Kota pintar:kasus lidar dalam sistem transportasi cerdas

Salah satu aspek dari agenda kota pintar adalah penerapan sistem transportasi cerdas. Sebuah proyek percontohan menggunakan sensor lidar di San Francisco Municipal Transportation Agency (SFMTA) telah menunjukkan bagaimana lidar telah memberikan solusi untuk percontohan sinyal lalu lintas pintar kota, bagian dari kebijakan Vision Zero San Francisco.

Tujuan dari kebijakan Vision Zero kota adalah untuk meningkatkan keselamatan jalan, karena diperkirakan setiap tahun sekitar 30 orang kehilangan nyawa dan lebih dari 200 lainnya terluka parah saat bepergian di jalanan San Francisco. Tujuan dari percontohan sinyal lalu lintas pintar dalam kerangka yang lebih besar ini adalah untuk mengeksplorasi penggunaan sistem sinyal lalu lintas cerdas multimodal (MMITSS), komunikasi jarak pendek khusus (DSRC), prioritas sinyal transit (TSP), dan preemption kendaraan darurat (EVP). ) teknologi untuk memberikan prioritas pada kendaraan darurat dan transit. Selain itu, MMITSS juga harus dapat mendeteksi pejalan kaki dan sepeda untuk memberikan mereka interval terdepan, pengacakan, dan/atau pentahapan yang dilindungi.

Bukti konsep pertama yang berakhir pada Januari 2020 menyebarkan sensor lidar di lima persimpangan dan menunjukkan kemampuan untuk membuat profil data secara akurat dan anonim, dengan akurasi 96%. Bukti konsep kedua mengharapkan untuk menambahkan lapisan data ke jaringan kontrol sinyal untuk mengaktifkan 'intelijen' di ITS; ini sedang berlangsung dan diharapkan selesai pada awal 2021.

Kami berbicara dengan dua orang yang terlibat yang menjelaskan teknologi, penerapannya, dan hasil yang diperoleh, dan di sini kami menyajikan sorotan dari percakapan tersebut. Pertama, kami berbicara dengan kepala pemasaran penyedia teknologi sensor lidar Quanergy, Enzo Signore. Kemudian kami menggali lebih dalam bukti nyata dari proyek konsep dengan Paul Hoekstra, yang merupakan konsultan pelaksana strategi independen untuk proyek dengan SFMTA.

Lidar:ID pelacakan objek secara anonim

Enzo Signore of Quanergy menjelaskan manfaat teknologi lidar dalam jenis aplikasi ini, yang membutuhkan manajemen arus dan penghitungan orang dan kendaraan, dan terutama dengan larangan pengenalan wajah.

Proposisi nilai kunci untuk teknologi lidar dalam aplikasi seperti stadion dan kota pintar adalah kemampuan untuk secara anonim melacak objek yang berjalan melalui berbagai titik sensor. Misalnya, sebuah mobil akan melewati banyak persimpangan, atau pejalan kaki akan melewati banyak area. Yang dapat dilakukan Quanergy adalah menetapkan ID ke suatu objek, dan ID tersebut akan tetap ada di objek tersebut selama perjalanan di area yang dipantau.

Ini sangat rumit untuk dilakukan, karena ketika Anda melewati banyak persimpangan, Anda memerlukan banyak sensor dan beberapa server untuk komputasi tepi. Sebagian besar teknologi akan memiliki pandangan tertutup hanya pada area yang mereka kelola, dan ketika melintasi batas antara satu area dan area lainnya, ID akan hilang, dan Anda akan diberikan ID lain. Dengan pendekatan ini, Anda mulai kehilangan jejak semua arus orang.

Kami memiliki teknologi yang disebut serah terima ID otomatis, yang akan meneruskan ID orang atau kendaraan, dari satu area ke area lain. Jadi selama kita memiliki bidang pandang, ID yang sama akan tetap berada di objek. Ini memberikan visibilitas dan pelacakan ujung ke ujung yang sangat baik. Hal ini penting untuk bandara, misalnya dari tepi jalan ke gerbang, tempat Anda dapat mengoptimalkan pengalaman penumpang, dan untuk pusat perbelanjaan dan kota. ID tunggal untuk setiap individu membantu mengaktifkan analisis menyeluruh.

