De file omgedraaid beter voorspellen door terug te redeneren

Presentatie over: "De file omgedraaid beter voorspellen door terug te redeneren"— Transcript van de presentatie:

1 De file omgedraaid beter voorspellen door terug te redeneren
Dr. Ir. J.W.C. van Lint Universitair docent Verkeerstromen Afdeling Transport & Planning Faculteit Civiele Techniek en Geowetenschappen

2 Inspiratie onderzoekslijn BASIM: 80 km/h zones
2003-… Pilot A13 Doel: verbetering luchtkwaliteit Maatregel landelijk invoeren (o.a. op A20) mits files niet erger worden … … A13 pilot positief bevonden Dus groen licht voor landelijke invoering! Pilot ( ) Maatregel ( …)

3 80 km/h zones De praktijk wees anders uit
Capaciteits reductie van ca 11% Investering van 1,63 miljard miljoen/jr zonder maatschappelijk draagvlak Waarom? Onvoldoende naar verkeersdynamica in netwerk gekeken!

4 Oorzaak file A13: terugslag van A20
A13 - kleinpolderplein - A20 File slaat terug (effect) File onstaat (oorzaak)

5 80 km/h zones File veroorzaakt door “zwakste schakel”: A20, die faalt als eerste Omdat capaciteit ~ gem snelheid, en capaciteit maximaal bij ca 90 km/u 80 km/u limiet op A13 heeft nauwelijks effect (want A20 faalt eerst) 80 km/u limiet op A20 vervroegd en verergerd files op zowel A13 als A20!

6 Om dynamica in complexe (verkeers) netwerken te begrijpen en managen is nodig:
Sensoren Methodes om uit real-time (sensor) data zinvolle informatie te destilleren - toestand schatten (vb: waar staan de files, wat zijn de gemiddelde snelheden) Analytische macroscopische verkeersmodellen Extended Kalman Filters (om niet geobserveerde toestand en parameters dicht bij data te houden) Verschillende meetvergelijkingen om alle sensor data aan model te koppelen (netwerkbrede data fusie) Een netwerk Frontlinie internationale state-of-the-art: TUDelft (o.a. ikzelf), MIT, U. Maryland, U.Crete, U.Cal, U.Tokyo …

7 Om dynamica in complexe (verkeers) netwerken te begrijpen en managen is nodig:
Inzicht in de oorzaken van mogeljike problemen – diagnose (vb: een incident) Kan soms direct (uit toestand), anders: Terugredeneren en meest waarschijnlijke lokatie, aard, ernst van bijv capaciteit reductie (incident) achterhalen Toestand in netwerk

8 Om dynamica in complexe (verkeers) netwerken te begrijpen en managen is nodig:
Inzicht in de oorzaken van mogeljike problemen – diagnose (vb: een incident) Kan soms direct (uit toestand), anders: Terugredeneren en meest waarschijnlijke lokatie, aard, ernst van bijvoorbeeld incident achterhalen Capaciteits reductie (regulier, incident?) Hier is nog nooit fundamenteel / op netwerkschaal, en vanuit vekeerstroom theorie naar gekeken TOT NU?

9 Nieuwe onderzoekslijn BASIM
Wetenschappelijke doorbraken Multi-sensor netwerkbrede data fusie / toestandschatting Theorie- en modelvorming “terugredeneren” door koppelen fysieke modellen <-> kunstmatige intelligentie (Belief Netwerken) Link naar andere vakgebieden: Oceanografie, meteorologie Bepalen materiaalparameters Netwerkbeheer in het algemeen

10 Nieuwe onderzoekslijn BASIM
Dynamisch Bayesiaans belief netwerk (hypothese manager) adaptief verkeerstroommodel (data integrator en voorspeller) Terugredeneren: Verschillende oplossingen mogelijk - Gelaagd / hierarchisch systeem - Toestandsruimte BBN slim discretiseren (zowel ruimte / tijd) … Voorspellen: Adaptief verkeer simulatiemodel Fastlane – EKF oorzaken xx xxx xxx xxx xxx xx xxx xx x xx x xx x xxx xxx xx x x xk xk+1 yk yk+1 xk-1 yk-1 uk-2 metingen uk-1 uk Zie slide, Terug in de tijd: BBN Heen in de tijd: adaptief hybride verkeerstroom model effecten

11 Utilisatie Internationaal grote en sterk groeiende markt voor DVM en verkeersmonitoring in EU, USA maar juist ook in OM Sterke internationale contacten: Tokyo, Melbourne, Crete, MIT, Maryland Concrete interesse vanuit de NL markt: ARS-T&T -> BASIM als tool om optimale monitoringsystemen te kunnen verkopen RWS-AVV -> BASIM als add-on op Fastlane (ontwikkelt TUDelft (o.a ikzelf) al voor RWS) Ik zit via als trekker ATMO “midden in” de Nederlandse DVM beroepspraktijk Innovaties Hybride probabilistisch verkeerstroom model: terugredeneren Multi-sensor netwerkbrede data fusie / toestand schatten Zie slides

12 Vragen!

13 Wie is Hans van Lint? Paar jaar gewerkt bij consultant en verkeersinfodienst Rotterdam ( ) PhD “Reliable freeway travel time prediction” ( ) Direct na PhD (mei 2004) Universitair Docent geworden (2006 bevorderd tot UD1) Wetenschapper met veel passie, ambitie en plezier! niet

14 Prestaties tot nu Grensvlak AI/Statistics en Verkeerstroomtheorie
Publicaties 6 intl peer-reviewed journal articles (4 in 2005, 2006) 20+ intl peer-reviewed conference papers en 10+ conference presentaties (alle na 2002) (Snel!) groeiend (inter)nationaal netwerk Invited Member IPC & Ass Editor special sessions IEEE-ITSC conference (Toronto, Canada) Invited Member AI committee Transportation Research Board (Washington, DC) Invited talks in Nederland, China en Japan Reviewer diverse intl journals (Transp-B,-C, Research Records) en conferences Regelmatig ook in populaire media (RTV+Krant) TRAIL Fellow Veel onderzoek binnengehaald: BSIK: projecten in Transumo, ICIS en RGI 3e GS Rijkswaterstaat (o.a. FASTLANE) 0.5 min

15 Voorbeeld: oorzaken files?
A13 -> kleinpolderplein -> A20 Sinds 2004 in de file top-3

16 Reguliere congestie (Vraag > Capaciteit)
A13 - kleinpolderplein - A20

17 Zwaar ongeluk A13 - kleinpolderplein - A20 Ongeluk om 16:00

18 Zwaar ongeluk A13 - kleinpolderplein - A20 X Ongeluk om 16:00

19 Afsluiting afritten Centrum (problemen in de stad)
A13 - kleinpolderplein - A20 Afsluiting/rerouting 15:00-17:00

20 Afsluiting afritten Centrum (problemen in de stad)
A13 - kleinpolderplein - A20 X X Afsluiting/rerouting 15:00-17:00