voor het voertuig zelf nuttig, legt onderzoeker Maria Salomons van TU Delft uit. “Als het voertuig informatie doorspeelt over aankomende fietsers, kan een verkeerslicht extra snel op groen springen.”

 Project          Connected voertuigen en slimme kruisingen, juni 2021-mei 2023

Team             Maria Salomons, Alphonse Vial en Andreas Hegyi 

Het zal nog wel even duren, eer auto’s en andere automatische voertuigen hun detecties massaal gaan delen met verkeerslichten. Maar dat het technisch mogelijk is, staat wel vast, vertelt Maria Salomons. In het project Connected voertuigen & slimme kruisingen sorteren Salomons en haar collega-onderzoekers daarom alvast voor: er is gekeken hoe je het delen van ‘fietsdetecties’ goed opzet en hoe verkeersregelinstallaties (die de verkeerslichten aansturen) die informatie kunnen gebruiken.

Dr. ir. A.M. (Maria) Salomons, onderzoeker TU Delft

Om te beginnen: hoe krijg je voertuiginformatie in een verkeersregelsinstallatie?

“De techniek voor gegevensuitwisseling is er al. We kennen sinds kort het snelle en betrouwbare 5G. Nog even en elke automatische auto zal via dit betrouwbare netwerk snel grote hoeveelheden informatie uitwisselen met andere connected voertuigen, maar ook met connected systemen langs de weg. In Nederland zijn we met deze systemen een heel eind: honderden kruispunten zijn al uitgerust met een intelligente verkeersregelinstallatie: de iVRI. Die kan informatie uitzenden én ontvangen. Die iVRI’s zijn niet nog allemaal geschikt voor 5G, maar dat is een kwestie van tijd. Wij onderzoeken hoe een slimme auto het beste de informatie over fietsers kan delen met de software in een de verkeersregelinstallatie. Namelijk: hoeveel fietsers rijden er, waar precies en met welke snelheid? Het idee is dat de regelsoftware in de iVRI met deze info beter kan anticiperen op het fietsverkeer en groepjes fietsers ook prioriteit kan geven: het licht wordt sneller groen.”

Waarom wil je dat per se via die voertuigen doen? We hebben toch overal lussen in het fietspad om fietsers te herkennen?

“Dat klopt, maar met fietslussen tel je eigenlijk alleen de passages. Als er een paar fietsers naast elkaar rijden, tellen die vaak als één. Wat je eigenlijk meet is de ‘bezetting’ van de lus: er rijdt iets overheen. Camera’s doen het wat dat betreft veel beter, maar net als lussen zijn ze vrij prijzig. Ook zijn er nog maar weinig fietsen met een trackingsysteem. Daarom blijft de monitoring van fietsverkeer in de praktijk ver achter op het autoverkeer. Maar als straks al die automatische voertuigen hun data delen, heb je er ineens gratis ogen bij. Aangezien het aantal slimme auto’s op de weg de komende jaren gaat toenemen, krijg je een steeds scherper beeld van de situatie op de weg.”

Waarom is dat prioriteren van fietsers zo belangrijk?

“Fietsers hebben een hekel aan het voortdurend afremmen of stoppen bij verkeerslichten. De informatie die een iVRI ontvangt van connected automatische voertuigen, geeft een beter beeld van het fietsverkeer. Zo kunnen we het aantal stops terugdringen. Daarmee maak je het fietsen een stuk aantrekkelijker.”

Hoe hebben jullie de studie opgezet?

“In onze studie hebben we de mogelijke opzet van het concept ‘fietsdetectie via automatische voertuigen’ onderzocht. We hebben dus geen praktijktests gedaan, maar zijn begonnen met een microsimulatie: het digitaal nabootsen van een kruispunt. Daarin varieerden we met verschillende situaties met fietsers, het autoverkeer en de aantallen automatische voertuigen: de zogenaamde penetratiegraad. In deze digitale omgeving hebben we ons idee verder vormgegeven.

“We hebben ervoor gezorgd dat alle fietsdetecties – plaats, richting en snelheid van een fiets – in ons ‘fietsvolgsysteem’ komen. Dit systeem voorspelt op basis van de data het traject van de fietsers en met die input hebben we de iVRI vervolgens de prioriteit van fietsers laten regelen.

“Dit klinkt eenvoudig, maar dat was het zeker niet. Verschillende auto’s nemen dezelfde fietser vanuit verschillende hoeken waar – en afhankelijk van het gezichtsveld kunnen ze die fietser in sommige gevallen juist niet detecteren. Dan heb je nog de mogelijkheid dat sensoren incorrecte waarnemingen doen. Het was een hele puzzel om het volgsysteem zo in te richten dat uit die grote diversiteit aan input toch een goed beeld ontstaat van de locatie en snelheid van fietsers.”

Welke resultaten heb je al geboekt?

“Met de informatie over voorspelde een daadwerkelijke fietstrajecten en een eenvoudig algoritme is het ons gelukt de fietsers in de microsimulatie effectief prioriteit te geven. Het aantal stops en de vertraging voor fietsers hebben we aanzienlijk kunnen verminderen. Even ter vergelijking: uit onze simulaties bleek dat zonder hulpsysteem 90% van de fietsers moet stoppen voor een rood licht. Bij gebruik van een detectielus in het fietspad, moet 80% van de fietsers stoppen. En nu komt het: met onze oplossing zakt dit tot 60%. Automatische voertuigen als ‘fietssensor’ inzetten, heeft dus zeker meerwaarde!

“Het gebruik van een eenvoudig prioriteitsalgoritme, zorgde wel voor een behoorlijke vertraging voor het autoverkeer. Met betere algoritmes kunnen we een evenwicht vinden tussen een mooie winst voor fietsers en minimale vertraging voor het autoverkeer. Met deze volgende stap zijn we momenteel bezig. Binnenkort doen we een eerste praktijktest. Ik kijk daar enorm naar uit!”

Meer informatie:
Paper over de studie (Engels)