Met kunstmatige intelligentie tegen permanente files

Twee waarden beïnvloeden de vorming van mogelijke files. Er is interessant nieuws over auto’s en mobiliteit.

Vakantiegangers en langeafstandsbestuurders op de autobahn, bezoekers van concerten en beurzen, pakketdiensten – ze zijn allemaal afhankelijk van het best mogelijke doorstromende verkeer. Ontwikkelaars uit Hannover vertrouwen op zelflerende technologie voor digitale routering. Kan de procedure de overhand krijgen? Aan het einde van de vakantie, zoals nu, is het altijd bijzonder krap op de Duitse snelwegen. Maar sommige binnensteden kunnen binnenkort worden bedreigd met een verkeersuitval, bijvoorbeeld als de hausse in online handel doorgaat zoals voorheen. Een probleem hierbij is dat veel mensen die hun route laten berekenen met behulp van een gps of wegenapp zich alleen oriënteren op de route die hen optimaal wordt aangeboden. Als honderden tegelijk dit doen, kunnen alternatieve routes snel verstopt raken. De file naast de file.

“We willen het verkeer herstellen”, zegt Sebastian Heise. Dat klinkt misschien een beetje zielig. Maar de mede-oprichter van het Hannoveraanse bedrijf Graphmasters heeft met collega’s een aanpak ontwikkeld die in ieder geval zou kunnen bijdragen aan een aanzienlijke vermindering van knelpunten. Het gaat om een ​​technologie die continu de routeplannen van alle aangesloten klanten vergelijkt. Dergelijke dynamische routebepaling levert geen “egoïstisch” bepaalde start-bestemmingscombinaties op, maar houdt tijdens het rijden alle individuele suggesties en verschillende verkeersmodellen in de gaten – indien nodig vinden aanpassingen in realtime plaats, voorspellingen en de werkelijke situatie hebben betrekking op elkaar. Het proces dat op de achtergrond werkt, leert ook. Het basisidee: kunstmatige intelligentie (AI) gebruiken in plaats van rigide algoritmen in het verkeer. Heise ziet conventionele methoden, die we kennen van radio en internet, aan hun limiet: “Het probleem zijn niet de voorspellingen zelf. Maar de reacties van weggebruikers op de voorspellingen. Er zijn geen zinvolle aanbevelingen voor actie.” Beter beheer zou ook kunnen helpen om afstand te nemen van debatten over pure beperking, zoals de dieselproblematiek. Niet alleen hoeveel verkeer er wordt gegenereerd, is relevant, maar ook hoe de bestaande verkeersbelasting is georganiseerd. “Uiteindelijk kan ik aanzienlijk meer uitstoot besparen”, zegt Heise.

Het kernelement is het NUNAV-platform. Met behulp van cloud computing-processen kan het tot 24.000 routeplannen per minuut aanpassen – op basis van ongeveer anderhalf miljoen onbewerkte gegevens. Volgens schattingen van Graphmasters betekent de optimalisatie van de routes dankzij de “zwermintelligentie” van de deelnemers dat jaarlijks ongeveer 7.700 ton minder koolstofdioxide wordt geproduceerd door het gebruik van koeriersdiensten. Media-IT-specialist Heise legt het systeem uit in een starterscentrum aan de rand van Hannover aan de hand van verschillende schema’s. De ene toont een enorme puntenwolk die de verkeersstroom – voertuigen per minuut – en de gemeten rijsnelheid op een driebaans deel van de snelweg vergelijkt. Een ander geeft het verband tussen verkeersdichtheid – voertuigen per kilometer – en snelheid. In beide gevallen kun je zien dat zelfs verschillende combinaties van alleen deze waarden een aanzienlijke invloed kunnen hebben op de vorming van mogelijke files. Voor elk individu een optimale route uitwerken die de plannen van anderen niet “in gevaar brengt”, vereist enorme rekenkracht. “We hebben dit nu uitbesteed aan externe dienstverleners”, zegt Heise. Hij gooit het resultaat van twee simulaties voor Berlijn en Peking op een ander scherm: zonder dynamische begeleiding zullen auto’s zich snel verzamelen op kritieke punten op de digitale kaart – als er minder hoofdroutes worden gebruikt, gebeurt dit relatief snel, zelfs in een megastad. Met de AI in de achterhand zijn er echter beduidend minder rode “bottlenecks” in de animatie.

Leave a Reply

Your email address will not be published. Required fields are marked *