Siirry sisältöön
            ​
Kaupungeille

Liikennevalojen ohjaus ilman katutöitä​

Tunnista, luokittele ja ohjaa liikennevalojen ajoitusta yhdellä olemassa olevaan pylvääseen asennetulla sensorilla


Liikennevalojen liikenneohjaus (tunnetaan myös nimillä liikennevalojen kysyntäohjaus, tarveohjattu liikennevalo-ohjaus tai adaptiivinen liikennevalo-ohjaus) tarkoittaa liikennevalojen ajoituksen säätämistä ajoneuvojen, pyöräilijöiden ja jalankulkijoiden reaaliaikaisen havaitsemisen perusteella kiinteän ajastuksen sijaan. Sensori kertoo liikennevalo-ohjaimelle, ketkä odottavat, missä he ovat ja kuinka paljon liikennettä on. Ohjain päättää tämän tiedon perusteella, kuinka pitkään valovaihetta pidetään yllä tai jatketaan. ​

Yhteystiedot

Perinteisten tunnistusteknologioiden haasteet  

 Liikennevalojen liikenneohjausta toteuttavat kaupungit ovat perinteisesti valinneet yhden neljästä ratkaisusta, joista jokaisella on omat kompromissinsa:

Induktiosilmukat havaitsevat läsnäolon vain yhdessä kiinteässä pisteessä: ne eivät mittaa nopeutta tai ajoneuvotyyppiä eivätkä pysty erottamaan toisistaan samalla lähestymissuunnalla odottavaa autoa, pyöräilijää tai jalankulkijaa. Silmukan asentaminen tai korjaaminen edellyttää asfaltin leikkaamista, kaistan sulkemista ja työryhmän työskentelyä liikenteen keskellä. Kun silmukka on kerran asennettu tienpinnan alle, sen kokoa tai sijaintia ei voida muuttaa ilman, että sama työ joudutaan tekemään uudelleen. 

Tutka toimii luotettavasti myös huonoissa sääolosuhteissa ja mittaa nopeutta tarkasti, mutta sen kyky luokitella eri tienkäyttäjiä on rajallisempi. Lisäksi sillä voi olla vaikeuksia havaita pysähtyneitä ajoneuvoja, jotka jonottavat pysäytysviivan kohdalla.

Videotunnistus luokittelee tienkäyttäjiä hyvin hyvissä olosuhteissa, mutta tarkkuus heikkenee häikäisyssä, sumussa, rankkasateessa ja pimeällä. Lisäksi järjestelmä tallentaa tunnistettavaa kuvamateriaalia, mikä tuo mukanaan tietosuojaan liittyviä kysymyksiä.

Infrapunatunnistus on yksinkertainen ja edullinen ratkaisu, mutta sen kantama on lyhyempi ja se on herkkä lämmönlähteille sekä sääolosuhteille..

​

Flow Analytics by AGC:n LiDAR-pohjaiset virtuaalisilmukat kattavat kaiken yhdellä sensorilla: läsnäolon, luokittelun ja liikkeen yhdestä risteyksen 3D-mittauksesta.  

Virtuaalisilmukat: joustavaa tunnistusta liikennevalo-ohjausta laajemmin

Flow Analytics by AGC asentaa LiDAR-sensorit olemassa oleviin liikennevalopylväisiin. Tienpintaa ei tarvitse avata eikä kaapeleita asentaa maan alle. Sensori muodostaa risteyksestä reaaliaikaisen 3D-pistepilven, jonka päälle tunnistusalueet määritellään ohjelmistossa. Alueita voidaan luoda rajattomasti, ja niiden kokoa tai sijaintia voidaan muuttaa muutamassa minuutissa selaimen kautta ilman käyntiä paikan päällä.

