Krediet: CC0 publiek domein
Vakantie uittocht. Negen uur s’ochtends. De rotondes die naar de snelweg A-3 van Valencia leiden, zijn stilgevallen. Kunnen deze files worden gestopt of in ieder geval verminderd? Een team van onderzoekers van de Polytechnische Universiteit van Valencia (UPV) heeft een nieuw systeem bedacht voor het automatisch tellen van voertuigen dat hierbij zou helpen. Het is een tool met zeer lage kosten die eenvoudig te installeren is op rotondes en kruispunten, en die op een continue en automatische manier matrixen van herkomst en bestemming kan genereren.
Verkeersmanagement wordt steeds belangrijker vanwege de hoge dichtheid van voertuigen in het wegennet, maar ook vanwege de toename van de vervoerde ladingen en verkeerssnelheden. Deze factoren leiden tot verkeersopstoppingen op alle soorten wegen, zowel in de stad als tussen de steden; storingen waarvan de jaarlijkse kosten in Spanje naar verluidt ongeveer € 5.500 miljoen bedragen.
In die zin leggen de UPV-onderzoekers uit dat gedetailleerde informatie in realtime over de oorsprong-bestemmingsmatrixen zeer nuttig is voor een passend beheer van het verkeer. “Deze matrixen maken het mogelijk om te weten hoeveel voertuigen van een bepaalde oorsprong (O) komen en naar elke bestemming (D) rijden, en met deze informatie kan de entiteit die verantwoordelijk is voor het beheer van het verkeer de beste beslissingen nemen, en zoals zo snel mogelijk, om ervoor te zorgen dat het verkeer zo vlot mogelijk verloopt ”, legt Rubén Sancho, onderzoeker aan het Instituut voor Multidisciplinaire Wiskunde van de UPV, uit.
Traditioneel wordt het registreren van de gegevens om deze oorsprong-bestemmingsmatrixen te verkrijgen gedaan met handmatige telling ter plaatse. Voor grote verkeersvolumes is dit echter niet efficiënt. Bovendien hebben de huidige geautomatiseerde herkenningssystemen bepaalde technische ongemakken, omdat ze de installatie van camera’s vereisen op een hoogte die kan worden beïnvloed door slechte weersomstandigheden, de verkeerscongestie zelf, enz., Waardoor de kans op fouten groot is, en daarom zijn niet erg betrouwbaar.
Om deze reden heeft het onderzoeksteam van de UPV een systeem bedacht dat de registratieanalyses van een netwerk van sensoren (versnellingsmeters en magnetometers) kan gebruiken, het type voertuig kan classificeren dat een kruispunt kruist en tegelijkertijd genereer oorsprong-bestemmingsmatrixen in realtime.
“Deze tool zou bijdragen tot een optimaal en accuraat beheer van het verkeer, waardoor veel files kunnen worden voorkomen en in ieder geval snel kunnen worden verminderd, gezien de mobiliteitspatronen van de voertuigen”, zegt Rubén Sancho.
Hoe werkt het?
Het systeem bestaat uit een eenheid voor het registreren en verzenden van gegevens en uit sensoren, versnellingsmeters en magnetometers die in de weg zijn geïnstalleerd. Deze apparaten zijn verdeeld over alle wegen die naar en van de kruising leiden om de doorvoer van voertuigen te volgen, waardoor er in elke weg een meetstation ontstaat.
“Terwijl ze elk van deze stations passeren, activeren de voertuigen sensoren waarmee ze kunnen worden geclassificeerd en geïdentificeerd. Door het trillingssignaal te analyseren dat wordt geproduceerd door de interactie tussen voertuig en weg, is het mogelijk om het aantal assen van het voertuig en de afstand daartussen te bepalen. , wat het mogelijk maakt om het type voertuig te classificeren aan de hand van een gestandaardiseerd classificatiecriterium ”, aldus Sancho.
Bovendien genereert de metalen massa van het voertuig en zijn verdeling een verstoring van het magnetische veld waardoor het mogelijk wordt om de voertuigen op een unieke en individuele manier te classificeren met de zogenaamde “magnetische voetafdruk”. Dit maakt het mogelijk om voor elk voertuig te weten wat hun herkomst (O) en bestemming (D) is.
“Deze gegevens worden in realtime verwerkt met een reeks wiskundige algoritmen die de signalen van de sensoren filteren en behandelen. Op deze manier worden oorsprong-bestemmingsmatrixen verkregen voor elke kruising, waarbij niet alleen het aantal voertuigen wordt geleerd dat gebruik elke route, maar ook hun classificatie, waarbij bijvoorbeeld onderscheid wordt gemaakt tussen personenauto’s, zware voertuigen, motoren, enz. ”, legt Rubén Sancho uit.
Het systeem kan worden aangesloten op kabel- en draadloze communicatienetwerken voor real-time gegevensoverdracht naar een server of coördinatiecentrum. Deze informatie stelt de entiteiten die verantwoordelijk zijn voor het onderhoud en het beheer van de weg in staat om op een geactualiseerde manier de congestiestatus te leren, en om verkeersmanagement- en voorspellingsmodellen te voeden om de acties te definiëren die moeten worden ondernomen.
Geleverd door Asociacion RUVID
