Wikia


Kan monitoring vanuit de lucht een bijdrage leveren aan stedelijke verkeersmonitoring? In Berlijn is een pilot uitgevoerd, waarbij met een infraroodcamera aan boord van een vliegtuig het verkeer werd gemonitord. Hoewel het moeilijk is om realtime, betrouwbare metingen te krijgen, lijken de eerste resultaten hoopvol te zijn. De gegevens lijken vooral waardevol als aanvulling op conventionele metingen.


Inleiding Edit

Monitoring van het verkeer van bovenaf biedt fundamenteel andere informatie dan de gebruikelijke weg- of voertuiggebonden meetinstrumenten. Met de techniek van luchtmonitoring kunnen derhalve unieke gegevens aan de verkeersmonitoring worden toegevoegd. Schokbewegingen in de verkeersstromen en incidenten, die grote invloed op het verkeer hebben, zijn vanuit de lucht sneller en beter waarneembaar. Door deze gegevens te koppelen met bestaande meetgegevens, moet een betere voorspelling van de verkeerssituatie mogelijk zijn. De vraag is echter in hoeverre deze potentiële voordelen kunnen worden benut én of het uiteindelijke resultaat opweegt tegen de kosten. Om antwoord te kunnen geven op deze vraag heeft het Deutches Zentrum fur Luft und Raumfahrt (DLR) een pilot voor een LUft MOnitoring System (LUMOS) uitgevoerd.

Beschrijving van de techniek Edit

Het systeem dat is ontwikkeld voor het LUMOS-project bestaat uit de volgende onderdelen:

  • vliegtuig met infraroodcamera en zendapparatuur;
  • grondontvanger;
  • de verwerking van beelden tot voertuigdata;
  • de verwerking van voertuigdata tot verkeersinformatie.

Het onderstaande figuur geeft een schematische weergave van het systeem. De verschillende kleuren geven de partners in het project aan.

Lumos1


Vliegtuig en grondontvanger Edit

De metingen worden gedaan door een vliegtuig waar een infraroodcamera aan is bevestigd. Er is gekozen voor infraroodtechniek, omdat deze ook werkt bij duisternis en slecht weer. Nadeel van de techniek is wel de relatief lage resolutie van 768x500 pixels, hierdoor kan slechts een strook van 380 meter breedte worden gefilmd, met een resolutie van 0.5 m /pixel. De camerabeelden worden direct via 2Mbit/s radio-verbinding doorgestuurd naar een van de drie grondstations. Aan elk beeld worden ook de bijbehorende geografische gegevens gekoppeld. Om deze gegevens te kunnen bepalen hangen er twee meetinstrumenten bij de camera. Een GPS bepaalt de coördinaten van het vliegtuig en een ander instrument meet de rotatie ten opzichte van de drie assen. Op basis van deze zes parameters kunnen de coördinaten van het beeld worden berekend.

Lumos

De piloot beschikt over een verkeersinformatie systeem, zodat hij zijn vliegroute kan aanpassen aan het actuele verkeersbeeld. Wanneer op basis van het bestaande monitoring netwerk te zien is dat zich ergens congestie vormt, dan kan de piloot daarheen vliegen om daar te meten. Op deze manier wordt de data verzameld op de locaties waar dat het meest nodig is.

Verwerking van beelden tot voertuigdata Edit

Een grote uitdaging van het project is om realtime de infraroodbeelden om te zetten in voertuigdata. Er wordt gebruik gemaakt van een aantal technieken om dit mogelijk te maken. De binnenkomende beelden kunnen dankzij de toegevoegde geografische data direct aan een nauwkeurige wegenkaart worden gekoppeld. Vervolgens wordt alleen dat deel van het beeld geanalyseerd, waarvan bekend is dat er een weg is. Om de voertuigen daadwerkelijk te herkennen wordt in het beeld gezocht naar bepaalde vormen die karakteristiek zijn voor de verschillende voertuigklassen. Deze analyse wordt voor elk beeld uitgevoerd, zodat ook stilstaande auto's worden gedetecteerd. Van alle gedetecteerde voertuigen wordt vervolgens de plausibiliteit gecheckt met behulp van eerdere en latere beelden. Als potentiële voertuigen plotseling verschijnen of verdwijnen, of als die onrealistische snelheden halen, dan worden ze verwijderd.

