Liikenteenohjaus on jo vuosikymmenten ajan perustunut aikavälein toimiviin vaiheisiin ja yksinkertaisiin induktiosilmukoihin. MarshallAI ryhtyi yhteistyössä Dynniq Finland Oy:n kanssa osoittamaan, että syväoppiminen ja visuaalinen tunnistus voisivat viedä liikenteenohjauksen täysin autonomiselle ja optimoidulle tasolle – vähentäen hiilidioksidipäästöjä ja poistamalla ruuhkakohtia turvallisuudesta tinkimättä.
Kolmivuotisen, EU:n rahoittaman AI4Cities-hankkeen puitteissa MarshallAI otti käyttöön Intelligent Interconnected Intersections (Ix3) -järjestelmän useissa eurooppalaisissa kaupungeissa. Tavoitteena oli parantaa liikenteen sujuvuutta merkittävästi ja vähentää päästöjä korvaamalla vanhentuneet anturit kattavalla reaaliaikaisella tilannetietoisuudella.
Tavoitteet: Virtausanalyysi ja priorisointi
Skaalautuvan ja älykkään virtausratkaisun toimittamiseksi projekti keskittyi seuraaviin:
- Kattava virtausanalyysi: Liikennemäärien, odotusaikojen, suuntien ja tiettyjen ajoneuvotyyppien ymmärtäminen risteyksen kysynnän kokonaiskuvan muodostamiseksi.
- Liikenteen optimointi: Poistamalla “kuolleet sekunnit” siirtämällä valoja dynaamisesti tarpeettomien pysähdysten ja joutokäynnin poistamiseksi kaistojen ollessa tyhjinä.
- Liikenteen priorisointi Mahdollistetaan järjestelmälle tiettyjen liikenteenkäyttäjien (kuten joukkoliikenteen tai raskaiden ajoneuvojen) aktiivinen edistäminen virtaustehokkuuteen ja päästövähennystavoitteisiin perustuen.
Ratkaisu: Autonominen logiikka reuna- ja pilvilaskennan avulla
Ix3-ratkaisu hyödyntää tavallisia IP-kameroita visuaalisen datan välittämiseksi MarshallAI-konenäköalustalle. Tätä dataa käsitellään reaaliajassa, ja se integroidaan suoraan Dynniqin liikennevalojen ohjauslaitteisiin, jotta nykyisen kysynnän perusteella voidaan toteuttaa välittömiä fyysisiä muutoksia.
Kunkin pilottivaiheen mukaan käsittely toteutettiin onnistuneesti joko suojattujen pilvipalvelimien kautta (Helsinki) tai suoraan MarshallAI:n toimittamilla reunalaitteilla (Pariisin alue).
Todistetut tulokset: Valtavat vähennykset jätteessä
Pilottikokeissa osoitettiin, että MarshallAI:n järjestelmä pystyy hallitsemaan itsenäisesti suuria virtaamia ja poistamaan järjestelmänlaajuisen hävikin. Kolmessa eri vaiheessa järjestelmä tuotti huomattavia tehokkuusparannuksia:
- Vaihe 1 (Kalasatama, Helsinki): Järjestelmän ansiosta vuosittain vältettiin 162 944 henkilöauton pysähdystä, 17 822 raskaan ajoneuvon pysähdystä ja 654 tuntia tarpeetonta odotusaikaa, mikä vastaa risteyksessä 4%:n kokonaispäästövähennystä.
- Vaihe 2 (Helsinki ja Pariisin alue): Laajentamalla hanketta Suutarilan risteysalueelle saavutettiin jopa 81 TP4T:n päästövähennyspotentiaali. Samaan aikaan Saint-Maur-des-Fossésissa toteutettu reuna-alueella käsitelty pilottihanke tuotti 31 TP4T:n vähennyksen.
- Vaihe 3 (Meudon ja Helsinki): Käytännön kokeilut osoittivat hankkeen pitkän aikavälin kannattavuuden: ajoneuvojen pysähdyksiä väheni keskimäärin 55 509 vuodessa ja järjetöntä odotusaikaa 360 tuntia, minkä seurauksena kokonaispäästöt laskivat erittäin johdonmukaisesti 2%-mallin mukaisesti.
Huomaamaton, käyttövalmis käyttöönotto
Kehittyneen tekoälyn käyttöönotto kriittisen infrastruktuurin hallintaan ei välttämättä vaadi laajaa IT-hanketta. Ix3-pilottihankkeet osoittivat, että MarshallAI voidaan ottaa käyttöön avaimet käteen -ratkaisuna lähes ilman häiriöitä nykyiselle toiminnalle. Asiakkaan osallistuminen rajoittui yksinomaan kohderisteyksen määrittämiseen, asennuksen peruslupien järjestämiseen sekä liikenteenohjausjärjestelmän ohjelmoinnin koordinointiin tiimin kanssa.
