I dag bliver trafiklys som regel indstillet til at skifte efter nogle faste tidsintervaller, men det kan gøres meget smartere med kunstig intelligens, der løbende kan forudsige trafikkens udvikling og tilpasse lysene derefter. Professor Sadok Ben Yahia fra Syddansk Universitet har udviklet et nyt system, der i en simuleret test giver bemærkelsesværdigt gode resultater.
Der er altså god grund til at arbejde på nye intelligente systemer til at styre trafiklys, så trafikken i byerne i højere grad glider, og trafikpropper så vidt muligt undgås. Og det er lige netop, hvad professor i data science Sadok Ben Yahia fra Syddansk Universitet har gjort:
Han har udviklet et AI-system, kaldet EcoLight+, der løbende kan forudsige, hvordan trafikken udvikler sig og tilpasse trafiklysene efter det. I en simuleret test over tre måneder på et af de mest trafikerede vejkryds i Tallinn i Estland gav Sadok Ben Yahias system markante reduktioner af både CO2-udledning, støj og beregnet brændstofforbrug.
Som det fremgår af en artikel i tidsskriftet Knowledge and Information Systems, gav EcoLight+ en støjreduktion på 74,6%, det mindskede CO2-udledningen med 63,78% og reducerede brændstofforbruget med 69,61% sammenlignet med almindelige tidsindstillede trafiklys. Det klarede sig også bedre end andre intelligente trafikstyringsmodeller.
– Resultaterne er bemærkelsesværdige. De viser klart, at vores model var den bedste til at finde de optimale tidsinddelinger for trafiksignalerne i løbet af en dag. Men vi kan selvfølgelig ikke tillade os at være for entusiastiske allerede nu. Vi må hælde lidt vand i vinen, som franskmændene siger. Det var en simuleret test. Nu gælder det om at få installeret systemet i et rigtigt lyskryds og teste det ude i virkeligheden, siger professor Sadok Ben Yahia.
Trafikproppernes negative indvirkning
At trafikpropper øger brændstofforbruget og derved også CO2- og partikeludledningen, fordi bilerne er tændt i længere tid, og fordi de skal accelerere og decelerere langt oftere, giver næsten sig selv. Men trafikpropperne har også betydning for økonomien, fordi folk spilder deres tid på at sidde fast i trafikken. I nogle af verdens trafikalt mest overbelastede byer, f.eks. London, spilder hver enkelt bilist i gennemsnit 156 timer om året svarende til knap fire britiske arbejdsdage. Desuden går der også mange penge tabt på ekstra brændstof.
– Vi har lavet beregningen for vores test i Tallinn. I testperioden var den gennemsnitlige benzinpris 1,9 dollars. Det betyder, at man ville kunne spare 1.689 dollars i timen i brændstof, hvis man implementerede vores system. Det er mere end 14 millioner dollars årligt, siger Sadok Ben Yahia.
Trafiksikkerheden påvirkes, fordi bilisterne simpelthen bruger mere tid på vejene, end de ellers ville have gjort, og fordi de kan blive stressede, frustrerede og trætte af den ekstra rejsetid. Derved stiger risikoen for ulykker. Og endelig er der støjgenerne:
– Jeg mener, at vi har al for lidt fokus på støj, når det kommer til trafikpropper. Vi ved, at støj fra trafik har alle mulige negative indvirkninger på vores psykiske og fysiske helbred, siger Sadok Ben Yahia
Data af højere kvalitet
Netop fordi trafikpropper har så mange negative konsekvenser, er der begyndt at komme flere og flere AI-systemer, som kan styre trafikken mere dynamisk end de traditionelle tidsindstillede lyskryds. De bliver typisk fodret med information fra f.eks. sensorer og kameraer på lyskurvene og GPS-data og træffer beslutninger på baggrund af det.
Professor Sadok Ben Yahias EcoLight+-system får ligeledes sin data fra sensorer, kameraer, GPS og også fra sensorer, der måler trafikstøjen. Herefter foregår der en såkaldt data fusion.
– Når vi får data fra flere forskellige kilder og lægger det sammen, får vi data af en højere kvalitet. Det betyder, at modellen kan komme med mere nøjagtige forudsigelser, hvilket igen fører til en mere optimal beslutningstagning i forhold til trafikstyringen, siger Sadok Ben Yahia.
– At vi kan få så gode resultater sammenlignet med andre systemer handler om det, man med et teknisk ord kalder for reinforcement learning. Vores model fungerer simpelthen bare godt.
Og at EcoLight+ blandt andet afhænger af måling af støj, betyder ikke, at den bliver mindre effektiv, hvis bilparken bliver udskiftet til elbiler, siger Sadok Ben Yahia. Det er alligevel mest dækstøj, de måler.
Lige nu arbejder professoren på at finde partnere til projektet, rejse finansiering til flere tests af systemet og implementere det i et fysisk lyskryds. Med de rette partnere regner han med at kunne have en prototype klar på seks måneder.
Kontakt:
Sadok Ben Yahia
mail: say@mmmi.sdu.dk.