Verwerking van voertuigdata tot verkeersinformatie Edit

Door verschillende videobeelden te combineren, kunnen zowel plaats, snelheid en functie van de tijd worden bepaald. Deze individuele voertuiggevens kunnen worden geaggregeerd tot gemiddelde snelheden, dichtheden en reistijden. Deze informatie kan verder worden gebruikt voor simulatie en evalutie. Er moet hierbij worden opgemerkt dat de data uit het vliegtuig dienen als aanvulling op conventionele meetmethodes.


Resultaten van de pilot Edit

Om de methode te testen is een prototype systeem gebouwd en een testvlucht op 600 meter boven Berlijn uitgevoerd. De resultaten van de vlucht zijn vergeleken met andere metingen die gelijktijdig zijn uitgevoerd. Een lastig onderdeel van het proces is de automatische voertuigherkenning. Gemiddeld 11,5 procent van de voertuigen werd niet herkend. Hierbij moet bovendien rekening worden gehouden met 'spookvoertuigen'; dit zijn objecten die als voertuig worden herkend, maar het niet zijn. De snelheid van het proces is voldoende gebleken, de verwerking van de beelden en berekening van de voorspelling heeft een vertraging van ongeveer één a twee minuten. In 2004 is hiermee de pilot succesvol afgerond

Voor- en nadelen Edit

Verkeersmonitoring vanuit een vliegtuig biedt een aantal duidelijke voordelen ten opzichte van conventionele meetmethoden. Het levert een duidelijk beeld op van de verkeerssituatie in een stad. Als het beeld compleet is, kan de toekomstige situatie goed worden voorspeld. De geleverde informatie is echter niet volledig. Inherent aan de methode is dat slechts een klein gebied voor een korte periode kan worden bekeken. Bovendien kunnen realtime niet alle voertuigen herkend worden. Daar lijdt de betrouwbaarheid ernstig onder. Dit alles betekent dat de methode als losstaand meetinstrument (nog) niet goed functioneert. Door deze techniek door middel van datafusie te gekoppelen aan andere meetmethoden, wordt een duidelijk nauwkeuriger voorspelling bereikt. Vooral omdat het gebied waar het vliegtuig meet direct kan worden aangepast aan de huidige verkeerssituatie. Dit levert gedetailleerde data op van relvante netwerksegmenten, dat wil zeggen locaties waar op dat moment congestie ontstaat. Gecombineerd met conventionele metingen kan deze informatie worden gebruikt voor het maken van betrouwbare voorspellingen. Een ander duidelijk nadeel zijn de kosten. Vooral de investeringen in het systeem zijn erg hoog. De gebruikskosten vallen tot nu toe erg mee en door bijvoorbeeld reclame achter het vliegtuig te hangen, kunnen deze bij grote evemenementen makkelijk worden terugverdiend.

Huidige Toepassingen Edit

Nadat de piloot is afgerond is er bij een aantal speciale evenementen in Duitsland gebruik gemaakt van het LUMOS systeem. In 2005 is in samenwerking met de keulse politie het verkeersmanagement ondersteund op de katholieke wereld jongerendag In 2006 is in Köln, Stuttgart en Berlin verkeersmanagement ondersteund in het kader van het WK voetbal. In Stuttgart is het systeem gekoppeld aan een politiehelikopter, die al werd gebruikt om verkeersinformatie door te geven. Hierdoor zijn de extra gebruikskosten voor het LUMOS systeem zeer laag. Het valt te verwachten dat LUMOS vaker wordt ingezet bij grote evenementen. Daarnaast wordt er gewerkt aan het haalbaar maken van LUMOS voor dagelijks gebruik.

Bronnen Edit

I. Emst, S. Sujew, K.-U. Thiessenhusen, M. Hetscher, S. Raimann & M. Ruhe, LUMOS - Airborne Traffic Monitoring System ,Intelligent Transportation Systems, 2003. Proceedings. 2003 IEEE

Website van LUMOS

Ad blocker interference detected!


Wikia is a free-to-use site that makes money from advertising. We have a modified experience for viewers using ad blockers

Wikia is not accessible if you’ve made further modifications. Remove the custom ad blocker rule(s) and the page will load as expected.

Around Wikia's network

Random Wiki