Hvordan kan man være sikker på at man har oversikt over alle bilene i en tunnel hvis det begynner å brenne i tunnelen? Et norsk pilotprosjekt skal i høst bruke trafikantene i Arnanipa-tunnelen i Bergen til å lære en kunstig intelligens å skjelne kjøretøyer fra hverandre med stor presisjon ved hjelp av magnetsensorer.
Det finnes allerede systemer som bruker magnetsensorer til å kjenne igjen biler, men algoritmene som brukes, er svært grove. Enkelt forklart tar de utgangspunkt i at når sensorene registrerer at noe langt passerer, så er det en lastebil, og hvis noe kort passerer, så er det en personbil, eller de baserer seg på akselavstand og antall akslinger.
– Men skal vi kunne forsikre oss om at alle biler som har kjørt inn i en tunnel, også har kommet ut igjen, er dette langt fra detaljert nok, sier Erlend Alvsåker, som leder prosjektet Vegvesenet nå skal sette igang sammen sammen med sensorleverandøren Euroskilt i Tønsberg.
- Trafikksikkerhetsturné: Nå starter kampen mot sommerulykkene
Unik magnetisk signatur
– Algoritmene må være så nøyaktige at vi kan skille forskjellige typer kjøretøy fra hverandre etter størrelse, bruksområde og hva slags drivstoff de bruker, men også ulike merker, -typer og årsmodeller. I teorien vil to identiske biler kunne skilles fra hverandre ut ifra hvilken last de har. Målet er at vi skal kunne skille en Tesla fra en annen, og det vil vi kunne få til ved hjelp av kunstig intelligens. Alle biler har sin unike magnetiske signatur, det blir som et fingeravtrykk for biler, sier Alvsåker.
– Men hvorfor ikke bare bruke bilnummeret for å skille kjøretøyene?
– Da ville vi jo nærmet oss overvåking. Vi vil samle minst mulig persondata. Med den teknologien vi skal teste ut nå, er dataene helt anonymisert. Selv om vi kan skille alle biler fra hverandre, vil vi ikke få vite noenting om bileiere og sjåfører. Og det er jo ikke det vi er ute etter heller, sier Alvsåker.
Vegvesenet regner med å inngå en avtale med Euroskilt i juli, og starte monteringen av magnetsensorene i Arnanipa-tunnelen på E16 utenfor Bergen over sommerferien. Den 2133 meter lange tunnelen har en ÅDT på ca. 16.000, og dermed er trafikkgrunnlaget så stort at AI-systemet kan være ferdig utlært i gjenkjenning av kjøretøyer fra dag en, dersom Vegvesenet bestemmer seg for å installere systemet i norske veitunneler.
Hittil har systemet bare vært prøvd ut i begrenset skala på et testområde ved universitetet på Ås, der Disruptive Engineering, firmaet som har utviklet teknologien som styrer systemet, har sitt utspring fra.
- Mælefjelltunnelen: 200 kilometer ledning trekkes gjennom 9,4 kilometer tunnel
Skal finne optimal sensoravstand
Noe av det som skal testes i Arnanipatunnelen, er hvor tett sensorene må monteres for at systemet skal fungere.
– I utgangspunktet monterer vi en sensor per 250 meter, men i en sektor av tunnelen vil det bli satt opp sensorer for hver 20. meter. Ved å slå av og på sensorer kan vi her simulere oppsett med en rekke forskjellige avstander, og finne den avstanden mellom sensorene som får gjenkjennelsesalgoritmen til å fungere optimalt, sier Teknisk prosjektleder Odd-Andreas Bjerke i Euroskilt.
Sensorene er plassert i syv millimeter tykke strimler. De kommer i sett på to, som monteres med en meters mellomrom for å kunne registrere fart, og hvert sensorsett har sin egen nettoppkoblede styringselektronikk, slik at sensorene både kan avleses og feildiagnostiseres via internett.
.jpg)
Bjerke sier at systemet er billig, både å montere, vedlikeholde, og drifte. Før testdriften i Arnanipa-tunnelen vil man prøve både å legge sensorene direkte ned i asfalten i et syv millimeter oppfrest spor, og legge dem i et noe bredere trekkerør, slik de vil monteres dersom de monteres i forbindelse med bygging av ny vei. Sensorene blir med begge metodene lagt så dypt i veidekket at de ikke påvirkes av vanlig veivedlikehold.
- Frykter branner: Lastebileierforbundet sier nei til flere undersjøiske tunneler
.png){kind=logo}
Kan gi detaljert trafikkstatistikk
Sensorer som gjør det mulig å si mye om kjøretøyene uten å si noe om hvem som kjører, har flere bruksområder enn å gi oversikt over kjøretøy i brennende tunneler. Sensordataene er gull for trafikkstatistikken.
– I dag er det fem detaljnivåer på kjøretøyklassifikasjonen i veitrafikkstatistikkene. Vi mener at dette systemet overgår alle disse nivåene. Utstyr som dette vil dermed kunne gjøre veistatistikken mye mer detaljert enn i dag, og man vil dessuten kunne lese statistikken av i sanntid, sier Bjerke.
Han sier at både Transportøkonomisk Institutt og Nye Veier har vist interesse for datagrunnlaget sensorene kan gi, og tror også det er et marked utenfor Norges grenser, enten utstyret skal brukes til å gi oversikt over kjøretøy ved hendelser i trafikken, eller til å samle trafikkdata.
Kan skape helt nye tjenester
Bjerke ser ikke bort fra at andre kommersielle aktører også vil kunne bruke dataene til helt andre typer tjenester.
– Det blir skapt et enormt datasett, som sier mye om hva slags kjøretøyer som beveger seg på veiene - men som ikke kommer i konflikt med GDPR-lovgivningen siden de er helt anonymiserte. Hva slags tjenester det kan være, tør jeg ikke spå om, men man jo for eksempel se for seg at forsikringsselskap kan være interessert i å se hvilke bilmerker som kjører pent eller stygt, sier han.
Vegvesenet kommer til å ha råderett over dataene de samler inn, til sitt bruk. Hvor åpent tilgjengelig rådataene skal gjøres i fremtiden, er en kommersiell og juridisk vurdering som ikke er gjort ennå, forteller Bjerke.
Prosjektet i Arnanipa-tunnelen skal i første omgang gå ut året, og det vil bli lagt fram en sluttrapport i desember med anbefaling om hvorvidt utstyret bør monteres i flere norske veitunneler.
Det er registrert 1164 veitunneler i Norge i dag, men Erlend Alvsåker mener det vil naturlig å ta hensyn til ulykkesrisiko, trafikkmengde og lengde på tunnelene når Vegvesenet avgjør hvilke tunneler som eventuelt skal få montert magnetsensorer i fremtiden.
- EU forbyr dem: Men flere har berget livet i tilfluktsrom i tunneler
