Filestaartbeveiliging op basis van floating car data

De verkeerssignalering in Nederland is in de jaren zeventig van de vorige eeuw ontwikkeld. Al die decennia is dit systeem achter onze filestaartbeveiliging ‘gevoed’ met behulp van inductielussen in de weg. Maar inmiddels onderzoekt Rijkswaterstaat alternatieve databronnen, waaronder twee typen floating car data. Marco Schreuder van Rijkswaterstaat Water Verkeer en Leefomgeving praat ons bij.

 

 
Onze huidige generatie wegkantsystemen voor verkeerssignalering zijn aan het eind van hun technische levensduur. Bruikbare alternatieven voor deze ‘wegkantgebonden’ dienst zijn er nog niet – alle snelle ontwikkelingen rond connected, coöperatief en automatisch rijden ten spijt – dus de keuze zal bij vervanging nog steeds vallen op good old systemen langs en boven de weg.

Maar niets belet ons om die wegkantsystemen dan in ieder geval voor te bereiden op technologische innovaties. Dat is precies het doel van het project i-WKS, waarmee Rijkswaterstaat begin 2016 van start is gegaan. In dit project zetten we in op een scheiding van de hard- en software van wegkantsystemen en op het gebruik van IP-technologie. Door die aanpassingen zullen we gemakkelijker nieuwe verkeerskundige functionaliteiten en communicatiemethoden kunnen implementeren. Verder experimenteren we in i-WKS met nieuwe inwinbronnen: mogelijke alternatieven voor de (dure) detectielussen waarvan we nu afhankelijk zijn.

Alternatieve inwinbronnen
In deze bijdrage staan we vooral stil bij dit laatste punt, de alternatieve inwinbronnen. We onderzoeken en beproeven drie kansrijke meetmethoden, te weten floating car data gebaseerd op gps-locatiegegevens (apps op smartphones), afgeleide floating car data gebaseerd op 4G/LTE-communicatie (voornamelijk dataverkeer van mobieltjes) en monitoring met behulp van glasvezeltechnologie.

Op dit moment leveren deze technieken alleen (geanonimiseerde) data op rijbaanniveau, terwijl inductielussen op rijstrookniveau leveren. Dit maakt de nieuwe bronnen vooralsnog minder geschikt voor rijbanen met rijbaanscheidingen en voor complexe knooppunten. Om er toch mee aan de slag te kunnen is gekozen voor proeven op een aantal relatief eenvoudige tweestrooks rijbanen: de A1 Apeldoorn-Amersfoort, de A27 Everdingen-Culemborg en de A58 Tilburg-Eindhoven.

FCD-GPS
Bij de op gps-gebaseerde floating car data, kortweg FCD-GPS, leiden we de gemiddelde snelheid direct af uit de beschikbare x/y-posities. Elk voertuig – dat wil zeggen: de app op een smartphone in het voertuig – zendt elke seconde nieuwe locatiegegevens uit, inclusief time stamp. De serviceprovider verzamelt deze data en berekent op basis daarvan het verkeersbeeld.

Uit eerdere (theoretische) studies weten we dat de penetratiegraad van deze vorm van FCD zo’n 10% moet zijn, wil de bron geschikt zijn voor de dienst filestaartbeveiliging. De veldproeven, die hebben plaatsgevonden van oktober 2016 tot januari 2017, laten echter al zeer hoopvolle resultaten zien bij een penetratiegraad tot 8%. Uit de evaluatie blijkt dat de detectieoverlap gemiddeld genomen 95% is. De zogenaamde filekiemen worden in ongeveer 80% van de gevallen gedetecteerd – zie ook figuur 1. Daar staat tegenover dat we met FCD de kiem soms sneller detecteren. Op het moment dat de filekiem een staande file wordt, stijgt de detectie naar 97%. De FCD-GPS-service is tijdens de proef 100% van de tijd operationeel geweest.

De afgelopen jaren is de beschikbaarheid van FCD duidelijk gegroeid. De verwachting is dan ook dat op niet al te lange termijn de grens van 10% wordt gehaald. Het aantal filekiemen dat we dan nog met FCD-GPS missen, zal tegen die tijd fors minder zijn.
 

Figuur 1: De detectie van filekiemen door lussen en FCD-GPS. Het aantal gemiste kiemen (ten opzichte van meting met lussen) is beperkt – zie de sterretjes in de grafiek.