Sensor Quanergy, seri M, menyediakan deteksi jarak jauh, seperti MQ-8, yang dirancang khusus untuk aplikasi manajemen aliran. Inilah perbedaan sensor ini. Sensor lidar tipikal memiliki konfigurasi sinar simetris. Jika Anda memasang sensor datar, maka biasanya setengah dari pancaran akan menuju ke langit dan setengah dari pancaran akan menuju ke tanah. Jika dipasang setinggi 3 meter di tiang lampu jalan yang menghadap ke bawah untuk melihat pemandangan pejalan kaki, maka dalam konfigurasi ini, separuh balok akan terbuang percuma.

Dalam desain kami, semua balok sebenarnya mengarah ke bawah, yang memberikan kemampuan untuk memiliki cakupan tanah yang simetris. Itu berarti tidak ada titik buta ketika seseorang berjalan melintasi bidang pandang. Ini memberikan kemampuan untuk melacak tanpa gangguan seseorang atau kendaraan di mana pun di bidang pandang. Kita dapat melihat sebuah objek hingga jarak 70m (yaitu:15.000 m persegi). Ini adalah area yang sangat luas yang membutuhkan banyak kamera untuk mencapai cakupan yang sama. Oleh karena itu, ini mengurangi jumlah sensor dan juga biaya.

Mengatasi masalah privasi terkait pengenalan wajah

Paul Hoekstra, untuk SMTA , menjelaskan pemikiran di balik implementasi dan hasil dari proof of concept (PoC) pertama di lima persimpangan pada 3 ^rd Jalan, dan rencana untuk memperluas cakupan.

Kami mulai bekerja dengan SFMTA, Cisco, dan Quanergy sebagai mitra dalam proyek ini pada April 2019. Awalnya sebagai bagian dari paket Cisco, kami memiliki sensor DSRC. Kami menemukan bahwa kami menggunakannya hanya untuk mendengarkan semua mobil di koridor dan di jalan bebas hambatan yang kami lewati. Kami menemukan bahwa kurang dari 1% dari semua mobil benar-benar memancarkan sinyal DSRC tersebut. Dari perspektif use case ini, kesimpulannya adalah Anda tidak dapat menggunakan DSRC untuk pengukuran arus lalu lintas. Hanya saja tidak cukup signifikan untuk membuat keputusan.

Saat ini, kami telah menyelesaikan PoC pertama (PoC) dengan sensor Quanergy, dan sekarang kami berada di tengah-tengah PoC kedua.

Dengan PoC pertama, kami mengambil 20 sensor lidar, memasangnya di lima persimpangan pada tanggal ^ke-3 Jalan, dekat stadion basket baru yang dibuka tahun lalu. Kami memiliki komputasi tepi dengan Cisco TRX yang menjalankan perangkat lunak Quanergy QORTEX. Data dari lidar dikirim melalui kotak TRX dan perangkat lunak Qortex memublikasikan data ke jaringan, yang akan dikirim ke pusat data, klaster VM kecil yang menjalankan platform Cisco Kinetic yang menyimpan semua pesan – semuanya 30 juta seminggu.

Setiap hari Minggu laporan diterbitkan di sana, satu untuk kendaraan, mengidentifikasi kendaraan dengan ID lidar di persimpangan, dengan sejumlah atribut, seperti waktu, hari dalam seminggu, dari mana asalnya, kemana perginya, berapa kali berhenti, berapa lama berhenti, berapa kecepatannya, apakah ada kejadian (dari kalender acara). Dengan cara ini, kita bisa menghubungkan semua persimpangan dan mengikuti kendaraan melalui koridor. Dan kemudian kita dapat mengatakan hal-hal seperti, “ini adalah jumlah yang masuk ke utara di sisi selatan koridor, lalu berapa banyak yang dimatikan, dan seterusnya”.

Dengan QORTEX Quanergy, kami telah mengkalibrasinya dan mencapai akurasi 96%. Anda tidak bisa hanya menghitung ID dengan lidar; anda harus membangun logika untuk memastikan bahwa ID yang sama ada di jalan keluar seperti saat masuk. Dengan logika itu kita bisa mengikuti mobil melewati persimpangan. Kami memiliki logika yang mendefinisikan apa itu stop. Oleh karena itu akurasi 96% adalah di mana kita berakhir, sangat tepat. Untuk pejalan kaki, dengan zona yang kami tentukan, Anda dapat melihat apakah orang tersebut berada di atas atau di luar trotoar. Anda dapat melihat apakah seseorang berada di dalam atau di luar batas penyeberangan. Anda dapat melihat seberapa dekat sebuah mobil dengan orang tersebut. Dengan data seperti itu, kita bisa membuat laporan nyaris celaka. Kami telah mendefinisikan apa yang nyaris celaka – vektor, kecepatan, dan kemudian menghitung waktu untuk mereka bertabrakan, dan apakah itu dalam kisaran tertentu, maka Anda menyebutnya nyaris celaka.

