Veiliger verkeer door video- en gedragsanalyse

Data kan een belangrijke rol spelen in het verbeteren van de verkeersveiligheid. Zoals vorige week besproken zijn er verschillende data-driven methoden ontwikkeld die bijdragen aan de doelstellingen van het Vision Zero initiatief; een initiatief met het doel om doden en ernstige verwondingen als gevolg van verkeersongevallen te elimineren. Het model DataKind draagt bij door de hoeveelheid voertuigen op straten te schatten en aan de hand daarvan de verkeersplanning te verbeteren. Maar er zijn nog andere methoden die bijdragen aan het Vision Zero initiatief.

Video Analytics Towards Vision Zero

In samenwerking met de universiteit van Washington leidde Microsoft het project Video Analytics Towards Vision Zero in Bellevue. Dit project paste machine learning toe op de camerabeelden van de verkeerscamera’s van de stad om omstandigheden die leidden tot bijna-ongevallen, welke niet werden opgenomen in traditionele verkeersdata, in beeld te brengen om toekomstige ongevallen te voorkomen. Het analyseren van bijna-ongevallen kost niks in termen van beschadigingen en mensenlevens, en video analyse is een van de eerste manieren om waarde uit zulke incidenten te halen en deze inhoudelijk goed te begrijpen.

Het video analytics systeem maakt gebruik van een tracker technologie welke bewegende objecten detecteert en volgt, waarna het deze indeelt in categorieën zoals auto’s, fietsers en voetgangers. Dit gebeurt met behulp van een diep neuraal netwerk dat in de loop van de tijd leert. Het simuleert het centraal zenuwstelsel van dieren. Deze systemen produceren rapporten die voertuigen classificeren op draaiende bewegingen, richting, snelheid, versnelling en stoten. De systemen produceren risico scores gebaseerd op de omstandigheden van bijna-ongevallen. Op deze manier wordt een stad in staat om hoge risico locaties te markeren en in te grijpen om gevaarlijke omstandigheden aan te pakken.

Nog een boeiend weetje: Om de nauwkeurigheid van deze systemen te verhogen maken de steden gebruik van crowdsourcing. Vrijwilligers kunnen online de systemen aanleren om zelf onderdelen uit de videobeelden te identificeren door vooraf opgenomen beelden te analyseren.

Boston Safest Driver Competition en Zendrive

Omdat menselijk fouten verantwoordelijk zijn voor zo’n negentig procent van de verkeersongelukken, is het analyseren en voorkomen van riskant gedrag in het verkeer een belangrijke stap naar een betere veiligheid. Boston heeft dan ook van eind 2016 tot en met begin 2017 de Boston Safest Driver Competition gehouden. Voor de wedstrijd lanceerde de stad een gratis mobiele app welke bestuurders feedback gaf op basis van versnelling, remmen en afleiding door de telefoon. De app gaf de gebruikers punten op basis van hun prestaties, en iedere week gaf de stad prijzen aan de beste bestuurders, degenen die het meest waren verbeterd, nieuw app gebruikers, en mensen die op weg gingen zonder de auto. Aan het eind van de wedstrijd werd er een grote prijs uitgereikt. Om deel te nemen hoefden de bewoners alleen maar de app te downloaden. De wedstrijd bleek een groot succes, met 47 procent minder afleiding door de telefoon en 35 procent minder snelheidsovertredingen. Dit soort veranderingen zouden botsingen significant kunnen verminderen als deze van toepassing waren op de gehele stad.

Het bedrijf Zendrive heeft op dit concept voortgeborduurd. Zij bieden een tool die gebruik maakt van sensoren in smartphones om informatie over het gedrag van de bestuurder waar te nemen en te analyseren. Door middel van de technologie kan het waargenomen worden als bestuurders remmen, als ze plotseling versnellen, hoe snel ze rijden, of ze agressief rijden, en of ze afgeleid zijn. Vervolgens kan de tool de bestuurders adviseren wat zij kunnen doen om veiliger te rijden.

Deze data-driven methoden voor het verbeteren van de verkeersveiligheid vind ik zeer inspirerend. Hoewel het verzamelen en analyseren van grote hoeveelheden data grote risico’s met zich mee kan brengen, stelt het ons ook in staat om de wereld veiliger en daarmee leuker te maken. De Vision Zero methoden laten duidelijk deze krachtige kant van data zien.

Geef een reactie

Vul je gegevens in of klik op een icoon om in te loggen.

WordPress.com logo

Je reageert onder je WordPress.com account. Log uit /  Bijwerken )

Google photo

Je reageert onder je Google account. Log uit /  Bijwerken )

Twitter-afbeelding

Je reageert onder je Twitter account. Log uit /  Bijwerken )

Facebook foto

Je reageert onder je Facebook account. Log uit /  Bijwerken )

Verbinden met %s