Waarom LIDAR slimme-stad verkeersmanagement transformeert

Slimme-stad initiatieven focussen steeds meer op intelligente transportsystemen (ITS). Een recente pilot in San Francisco met LIDAR-sensoren demonstreert hoe deze technologie het Vision Zero verkeerssignaal-project van de stad kan verbeteren.

Vision Zero streeft ernaar wegdoden te reduceren tot nul, met San Francisco die jaarlijks ongeveer 30 levens verliest en meer dan 200 gewonden registreert. De pilot test multimodale intelligente verkeerssignaal-systemen (MMITSS), dedicated short-range communication (DSRC), transit signal priority (TSP), en emergency vehicle preemption (EVP) om prioriteit te geven aan openbaar vervoer en noodvoertuigen, terwijl ook voetgangers en fietsers veilige overstek-intervallen krijgen.

De eerste proof-of-concept, voltooid in januari 2020, installeerde LIDAR op vijf kruispunten en bereikte 96% nauwkeurigheid in anonieme voertuig- en voetganger-profilering. De tweede PoC voegt de datalaag toe aan het signaal- controle-netwerk, gepland voor begin 2021.

We interviewden Quanergy's chief marketing officer Enzo Signore en onafhankelijke strategieconsultant Paul Hoekstra, de SFMTA-projectleider.

LIDAR: Anonieme Object-tracking Over Kruispunten

Enzo Signore van Quanergy legt uit dat LIDAR's sleutelvoordeel in stadions en slimme steden de mogelijkheid is om een persistente, anonieme ID aan elk bewegend object toe te kennen, wat end-to-end tracking over meerdere kruispunten mogelijk maakt zonder identiteiten onthullen.

Het bereiken van continue ID-tracking over meerdere kruispunten vereist gesynchroniseerde sensoren en edge-computing. Traditionele systemen verliezen de ID wanneer een object van de ene sensor-zicht naar de andere kruist, wat de datastroom fragmenteert.

Quanergy's geautomatiseerde ID-handover-mechanisme overdraagt een object's ID naadloos tussen sensoren, wat een enkele identifier behoudt gedurende de hele reis en uitgebreide stroom-analytics levert.

Quanergy's M-Series, inclusief de long-range MQ-8, zijn geengineerd voor stroom-beheertaken. In tegenstelling tot conventionele LIDAR die een symmetrische bundel emiteert, richt de MQ-8 alle bundels naar beneden, wat complete gronddekking waarborgt en blinde vlekken elimineert. Dit ontwerp levert een 70 m detectieradius (15.000 m²) en vermindert het aantal benodigde sensoren en kosten.

Omdat LIDAR alleen geometrische data vastlegt, omzeilt het facial-recognition privacy-kwesties, wat anonieme, compliant verkeersmonitoring biedt.

Privacy-kwesties Rond Faciale Recognitie Oplossen

Paul Hoekstra voor SFMTA beschrijft de project-rationale en uitkomsten.

Toen we de pilot in april 2019 begonnen met SFMTA, Cisco en Quanergy, gebruikten we initieel DSRC-sensoren. Echter, slechts 1% van voertuigen uitzendt DSRC-signalen, wat de technologie ineffectief maakte voor verkeersstroommeting.

We implementeerden 20 LIDAR-eenheden op vijf kruispunten langs 3rd Street, nabij het nieuwe basketball-stadion. Edge-computing draaide op Cisco TRX-eenheden, die Quanergy's QORTEX-software uitvoerden, wat data streamt naar een Cisco Kinetic-aangedreven VM-cluster dat ~30 miljoen berichten per week opslaat.

Zondag-rapporten detaileren voertuigtrajecten, timestamps, oorsprongen, bestemmingen, stop-aantallen, duur, snelheden en event-context. Deze koppeling over kruispunten stelt ons in staat om bewegingen te kwantificeren zoals noordelijke instroom en afslagen.

Met behulp van QORTEX's gecalibreerde logica, bereikten we 96% nauwkeurigheid in het matchen van in- en uitstroom-ID's. Voor voetgangers onthullen zone-definities trottoir-aanwezigheid, zebrapad-grenzen en nabijheid tot voertuigen, wat near-miss analyse op basis van vectoren en snelheden mogelijk maakt.

Het systeem vangt alleen anonieme vormen – voertuigen als blokken en voetgangers als stippen – wat garandeert dat geen persoonlijke data wordt opgeslagen.

De eerste PoC focuste op data-analyse. De tweede PoC zal het kruispunt-aantal verdubbelen van vijf naar tien, wat de corridor-omvang uitbreidt.

We integreren de signaal-controller data – lussen, drukknopen, railsensoren – in het centrale platform, wat een bidirectionele informatiestroom creëert. Objectclassificatie van edge-sensoren informeert voorspelde transit verblijftijden gebaseerd op passagierssamenstelling (rolstoelen, kinderwagens, fietsen).

Backend-analytics zullen optimale verblijftijden schatten (bijv. 20s vs 32s) en extrapoleren over de volledige corridor.

Het optimaliseren van de corridor vereist het bekijken als een geïntegreerd netwerk in plaats van geïsoleerde knooppunten. Hoge-frequentie algoritmische herberekeningen – potentieel overschrijdend 1 Hz – maken realtime signaal-aanpassingen mogelijk.

Deze algoritmes voeden realtime commando's naar signaal-controllers, wat de lus completeert en geïntegreerd verkeersmanagement exemplificeert.

San Francisco heeft al 7.000 camera's, maar ze bieden alleen 2D-beelden en minder precieze locatiedata. LIDAR biedt superieure nauwkeurigheid, werkt in regen en 's nachts, en vermijdt privacy-kwesties gebonden aan visuele identificatie.

Het project streeft ernaar noodvoertuigen prioriteit te geven, transit-schema's te optimaliseren, en voertuig-platooning te faciliteren wanneer openbaar vervoer niet beschikbaar is, wat de corridoor-efficiëntie verbetert.