Technologie en DVM (VK 7/2013)

maandag 9 december 2013 0 reacties 231x gelezen

Vraag van de redactie:
Hoe beïnvloedt technologie het dynamisch verkeersmanagement (DVM)?

TomTom komt met 'Jam ahead warning', Google met een zelfbesturende auto: welke veranderingen levert dit op voor het dynamisch verkeersmanagement? En ook voor de DVM-systemen. Gaan deze helemaal verdwijnen? Of komt er een wisselwerking, waarbij op maat individueel informatie wordt gegeven door private partijen en daarnaast algemene informatielangs de weg?

Serge Hoogendoorn, professor Traffic Flow Theory, Simulation and Management, TU Delft

Serge Hoogendoorn, professor Traffic Flow Theory, Simulation and Management, TU Delft

Antwoord Serge Hoogendoorn: 
De technologische ontwikkelingen en toepassingen binnen het mobiliteitsdomein zitten zeker in de lift. De zelfrijdende auto is hot. Kijk maar eens naar de media-aandacht die begin november uitging naar de DAVI-proef tijdens de innovatie-estafette. Maar daarnaast zijn hype-woorden als ‘in-car’ en ‘coöperatieve systemen’ bijna synoniem geworden voor ontmanteling en ‘versobering van DVM-systemen’. Waarom ‘dure’ DVM-systemen in stand houden, als het voertuig en ook de bestuurder straks over al die mooie technologie kunnen beschikken?

Er zijn wel wat kanttekeningen te maken bij deze gedachte. Ten eerste zal het nog wel even duren voordat de zelfrijdende auto op grote schaal zijn intrede doet. De uitdagingen die spelen zijn niet alleen technologisch van aard, maar hebben ook te maken met juridische aspecten, de rol van de bestuurder en het gebrek aan inzicht in mogelijke gedragsveranderingen en rijvaardigheden en het transitietraject. We moeten kijken hoe we moeten omgaan met de situatie waarin nog niet alle auto’s zichzelf besturen. En we moeten ons realiseren dat het niet alleen om voertuigen op de autosnelweg gaat, maar dat deze zelfrijdende voertuigen zich ook een weg moeten banen door de stad, waarin niet alleen andere auto’s maar ook fietsers, voetgangers, trams en bussen een belangrijke rol spelen. De automatisering in die gebieden is veel lastiger. We kunnen eerst een automatisering op de snelweg verwachten, en pas op (veel) langere termijn een systeem van volledig zelfrijdende voertuigen.

Dit geldt overigens ook voor de systemen die nu al beschikbaar zijn of op hele korte termijn beschikbaar komen, zo als de ‘jam ahead warnings’ of systemen of apps, zoals die van TomTom, Waze, Google en VID, die de reiziger informatie of advies geven of informeren over de verkeerssituatie op de weg. Het gepersonaliseerde karakter van deze apps leidt tot een veel beter advies voor de reiziger, die - gegeven dat deze adviezen betrouwbaar zijn - eerder geneigd zal zijn het advies op te volgen dan bij bijvoorbeeld een matrixbord langs de weg. Zolang niet te veel mensen een dergelijk systeem hebben is er niets aan de hand. Maar als meer mensen hier gebruik van gaan maken, moet je wel rekening houden met problemen die kunnen ontstaan als je aan te veel mensen hetzelfde advies geeft. Maar zelfs als je daarmee rekening houdt, dan blijft het fundamentele probleem bestaan dat je reizigers toch vooral over routes gaat sturen die voor hen het beste zijn. Maar dat betekent niet altijd dat dit ook het beste is voor het collectief. De wereldberoemde Braess paradox (http://en.wikipedia.org/wiki/Braess's_paradox) laat dit duidelijk zien: als iedereen de voor hen optimale route kiest, dan kan de totale reistijd in het systeem behoorlijk oplopen - dit kan tientallen procenten schelen!

Als we bij de transitie naar volledig automatisch rijden alleen denken aan het aan het uitfaseren van de huidige DVM-systemen, laten we kansen liggen. Want juist de integratie van in-cartechnologie en de meer centraal aangestuurde wegkantsystemen biedt fantastische mogelijkheden. Die liggen bijvoorbeeld in het samenbrengen van data uit de wegkantsystemen (de lussen in de weg) en de in-carsystemen (de GPS-posities van de mensen die de apps gebruiken): een lus geeft zeer gedetailleerde informatie over alle voertuigen die de lus passeren; de in-carsystemen geven van een deel van de voertuigen gedetailleerde informatie over de route, de reistijden en snelheden over een traject. Onderzoek laat zien dat je door het samenbrengen (datafusie) van deze databronnen een enorme sprong maakt in de kwaliteit van de informatie. Met dergelijke informatie kan een wegbeheerder zijn taken veel beter uitvoeren en functioneren de DVM-systemen veel efficiënter. Het is dan wel van groot belang dat deze in-cardata beschikbaar wordt voor de wegbeheerders.

Maar daar houdt het niet op: integratie kan ook betekenen dat de wegbeheerder de adviezen van het in-carsysteem ondersteunt door de inzet van DVM. Stel je bijvoorbeeld voor dat je wordt omgeleid door de stad omdat er een ongeval op de snelweg is gebeurd. De wegbeheerder kan dit advies ondersteunen door de verkeersregelingen op de omleidingsroute aan te passen. Maar ook andersom: we kunnen de automobilisten informeren over de inzet van DVM-maatregelen via hun in-carsystemen en zelfs DVM-signalen in-car brengen. In diverse projecten, waaronder de Praktijkproef Amsterdam, wordt aan dergelijke vormen van integratie gedacht.

De rol en de aard van DVM zal de komende tijd zeker veranderen door de komst van in-carapplicaties. Over 25 jaar belanden we dan wellicht in een situatie waarin het voertuig zowel de sensor is als de signaalgever. Een situatie waarin nog steeds sprake moet zijn van enige centrale aansturing om ervoor te zorgen dat het collectief niet te veel lijdt onder het gedrag van de individuen. Tot die tijd doen we er verstandig aan goed na te denken over hoe de verschillende systemen, zolang ze naast elkaar bestaan, elkaar zo goed mogelijk kunnen versterken. En die kansen zijn er zeker!

Reageren

Invoer verplicht
Invoer verplicht
Invoer verplicht

 

 

















 

Legenda
Bij dit veld is invoer verplicht.

Verkeerskunde is een uitgave van ANWB.
© 2019 verkeerskunde.nl - alle rechten voorbehouden.