Her sættes der fokus på signalregulering. Kan vi anvende kunstig intelligens så lyskrydsene bliver kloge og selv indstille de forskellige faser efter trafikmængderne i de forskellige retninger? De tre oplægsholdere vil komme med deres bud.

Dennis Pedersen har i mange år arbejdet for en centralisering af trafikstyringen netop fordi ændres trafikmængden i et lyskryds, påvirker det de omkringliggende lyskryds. Svend Tøfting arbejder netop med teknologier, hvor trafikstyringen decentraliseres og lægges ud i de enkelte lyskryds og baseres på registrering af trafikken. Den decentrale styring af krydsene kan kombineres viden om trafikmønstre og vi kan hermed ikke blot optimere det kryds men hele trafik-flow i byen.

Den avancerede styring af trafikken kræver at alle enheder kan tale sammen. Det er derfor vigtigt med åbne standarder.

Oplægsholdere:

1. Potentialet for AI til signalstyring på baggrund af netværksbaseret traffic management v/Dennis Bjørn-Pedersen, Technolution

2. Datadreven optimering af trafikafvikling med kunstig intelligens v/Svend Tøfting, Advanced Traffic Systems (præsentation)

3. Intelligente trafiksystemer kan fremmes med åbne standarder v/Michael Bloksgaard, Aarhus kommune (præsentation)

Godstransporten i Danmark er ramt af en ”perfect storm”. Corona har vist, at mange supply chains har været svage. E-handel er eksploderet, også godt hjulpet af corona lock-downs, og har medført endnu større uforudselighed i transporter samt en fragmentering i last-mile levering. Konkurrencen i branchen er red-ocean, virksomhedssammenlægninger i jagten på stordriftsfordele er dagligdagen, og om lidt kommer Amazon også til Danmark, hvilket blot øger fokusset på effektiviseringer.

Oplægsholdere:

1. Anvendelsen af AI i logistiksektoren v/Jeppe Højer, Partner, Maersk Growth (præsentation)

2. AI og transport i og mellem virksomheder v/Kristian Reinau, DRCFT på AAU Build

Oplægsholdere:

1.AI for pro- active safety analysis v/Aliaksei Laureshyn, Lund University (presentation)

Surrogate Measures of Safety (SMoS) is a method to assess safety of traffic WITHOUT waiting for accident statistics. It is based on identification of events in traffic (traffic conflicts) that have small safety margins yet do not results in an accident. Such events occur much more often than accidents (1-2 per day compared to 1-2 per year), yet detecting them manually is still a dull yet labour intensive work.

Video analysis is one application of AI that can be of great help. Extraction of trajectories of the moving vehicles and calculation of some safety-relevant indicators could help to detect potentially dangerous situations for further analysis.

Another task, where AI can help, is the understanding what indicators are best for defining a ‘danger’. The simplistic kinematic-based measures often produce lots of false-positives – situations, which at closer examination are deemed not dangerous at all. Collection of large training datasets of ‘real conflicts’ and ‘normal situations’ will allow to apply AI for understanding how humans judge safety and also replicate the same algorithms for making the automated conflict detection more intelligent.

2. Automatisk detektion af trafikanter med AI – stadig lang vej til ”plug and play” v/Chris Holmberg Bahnsen, Aalborg Universitet (præsentation)

Selv om vi i de sidste år har set imponerende fremskridt med AI indenfor automatisk billedanalyse, er der stadig mange områder, hvor AI-baserede algoritmer ikke lever op til vores forventninger. I dette indlæg vil vi drøfte, hvordan AI inden for billedbehandling fejler, hvis det bliver udsat for dårlige vejr- og lysforhold. Derudover ser vi på, hvordan kamera-baserede løsninger er dybt afhængige af selve kameraets placering og hvad det medfører i forhold til både praktiske udfordringer og i forhold til målet; detektion af farlige situationer i trafikken.

3. Hvor svært kan det være at finde farlige lokaliteter på vores vejnet ved analyse af floating car data? v/Niels Agerholm, Vejdirektoratet (præsentation)

Hvad er en farlig hændelse? Er bil/bilist ligegyldig i den henseende? Hvornår er der “nok” hændelser? Hvad kan vi med 450 bilers data? Hvad kan vi (måske) med 100.000 bilers data? Hvad kunne AI hjælpe os med?

New technologies today collect a lot of traffic data. GPS data, license plate recognition, streetview, weather data, etc. are collected on an ongoing basis. So today we know a lot more about traffic, and all this data can be used for better and safer mobility. The speakers will present the great potential in the use of Big Data.

Speakers:

1. Gathering and using Big data for self driving systems v/Tamas Roosz, Easyways Systems, Hungary (presentation)

2. How can we use AI on Big Data in the transport sector v/Kim Guldstrand Larsen, AAU (presentation)

3. When data grew up, they become Big Data v/Lars Rosenberg Randleff, Hermes Traffic Intelligence (presentation)

Autonomous driving is a key application for artificial intelligence. Autonomous vehicles are equipped with multiple sensors, such as cameras, radars and lidar, which help them better understand the surroundings and in path planning. These sensors generate a massive amount of data. To make sense of the data produced by these sensors, the autonomous vehicle needs supercomputer-like, nearly instant processing capabilities, which is why artificial intelligence is so key. Francisco Sanchez has been working on autonomous vehicles for years and will show through a specific use case, how this could be done, where Andreas will present the Danish perspective not so much from the vehicle point of view but with the infrastructure in focus.

Speakers:

1. Use cases regarding how automation works v/Francisco Sanchez, C-tag (cancelled)

2. Autonomous vehicles: Challenges and opportunities for the infrastructure provider v/Andreas Egense, Vejdirektoratet (præsentation)

3. Real world operations, technology and learnings v/Kenneth Jensen, HOLO (præsentation)