Traditioneel wordt het verkeersbeheer van bovenaf geregeld, maar nu slimme voertuigen steeds meer intelligentie op de weg brengen, is de tijd rijp om te kijken naar bottom-up verkeersmanagement. Diverse projecten zoeken uit wat de mogelijkheden zijn, terwijl de ontwikkeling van deze functionaliteit wordt gestroomlijnd. Paul van Koningsbruggen van Technolution legt uit.
Wegverkeer is een complex systeem, waar we maar al te graag grip op zouden willen hebben. Net als dat we waterstromen via een geraffineerd stelsel bufferen, stuwen en regelen, willen we graag de verkeersstroom sturen. Vandaar dat we de omvang van die stroom meten en de stroom via regelinstallaties, signalering en dynamische informatiepanelen beïnvloeden. Verkeersmanagement is net als watermanagement top-down ingericht.
Maar wat als we de analogie eens loslaten en een bottom-up aanpak kiezen voor verkeersmanagement? Op zich geen vreemde gedachte, zeker niet nu voertuigen intelligenter worden en smartphones informatie altijd en overal beschikbaar maken. Dat biedt kansen om de individuele weggebruikers bewuster te betrekken bij verkeersmanagement – om ze uit te dagen onderdeel te worden van de groep die samen het netwerkoptimum nastreeft onder het mom ‘wat goed is voor ons allen, is goed voor mij als individu’ en vice versa. Een aanpak die aansluit bij moderne trends waarbij individuen het heft in handen nemen en de overheid databronnen en besluitvorming openstelt. Laten we de mogelijkheden van verkeersmanagement van onderaf eens verder verkennen.
Om te beginnen, stellen we het voertuig en zijn bestuurder centraal. Voertuigen worden in toenemende mate uitgerust met advanced driver assistance systems (Adas) en navigatie- en verkeersinformatiesystemen. Die Adas gebruiken een grote hoeveelheid data uit een reeks sensoren om een dynamisch beeld van de omgeving op te bouwen: radar, camera, lidar, ultrageluid en gps. Een beeld dat we verder kunnen verrijken met bijvoorbeeld rood-groencycli van kruispunten, dynamische snelheidsadviezen of informatie over wegwerkzaamheden. Omgekeerd kunnen we uit de data die de voertuigen voor zichzelf genereren een goed beeld opbouwen van de situatie op de weg. En dat kunnen we weer doorgeven aan achteropkomend verkeer.
Een mooi voorbeeld van bottom-up verkeersmanagement is het Dynamic Lane Guidance-project op de A67 tussen de Belgische en Duitse grens. Op deze corridor komt veel vrachtverkeer samen met woon-werkverkeer, waardoor vaak onveilige situaties bij opritten en filegolven op de hoofdrijbaan ontstaan. Denk aan personenauto’s die moeizaam invoegen in een colonne vrachtwagens en daarna gelijk doorsteken naar de linkerbaan. Dat resulteert in veel plotselinge rijstrookwisselingen en onnodige remacties.
Om de bestuurders beter te begeleiden, koppelen we in dit project informatie van de weg aan een bestaande navigatie-app. Dit resulteert in een extra ‘laag’ over de routegeleiding heen met verkeersinformatie en een snelheids- en rijstrookadvies. De voertuigbestuurder kan hiermee anticiperen op het komende verkeer.
Het project is onderdeel van Brabant In-Car III. Dit is een subsidieprogramma van het Samenwerkingsverband Regio Eindhoven (SRE) om in-car-toepassingen als oplossing voor mobiliteitsproblemen te testen en te implementeren.
Halverwege
Automobilisten ondersteunen en delen van hun rijtaak overnemen vraagt om buitengewoon betrouwbare systemen, die eenmaal in een voertuig geplaatst ook twaalf tot vijftien jaar zonder gebreken moeten blijven functioneren. Bovendien moeten ze betaalbaar zijn. De automotive-industrie zoekt dus naar manieren om nieuwe Adas-functies betrouwbaar en kosteneffectief in te kunnen voeren. In het Europese Deserve-project (Development Platform for Safe and Efficient Drive) werken we aan een efficiënter ontwerp- en ontwikkelproces, plus een bijbehorend platform (inclusief instrumentarium) om dit te ondersteunen. Ook kijken we naar een meer modulaire opzet van de Adas-functies, zodat het opwaarderen of toevoegen van functies in de loop van de tijd eenvoudiger wordt.
Het ontwerp- en ontwikkelproces baseert zich op het welbekende V-model. Hierbij hebben we drie validatieslagen heel expliciet gemaakt en ondersteund met instrumentarium. De eerste stap is het idee voor een nieuwe Adas-functie uitwerken in de bijbehorende algoritmiek en direct in een model-in-the-loop-omgeving (Mil) beproeven.
Zodra de nieuwe functie stevig staat, kan de bijbehorende software worden ontwikkeld, inclusief alle coderegels die ervoor zorgen dat de functie betrouwbaar gaat functioneren in de praktijk. Deze software wordt onmiddellijk beproefd in een software-in-the-loop-omgeving (Sil). Daarbij wordt ook een design space-analyse uitgevoerd om een beeld te krijgen van de hardware die nodig is om de Adas-functie onder restrictieve realtime condities uit te voeren, iets wat met de huidige complexe Adas-functies niet meer triviaal is.
De laatste stap in het ontwikkelproces is om de functionaliteit naar de juiste hardware te brengen, zodat de prestaties aangetoond kunnen worden met een hardware-in-the-loop-omgeving (Hil). Het algoritme (Mil), de software (Sil) en de bijbehorende implementatie op hardware (Hil) vormen samen de aanzet voor een nieuwe Adas-functie die in productie kan worden genomen. In de productielijn kan de software verder worden afgehard en de juiste Soc worden gekozen of ontwikkeld. Met name de design space-analyse en de Hil-stap ontbreken nu vaak nog.
Als onderdeel van het ontwerpproces werkt Deserve aan de herbruikbaarheid van softwaremodules, die als bouwblok voor een nieuwe Adas-functie kunnen dienen. Daarvoor hebben we een generiek softwareplatform geschetst, opgebouwd uit drie lagen: perceptie, applicatie en activatie. Het idee is om niet langer op zichzelf staande Adas-functies te ontwikkelen, compleet van sensor tot en met actuator; volgens de Deserve-filosofie wordt een nieuwe Adas-functie toegevoegd aan een generiek softwareplatform, waarbij – indien mogelijk – bestaande sensoren, bestaande actuatoren en zo mogelijk bestaande softwaremodules worden gebruikt. Uiteraard stelt dit eisen aan de zorgvuldigheid waarmee softwaremodules zijn gespecificeerd en ontwikkeld.
Deserve duurt in totaal drie jaar en we zijn nu halverwege. In dit tweede jaar nemen we naadloze integratie van het generieke softwareraamwerk in het voertuig onder de loep. Een koppeling met Autosar, de open architectuurstandaard voor automotivesoftware, is daarbij een vereiste. In het derde jaar tonen we vier officiële demonstrators voor personenauto’s, (lichte) vrachtauto’s en motorfietsen.
Vanuit Nederland participeren NXP en Technolution in Deserve. Binnen het Dynamic Lane Guidance-project werkt Technolution samen met Tomtom en de TU Delft om de koppeling van verkeersmanagement met Adas te verkennen. Kunnen we floating car-data, radar- en camerabeelden uit het voertuig en voertuig-infrastructuurcommunicatie gebruiken om het beeld van de actuele verkeerstoestand te versterken, om zo tot betere informatie en adviezen voor de individuele voertuigbestuurder te komen?