16 juni opening fietspad.pdf
0 likes108 views
Opening intelligent bicycle road - 16th of June, 2022. In this talk (in Dutch), we have introduced the investments in monitoring at the TU Delft campus.
16 juni opening fietspad.pdf
- 1. Serge Hoogendoorn De TU Campus als de plek voor data-gedreven mobiliteits- onderzoek
- 4. Meten, schatten en identificeren Begrijpen en theoriseren Modelleren en voorspellen Ingrijpen: regelen, ontwerp en beleid
- 5. Meten, schatten en identificeren Meten: hoe druk is het? Hoe fietsen mensen? Hoe lang staan mensen voor een verkeerslicht te wachten en hoeveel mensen zijn dat dan? Schatten: kunnen we door combinatie van verschillende databronnen de kwaliteit van de informatie verbeteren? Kunnen we informatie bepalen die we niet direct kunnen meten? Identificeren: waar ontstaan problemen? Welke factoren leiden tot deze problemen? Het intelligente fietspad verzameld unieke verkeers- en contextdata (weer, gladheid, etc.)
- 6. Stress meten met Fitbits Meten van hartslag met Fitbits Schatten van stress door afwijking van hartslag (bij inspanning) vast te stellen Identificeren van situaties waarin stress hoog is en vaststellen onder welke condities dit voorkomt Unieke pilot stressmeting op de TU Campus op 14 juni 2022 toont locaties waar stress relatief hoog is. In combinatie met andere data (e.g., van het intelligente fietspad) kunnen we opmaken wat hier de oorzaak van is (drukte, kenmerken locatie, etc.)
- 8. Werkzaamheden waardoor fietsers de weg op moeten Vanaf Sebastiaanbrug: Drukke onoverzichtelijke en complexe kruising met verkeer uit meerdere richtingen Drukke Mekelpark route heeft relatief hoog stressniveau
- 9. Begrijpen en theoriseren Stressniveau fietsers Drukte Weer Doel reis Interactie ander verkeer Wegontwerp Verkeers- regelaars Welke factoren (e.g., drukte, interactie ander verkeer, wegontwerp, weer) zorgen voor stress bij fietsers en voetgangers? Factoren vaststellen op grond van gegevens intelligente fietspad en andere databronnen uit de Outdoor Mobility Digital twin Toepassen Kunstmatige Intelligentie voor het vaststellen - soms complexe - relaties factoren en stress (of level-of-service, of risico ongeval of besmetting) Drukte lijkt een rol te rol te spelen bij stress, maar ook bij serviceniveau en risico
- 10. HB patronen Lokale metingen, e.g. fietspad Huidig en verwacht weer Lesrooster Parkeerdrukte OV data Schatten en voorspellen verkeersdrukte Met geavanceerde AI kunnen we gegevens combineren zodat we optimaal schatten en voorspellen Stressniveau fietsers Drukte Weer Doel reis Interactie ander verkeer Wegontwerp Verkeers- regelaars Geavanceerde AI identificeert complexe relaties tussen factoren en stressniveau
- 11. HB patronen Lokale metingen, e.g. fietspad Huidig en verwacht weer Lesrooster Parkeerdrukte OV data Schatten en voorspellen verkeersdrukte Stressniveau fietsers Drukte Weer Doel reis Interactie ander verkeer Wegontwerp Verkeers- regelaars Vlinderdas model Met het vlinderdas model koppelen we de hoofdfactor (i.c., drukte) aan verzwarende omstandigheden om zo stress (of risico) vast te stellen
- 12. Weer Crowd- managers Vlinderdas model CSM Vlinderdasmodel wordt toegepast voor het CSM project voor voorspelling risico Risiconiveau HB patronen Lokale metingen Huidig en verwacht weer Evenementen kalender Parkeerdrukte OV data Schatten en voorspellen drukte voetgangers Doel bezoekers Sentimenten Drukte Regelgeving
- 13. Schatten en voorspellen verkeersdrukte HB patronen Lokale metingen Huidig en verwacht weer Lesrooster Parkeerdrukte OV data Modelleren & voorspellen Onderzoek binnen DAILab XAIT richt zich op ontwikkelen van interpreteerbare AI voor het netwerkbreed voorspellen van multimodaal verkeer op grond van de gegevens uit het OMDt Resultaten Gedistribueerde Graph Neural Networks + Federated Learning zijn veelbelovend (nauwkeurig*, betrouwbaar, schaalbaar, generaliseerbaar en secure) * Relatieve fout ~8% voor 5-min en ~13% voor 30-min flow voorspelling!
- 14. Mobiliteitsonderzoek begint en eindigt met data. en daarom investeren we in grootschalige dataverzameling
- 15. Maar wat is die data nu waard? Voorbeelden Smart & Green Mobility Innovaties
- 16. Toepassingen en waardeketen Meten, schatten, voorspellen, identificeren Voorbeelden applicaties
- 17. Toepassingen en waardeketen data Impact? Investeren in nieuwe datacollectie Ontwikkelen nieuwe x-AI methoden Nieuw ontwerp- en regelmethoden
- 18. Waardegedreven ontwerp sensor en informatiesystemen Eisen aan dataverzameling Eisen aan informatie Gewenste impact Optimaal ontwerp sensorsysteem volgt uit de utiliteit van de uiteindelijke toepassingen ervan! Dit vormt een grote weten- schappelijke uitdaging!
- 19. Bedankt voor uw aandacht Serge Hoogendoorn
- 20. Serge Hoogendoorn De TU Campus als de plek voor data-gedreven mobiliteits- onderzoek