Fyysinen silmukka vastaa käytännössä vain yhteen kysymykseen: onko tässä jotain. Virtuaalisilmukka tuottaa huomattavasti enemmän tietoa. Sama pistepilvi, jota käytetään liikennevalojen ohjaukseen, antaa tietoa myös nopeudesta, kulkusuunnasta, kohdeluokasta, liikeradoista ja läheltä piti -tilanteista. Näin yksi ja sama järjestelmä tukee sekä liikennevalo-ohjausta että liikkumisen analytiikkaa, jota voidaan hyödyntää ajoitusten optimoinnissa, liikenneturvallisuuden arvioinnissa ja suunnittelussa.

Fyysisiin induktiosilmukoihin verrattuna virtuaalisilmukoiden tunnistukset vastasivat 99,83-prosenttisesti induktiosilmukoiden havaintoja. Järjestelmän tuottama tieto voidaan välittää liikennevalo-ohjaimelle joko tavallisten ilmaisinliitäntöjen tai nykyaikaisten ITS-protokollien kautta, ja ratkaisu toimii sekä vanhempien että uusimman sukupolven ohjainten kanssa.

Näin se toimii: havaitse, ymmärrä, ohjaa

Sense

One or two LiDAR sensors, pole-mounted, cover the approaches and the body of the intersection. Out-of-ground, weather-independent, and working in full darkness since the sensor emits its own light.

Understand

The software reconstructs full trajectories for every road user in the scene: turning movements, queue length, dwell time, conflicts between modes, and near-miss interactions.

Act

Detection zones feed the controller in real time, extending or calling phases based on actual demand rather than a fixed cycle. One sensor deployment. Three layers of output.

Virtuaalisilmukat verrattuna muihin tunnistusteknologioihin

Comparison of traffic detection technologies
Inductive loops Radar Video / camera detection Infrared Virtual Loops from Flow Analytics by AGC
Installation Cutting into road surface and lane closures required Pole-mounted, non-intrusive Pole-mounted, non-intrusive Pole-mounted, non-intrusive Pole-mounted, non-intrusive
Maintenance Frequent repairs, repeated roadworks Low, occasional realignment Lens cleaning, periodic recalibration Lens cleaning, sensitive to buildup Low, remote configuration
Weather / lighting resilience Unaffected by weather when buried, but degrades with pavement wear Strong in rain, snow and fog Degrades in glare, fog, heavy rain and low light Sensitive to heat sources, rain, fog and sun Consistent across weather and full darkness, using its own light source
Multimodal detection (vehicles, cyclists, pedestrians) Vehicles only, weaker detection of motorcycles and bicycles Limited classification Good in ideal conditions, drops in poor visibility Limited, short range Classification of vehicles, cyclists and pedestrians
Data beyond presence None: presence only Speed, limited classification Classification, some trajectory data Presence only Speed, heading, trajectories, near-miss and conflict data
Detection zone flexibility Fixed once installed; physical rework required to change Software-configurable Software-configurable Fixed Fully reconfigurable in software, with no site visit
Privacy No personal data captured No personal data captured Records identifiable footage unless heavily processed No personal data captured Anonymous 3D points only, with no faces or license plates
Typical lifecycle cost High, driven by repeated roadworks Moderate Moderate to high, with computing and calibration overhead Low upfront, with limited capability Lower total cost of ownership over the sensor's service life

Havainnoista päätöksentekoon

Liikennevalo-ohjaus on datan välittömin käyttökohde, mutta sama sensorijärjestelmä tukee myös laajempaa analytiikkaa, jonka pohjalta kaupungit tekevät liikenteen suunnittelua:

  • Liikennevalojen ajoitusten optimointi mitattujen kääntymisliikkeiden ja jonojen käyttäytymisen perusteella sen sijaan, että tukeuduttaisiin vain kerran tehtyihin liikennelaskentoihin.
  • Läheltä piti -tilanteiden ja konfliktimallien tunnistaminen ennen kuin ne näkyvät onnettomuustilastoissa. Tämä tukee Vision Zero -ohjelmia ennakoivalla datalla pelkkien jälkikäteen laadittujen onnettomuusraporttien sijaan.
  • Ennen–jälkeen-vertailujen tekeminen, kun risteyksen geometriaa muutetaan tai uusi liikennevalojen ajoitussuunnitelma otetaan käyttöön. ​
  • Lähtö–määränpää-tiedon ja eri kulkumuotojen liikennemäärien hyödyntäminen laajemmassa liikkumisen suunnittelussa ilman erillistä toista sensoriasennusta.

