
6 minute read
Veilige schoolomgeving met drones en AI
Veilige schoolomgeving met drones en AI
Dertien verkeersongevallen met kinderen, elke dag, in Vlaanderen. Op weg van of naar school. Het is het horrorscenario voor elke moeder of vader. Het Instituut voor Mobiliteit (IMOB) van de UHasselt wil daar iets aan doen. Met drones én jawel, artificiële intelligentie.
Door Jan Meert
Het IMOB is in Vlaanderen een autoriteit in wetenschappelijk onderzoek naar ons verkeersgedrag. Zeg gerust ‘verkeerswangedrag’. Op hun schermen zien ze vaak de slechtste kant van de Vlaamse weggebruiker. “Levensgevaarlijke oversteeksituaties, het rood licht negeren tot zelfs spookrijden, we zien het elke dag om half negen in de omgeving van onze Vlaamse schoolpoorten.” Aan het woord is Wim Ectors, professor en onderzoeker aan het IMOB. In de splinternieuwe campusgebouwen in hartje Hasselt brengt hij met zijn team ons verkeersgedrag in kaart. Hij is niet de typische professor Zonnebloem, maar staat met zijn voeten in de praktijk. Af en toe ontsnapt een diepe zucht als hij naar de videobeelden kijkt die een verkeersdrone heeft gemaakt. Hij zoekt manieren om mensen bewust te maken van veilige verkeersoplossingen. Technologie kan daarbij helpen. Want ook al zijn de cijfers dramatisch, toch stoot hij nog vaak op onbegrip als er in de schoolomgeving moet worden ingegrepen.
Zullen we maar met dat vreselijke cijfer beginnen. Dertien verkeersongevallen met kinderen pér dag. Ik wil eigenlijk niet uitrekenen wat dat op een jaar is.
“Ja, schrikken hé? Het zijn gelukkig niet altijd ernstige of dodelijke verkeersongevallen maar inderdaad, het blijven er veel. En jammer genoeg is het zelfs nog een onderschatting. Niet alle ongevallen worden immers gerapporteerd. Twee fietsers die botsen en lichamelijke schade oplopen, daar komt niet altijd politie aan te pas om vaststellingen te doen. Uit de cijfers die we wel hebben, weten we dat van alle ongevallen waarin kinderen betrokken zijn 40% op weg van of naar school is.”
Om verkeerssituaties beter te analyseren zetten jullie nu drones en artificiële intelligentie in. Gaat dat een verschil maken?
“Kijk, wij observeren bij IMOB effectief verkeersgedrag en gaan dan proactief de kans op ongevallen inschatten. Op basis daarvan stellen we maatregelen voor aan een gemeente of een andere wegbeheerder. Dat kunnen infrastructuuringrepen zijn maar ook handhavings- of sensibiliseringsmaatregelen. Hoe sneller je dat kan doen, hoe meer resultaat je boekt. Met drones en AI hebben we nu een reuzestap gezet op het vlak van efficiëntie. Eigenlijk is het nu haalbaar voor elke gemeente om ermee aan de slag te gaan en schoolomgevingen veiliger te maken.”
Met drones en AI zetten we een reuzestap in efficiëntie.
Ok, dat is goed nieuws. Hoe werkt het precies?
“Dan moet ik kort even uitleggen hoe wij het vroeger deden. Een onderzoeker bekeek toen urenlang filmmateriaal van een verkeerssituatie of ging ter plaatse voor een observatie. Alle beeldfragmenten met bijna-aanrijdingen werden geteld: hoeveel fietsers, hoeveel auto’s, noem maar op. Allemaal handwerk. Pas daarna kon de analyse beginnen. Die stap gebeurt nu bijna volledig automatisch. De drone filmt haarscherpe beelden die een goed verkeersoverzicht bieden. Met artificiële intelligentie herkent hij voetgangers, fietsers, auto’s en andere voertuigen. Hij meet precies de afstanden, ziet de afmetingen van de voertuigen, de snelheid, detecteert bijna-ongelukken, brengt het remgedrag in beeld... en vat dat dan samen. Ik kan nu met mijn collega’s veel sneller aan de slag met concrete oplossingen voor de gevaarlijke verkeerssituaties.”

Je hebt waarschijnlijk al eigenaardige taferelen gezien als je de dronebeelden analyseert?
“Recent onderzochten we met twee drones de verkeersstromen aan het Virga Jessecollege aan de kleine ring van Hasselt. Ook het Jessa Ziekenhuis ligt daar in de buurt. We zagen de vreemdste keerbewegingen, gevaarlijke oversteeksituaties, zelfs spookrijders.Véél ruimte voor verbetering dus. We zagen het ook bij gelijkaardige analyses in Kasterlee, Mol, en Lanaken. We moeten onze schoolomgevingen echt veiliger maken, maar vooral ons eigen verkeersgedrag moet drastisch anders.”
De drones lijken vooral goed te werken in de typische schoolomgevingen met een verkeersopstoot om half negen en half vier. Zijn er nog andere toepassingen?
“Zeker, je kan ze eigenlijk perfect inzetten om allerlei onveilig verkeersgedrag te analyseren. We gebruiken de drones bijvoorbeeld voor de parkeerproblematiek op onze eigen universiteitscampus in Diepenbeek. Zo zien we waar er gevaarlijke bewegingen zijn op het parkeerterrein of we zien hoe het bermparkeren tot stand komt. Heel nuttig. Maar je kan met een voor-en-na analyse evengoed het effect van een nieuw zebrapad op de verkeersveiligheid meten. Vroeger moest je maanden of jaren wachten op de ongevalcijfers, maar nu kan je met onze drones en AI al na enkele weken een analyse maken.”
De videobeelden maken ouders bewust van hun eigen verkeersgedrag.
Ik zie op sommige videobeelden pure slapstick maar dan niet om te lachen. Als je dit op een infovergadering of aan een schepen of wethouder laat zien, dan heb je toch meteen draagvlak voor een stevige verkeersoplossing. Of ben ik mis?
“Ja, dat klopt wel. Onlangs deden we met ouders een focusgroep over de verkeerssituatie in de schoolomgeving van hun kinderen. Alles volgens de privacyregels trouwens: gebouwen zijn geblurred, nummerplaten en gezichten zijn niet zichtbaar. Nadien gaven ze aan dat het hen meteen bewuster heeft gemaakt over hun eigen verkeersgedrag. Dat op zich was al een deel van de oplossing. Maar helaas maken nog te weinig gemeentebesturen of wegbeheerders ervan gebruik om weerstand voor verkeersingrepen te doorbreken. Het kan nochtans perfect. De privacy is geregeld en de beelden tonen een volledig realistisch beeld van het probleem. Het wordt dan altijd heel erg stil als wij die beelden laten zien. Ook de grootste roepers houden dan hun mond, hoor.”
De vijf stappen van een verkeersanalyse met een drone
STAP 1: De drone gaat de lucht in.

STAP 2: Observatie van de bewegingen vanuit de lucht en nadien volgt het blurren van de omgeving.

STAP 3: AI voert een analyse uit waarbij elke beweging een label krijgt.

STAP 4: Vervolgens kunnen de afgelegde trajecten van elke weggebruiker in beeld gebracht worden...

STAP 5: ... en worden de conflicten zichtbaar.