 
FCD-4G/LTE
De FCD-techniek die gebruikmaakt van 4G/LTE wijkt qua techniek behoorlijk af van FCD-GPS. Het belangrijkste verschil is dat we de snelheid van het voertuig niet direct kunnen bepalen (er is immers geen gps-locatie beschikbaar), maar moeten afleiden. De bron FCD-4G/LTE maakt hierbij gebruik van de zogenaamde Timing Advance-signaleringsdata die alle mobiele telefoons op het mobiele 4G-netwerk gebruiken voor hun (data)communicatie. Iedere antennecel is technisch opgedeeld in stapjes van 78 meter rondom die antenne. Van elke mobiel telefoon is bekend hoeveel TA-stapjes deze zich vanaf de antenne bevindt. Als het mobiele device zich van of naar de antenne beweegt verandert het aantal TA-stappen. Op basis van deze input kunnen we via slimme (mapping-) algoritmes de snelheid, rijrichting en positie op een wegvak bepalen.

Momenteel bevindt de onderzoeksopdracht met FCD-4G/LTE zich in de laatste fase, dus er is nog geen evaluatie uitgevoerd. De ervaringen tot nu toe zijn echter positief. In feite is de techniek al zo robuust, dat FCD-4G/LTE gebruikt kunnen worden voor het genereren van dynamische rijtijden op een gegeven snelwegtraject.
Of deze databron ook voldoende nauwkeurig en betrouwbaar is voor filestaartbeveiliging, hangt af van het 4G-datagebruik van de gebruikersgroep die wordt gevolgd (Vodafone-klanten). Het 4G-gebruik stijgt echter zo snel, dat deze bron mogelijk binnen een jaar klaar is voor een toepassing als filestaartbeveiliging.
 

Figuur 2: De Timing Advance-signaleringsdata geven aan hoeveel stapjes een mobiele telefoon verwijderd is van een antenne. Een algoritme kan uit deze ‘locatiegegevens’ de gemiddelde snelheden afleiden.

 
Inwinning via glasvezeltechniek
De derde databron die we in het project i-WKS beproeven, is een bijzondere: de communicatieglasvezelkabels langs de snelweg. Hoe werkt deze inwintechniek precies? Rijkswaterstaat heeft langs haar snelweg 65 Centrale VICnet Ruimten (CVR) staan. Deze ruimten zijn de ‘koppelvlakken’ in het glasvezelkabelnetwerk dat de communicatie naar de wegkantstations verzorgt. Een sensor in de ene CVR stuurt lichtstralen door een vrije ader in de glasvezelkabel; een ‘terminator’ in de volgende CVR vangt het licht op en zorgt dat het niet terug de kabel in reflecteert. Trillingen in de bodem veroorzaken verstoringen in de lichtstraal en die ‘ruis’ kan worden vertaald naar voertuigen. Zo is het mogelijk om continu alle voertuigen op een rijbaan te volgen. Een userinterface rekent gemiddelde snelheden uit per 50 meter-segment op de weg en toont die realtime via een webinterface.

De eerste tussenresultaten zijn veelbelovend. Zoals de planning nu is, kunnen we in mei 2017 testen of deze bron volstaat voor de aansturing van de signaalgevers van de filestaartbeveiliging.

Proeven op straat
Hoewel nog niet alle experimenten zijn afgerond, is het algehele beeld positief. Zeker gezien het feit dat de beschikbaarheid, accuraatheid en nauwkeurigheid van deze databronnen de komende tijd alleen maar bergop zal gaan, lijken FCD-GPS, FCD-4G/LTE en glasvezel kansrijke alternatieven voor de klassieke meetlus. Vanuit de onderzoeksfase willen we nu dan ook door naar de praktijkfase waarin de alternatieven in het operationele proces worden toegepast. De ambitie is om de inwintechnieken nog dit jaar op straat te beproeven.

Er zijn twee experimenten voorzien. In de eerste serie proeven vervangen we de huidige wegkantsystemen door i-WKS – op een locatie waar verkeerssignalering dus al aanwezig is. In de tweede serie implementeren we een lokale filestaartbeveiliging waar die voorziening nu nog niet is, gebruikmakend van de nieuwe inwintechnieken. Uiteraard zullen we de nodige beheersmaatregelen toepassen om elk mogelijk risico gedurende de experimenten uit te sluiten.

Tot slot
In de nabije toekomst blijven detectielussen noodzakelijk voor het bepalen van voertuigintensiteiten en -categorisering. Wel zullen we op termijn met veel minder toekunnen – mogelijk met 75% minder detectielussen. Alternatieven als floating car data zijn nog niet nauwkeurig genoeg om toe te passen bij complexe wegvakken (knooppunten, hoofd-parallelbaan scheiding, tunnels). Maar wat nu nog niet mogelijk is, kan over een paar jaar gemeengoed zijn.

Om op die toekomst voorbereid te zijn, past Rijkswaterstaat de systemen en werkprocessen alvast aan. En waar de situatie het toelaat – op eenvoudige wegvakken – kunnen de nieuwe databronnen al veel sneller worden toegepast.

_____

De auteur
Marco Schreuder is coördinerend adviseur Verkeersmanagement bij Rijkswaterstaat.
Gerard Avontuur is programmamanager Verkeersmanagement bij Rijkswaterstaat.