Yhteystiedot

Viimeaikainen liikennevalo-ohjauksen käyttöönotto

Flow Analytics otti Jyväskylässä käyttöön LiDAR-pohjaiset virtuaalisilmukat suorana vaihtoehtona induktiosilmukoille. Ratkaisun avulla liikennevaloja voidaan ohjata ilman tienpinnan kaivamista. Käyttöönotossa pysäytysviivan kohdalla tapahtuvan tunnistuksen tarkkuus vastasi fyysisiä silmukoita, mutta samalla järjestelmä tuotti liikkumisdataa, jota aiempi ratkaisu ei pystynyt tarjoamaan.

Lue lisää​​

Usein kysytyt kysymykset

Uutta laitteistoa ei tarvita. Tunnistusalueet määritellään ohjelmistossa, joten ne voidaan piirtää uudelleen olemassa olevan sensorin datan perusteella ilman käyntiä paikan päällä.  

Tyypillisesti yksi tai kaksi sensoria risteystä kohden riittää risteyksen geometriasta riippuen. Olemassa oleviin pylväisiin asennettuna ne kattavat kaikki lähestymissuunnat sekä itse risteysalueen. Jos sensoreita on useampi kuin yksi, niiden data yhdistetään yhdeksi yhtenäiseksi näkymäksi risteyksestä sen sijaan, että kukin sensori toimisi erillisenä tunnistusjärjestelmänä. 

Vain anonyymejä 3D-pisteitä – ei kuvia, kasvoja tai rekisterikilpiä.

Kyllä. LiDAR-sensorit lähettävät oman valonsa eivätkä ole riippuvaisia ympäristön valaistuksesta tai kameran linssistä. Siksi tunnistustarkkuus säilyy myös pimeässä, sateessa, sumussa ja lumessa.

Järjestelmä voidaan liittää paikallisesti suoraan risteyksen liikennevalo-ohjaimeen tai lähettää data keskitetysti liikenteenhallintakeskukseen koko verkon seurantaa ja ohjausta varten.

Ratkaisu tukee liikennevalojärjestelmien ja ITS-järjestelmien standardeja tiedonsiirtoprotokollia, joten se voidaan integroida olemassa oleviin ohjain- ja verkkoratkaisuihin ilman valmistajakohtaista rajapintaa.

Miksi valita Flow Analytics by AGC:n liikennevalo-ohjaus?

Tietosuoja etusijalla

Ratkaisumme ei tallenna kasvoja, rekisterikilpiä tai henkilötietoja. Se perustuu anonyymeihin 3D-LiDAR-pisteisiin, joten ratkaisu on täysin GDPR:n mukainen ja soveltuu turvallisesti julkisiin ympäristöihin.

Tarkka ja yksityiskohtainen 

Liikkeet seurataan senttimetrin tarkkuudella, mikä mahdollistaa täsmälliset laskennat, luokittelut ja liikerata-analyysit tasolla, johon manuaaliset menetelmät tai kamerat eivät yllä.

Toimivaksi todistettu todellisissa olosuhteissa 

Suunniteltu vaativiin kaupunkiympäristöihin, joissa liikenne on vilkasta, valaistus heikko tai sääolosuhteet haastavat. Ratkaisu tuottaa tasalaatuisia tuloksia myös olosuhteissa, joissa muut järjestelmät eivät toimi luotettavasti.

Toimintaa ohjaava

Raakadatan sijaan tarjoamme suoraan hyödynnettävää tietoa dashboardeissa, raporteissa ja GIS-muodoissa, jotta päätöksentekijät voivat käyttää sitä suoraan suunnittelussa, liikennejärjestelyissä ja operatiivisessa toiminnassa.

Tutustu myös muihin kaupungeille ja liikenteen solmukohtiin suunnattuihin ratkaisuihimme.


Ratkaisumme​​