Ini hanya mungkin karena data yang berasal dari QORTEX sangat akurat, sehingga kita dapat melihat tanpa harus mengidentifikasi siapa pun. Kami tidak menyimpan informasi pribadi yang dapat diidentifikasi. Seseorang hanyalah sebuah titik. Dan mobil hanya satu blok, Anda tidak tahu mobil jenis apa itu. Kami mengklasifikasikan berdasarkan ukuran.

PoC pertama adalah tentang analisis. Dalam yang kedua kami memperluas jumlah persimpangan. Jadi sekarang kita punya lima, dan kita akan pergi ke 10. Dengan kata lain, koridor yang lebih besar.

Kami kemudian akan melapisi semua data yang saat ini terkunci di dalam lemari. Di kabinet ada pengontrol sinyal, dan di pengontrol ada banyak aktuator. Ini bisa berupa pendeteksi putaran kendaraan, tombol tekan pejalan kaki, atau sensor di jalur kereta ringan. Ada prioritas sinyal lalu lintas. Semua ini ada di pengontrol sinyal tertanam.

Jadi apa yang kami lakukan sekarang adalah memungkinkan pertukaran informasi dua arah dengan pengontrol sinyal, mengambil semua data dari persimpangan, seperti data lidar dan klasifikasi objek (sekali lagi sepenuhnya anonim), di peron dan halte bus. Klasifikasi objek dari sensor tersebut (yang semuanya diproses pada sensor), akan memberi kita jumlah orang, serta klasifikasi mereka – misalnya, apakah ada orang di kursi roda, apakah ada orang yang mendorong kereta dorong, atau apakah mereka memiliki sepeda. Banyak dari faktor-faktor ini akan menentukan waktu tinggal kendaraan transit. Kami ingin mengetahui perkiraan waktu tinggal berdasarkan jumlah orang di sana.

Dari sistem back-end kita akan mengambil jumlah kendaraan. Dan kemudian dengan analitik kita dapat menentukan apakah kita perlu mengatakan 20 detik waktu diam atau 32 detik waktu diam. Kami kemudian dapat mengekstrapolasi semua 10 persimpangan,

Memperlakukan seluruh koridor transportasi sebagai jaringan
Untuk mengoptimalkan seluruh koridor, kami tidak dapat melakukannya tanpa mengetahui secara pasti di mana orang dan kendaraan berada dan untuk berapa lama. Ini berarti kami memperlakukan seluruh koridor sebagai jaringan, bukan sebagai simpul individu. Ini berarti kami menjalankan algoritme dengan frekuensi tinggi, dan sekarang kami memperdebatkan apakah kami perlu bekerja lebih cepat dari 1 hertz, kami menghitung ulang semuanya setiap satu detik.

Kemudian kami benar-benar memberi tahu pengontrol sinyal, Anda akan menjadi hijau di utara. Itu menutup loop. Belajar dari pekerjaan rantai pasokan dari Cisco, Anda tahu bahwa itulah satu-satunya cara Anda dapat memindahkan barang melalui persimpangan. Semua teknologi tersedia, tetapi hanya mengoptimalkan semua silo. Dengan cara ini, kami mengambil lompatan besar ke depan dengan paradigma baru, manajemen lalu lintas terintegrasi.

Sudah ada 7.000 kamera di San Francisco. Tapi kamera hanya memberi Anda gambar 2D. Ketepatan lokasi kurang akurat daripada yang dapat Anda capai dengan lidar. Lidar selalu bekerja, dalam hujan, di malam hari. Dan itu tetap sangat jauh dari masalah privasi. Saat orang-orang tahu bahwa mereka sedang dilacak, atau mereka dapat dikenali, maka muncullah masalah orang-orang yang tidak memiliki kepercayaan pada pemerintah untuk melindungi mereka.

Hasil dari proyek ini adalah memungkinkan kendaraan darurat memiliki prioritas saat menghadapi keadaan darurat, mengoptimalkan waktu dan pemberhentian transit, dan bahkan menaikkan peleton mobil jika tidak ada angkutan umum, untuk memindahkannya secara lebih efektif melalui koridor.