Verkeerssituaties en video-analyse
Collega Sander Korver neemt je mee in z'n werkzaamheden als verkeerskundig ontwerper bij de gemeente Leeuwarden.
Er komen meldingen binnen over een kruispunt. Het is er onveilig. Er zijn de afgelopen tijd weer een aantal aanrijdingen geweest waarbij de slachtoffers letsel hebben opgelopen. Het verkeer stroopt op en blokkeert zelfs het volgende kruispunt.
Dit is een kleine greep uit de vele redenen om een kruispunt of verkeerssituatie te willen verbeteren. Om dan met de juiste maatregelen te komen heb je informatie nodig over de situatie, over de oorzaken. Hiervoor heb je verschillende bronnen.
Het begint met je eigen lokale kennis. Maar die schiet al snel te kort, luchtfoto’s en streetview geven al een beter beeld. Je leest alle meldingen 3x door en zoekt een rode draad. Je kijkt naar de ongevallendata van de laatste jaren en haalt de gegevens van de meest recente tellingen en snelheidsmetingen naar boven. Die blijken al best oud te zijn. Er zijn veel nieuwe ontwikkelingen geweest in de stad die effect op dit knelpunt zouden kunnen hebben gehad.
Een nieuwe manier om een beeld te krijgen van een verkeerssituatie is video-analyse. Het afgelopen half jaar heb ik hier ervaring mee opgedaan.
Naast de normale manier van werken maak ik steeds vaker videobeelden van de situatie. Het kunnen terugkijken van de beelden maakt het makkelijker om gedrag te analyseren.
De videobeelden kunnen op verschillende manieren worden ingewonnen. Een drone geeft mooie beelden van bovenaf. Ideaal voor kruispuntstromen en intensiteiten. Maar het kan ook kleinschaliger. Door op een strategische plaats een GoPro te plaatsen bijvoorbeeld. Deze staat bij voorkeur zo hoog mogelijk. Dan wordt er minder snel een voertuig of persoon afgedekt. Zo heb ik op het dak van het UWV in Leeuwarden gestaan met de camera op een statief. Maar de camera op ca. 4 meter hoogte in een boom werkt ook al goed.
Tijdens het maken van de beelden blijf ik aanwezig om naar het gedrag van de weggebruikers te kijken. Wat valt er op vanaf straatniveau? Kijken naar zichtlijnen, hoe is de omgeving? Ik noteer de aandachtspunten om later bij de analyse een beter oordeel te kunnen geven.
De videobeelden worden daarna geautomatiseerd en met AI-technologie bewerkt. Voertuigen worden (geanonimiseerd) herkend en ingedeeld in klassen, fietsers en voetgangers worden herkend. Dit levert een bestand op wat samen met de videobeelden geanalyseerd kan worden. Je ziet de loop- en rijlijnen van alle weggebruikers.
Vervolgens maak je virtuele telslangen over de weg of het fietspad. Die telslangen maken het mogelijk een herkomst en bestemmingen diagram te maken. Zo krijg je een beeld van de intensiteiten, de kruispuntstromen en snelheden. Hoelang staan voetgangers te wachten voordat ze kunnen oversteken? Ook dit kun je uit de data halen.
Waar kijken mensen naar? Waar versnellen of vertragen ze?
De verkregen data kan gebruikt worden voor het verdere proces om de knelpunten op te lossen. Doorstromings- en verkeersveiligheidsknelpunten kunnen beter verholpen worden met video-analyse.