Wat telt een Telraam toestel?
Telraam telt weggebruikers die in verschillende categorieën zijn ingedeeld. Hoewel de gegevens die momenteel (Q1 2023) op de Telraam-website worden getoond (en beschikbaar worden gesteld via de Telraam API) vier categorieën bevatten (voetgangers, fietsers/motoren, auto's en zware voertuigen), kan het nieuwe Telraam S2-apparaat een bredere set van types weggebruikers onderscheiden.
Onze eerste Raspberry Pi-sensor (Telraam V1), gecombineerd met nabewerking van de (numerieke en anonieme) weggebruikersgegevens die worden doorgestuurd, kan alleen onderscheid maken tussen deze vier categorieën. Hoewel de gegevens per object worden verzonden, aggregeert Telraam ze om praktische redenen en omwille van de privacy tot uurtotalen. In de toekomst zal deze aggregatie worden omgezet in 15 minuten om de resolutie van het nieuwe Telraam S2-apparaat aan te passen. Met behulp van de objecteigenschappen worden snelheden voor auto's geschat als een extra gegevensproduct. Telraam V1 kan alleen bij daglicht tellen, wat betekent dat nachttellingen niet beschikbaar zijn, en overdag houdt Telraam V1 doorgaans 70-75% van de tijd het verkeer in de gaten, en de resulterende tellingen worden gecorrigeerd voor de 25-30% uitval van de sensor.
Onze Telraam S2-sensor is geavanceerder en kan onderscheid maken tussen tien verschillende categorieën weggebruikers: fiets, bus, auto, lichte vrachtwagen, motorfiets, voetganger, wandelwagen, tractor, aanhangwagen en vrachtwagen. Voorlopig worden deze op de website en de API samengevoegd tot de vier klassieke Telraam-klassen: voetgangers (voetgangers + kinderwagens), tweewielers (fietsen en motoren), auto's en zware voertuigen (alle overige klassen). Telraam S2 telt deze objecten continu, zonder uitvaltijd (de precisie 's nachts is momenteel niet geoptimaliseerd), en stuurt de geaggregeerde tellingen (samen met de waargenomen snelheidsverdeling voor auto's) om de 15 minuten via het mobiele netwerk naar de Telraam-servers.
Hoe telt Telraam?
Telraam V1- en Telraam S2-toestellen tellen op iets verschillende manieren, hoewel het hoofdprincipe voor beide hetzelfde is: een camera-unit levert een beelden aan een verwerkingseenheid die objecten op deze beelden vindt, vervolgens wordt elk object over de beelden heen gevolgd om daadwerkelijk bewegende objecten te identificeren door een trackeralgoritme, tot slot worden anonieme objectgegevens of tellingen via een draadloze of mobiele verbinding naar de Telraam-database verzonden. Er vindt enige nabewerking plaats door diensten op de Telraam-servers voordat de gegevens worden weergegeven op de Telraam-website en beschikbaar worden gesteld via de Telraam API.
Een Telraam V1-toestel wordt gewoonlijk geïnstalleerd in een raam op de eerste of tweede verdieping van de woning van een particulier, met de camera naar beneden gekanteld om een zicht op de straat van ongeveer 45 graden naar beneden te bieden, zodat passerende auto's elkaar niet blokkeren van de camera zoals ze zouden doen als ze vanaf de begane grond kijken.
Telraam V1 monitort het verkeer door continu lage resolutie beelden van de straat te maken. Elk beeld wordt doorgestuurd naar de minicomputer (Raspberry Pi), waar een eerste analyse van de beelden plaatsvindt (het detecteren en volgen van elk object, en het meten van hun eigenschappen zoals grootte, positie en snelheid). Ten slotte worden de objecteigenschappen (maar niet het beeld zelf, dat wordt niet bewaard) doorgestuurd naar een centrale database voor verdere verwerking via een lokale Wi-Fi-verbinding. Hier wordt elk object op basis van zijn eigenschappen ingedeeld (of verwijderd) in de vier weggebruikersklassen.
Bij de classificatie wordt simpelweg gebruik gemaakt van eigenschappen die voornamelijk betrekking hebben op de algemene omtrek van een object, wat inherent tot specifieke fouten kan leiden. Telraam zal bijvoorbeeld een tram als vrachtwagen tellen. Bestelwagens kunnen worden geteld als vrachtwagen of auto, afhankelijk van hun grootte. Bussen worden ook als vrachtwagens geteld, omdat hun afmetingen sterk op elkaar lijken. Het artikel 'Classificatie: voetganger, tweewieler, auto of groot voertuig?' gaat in meer detail in om het classificatieproces
Een Telraam S2-unit wordt op een soortgelijke plaats geïnstalleerd met het LCD-scherm naar binnen gericht en de camera naar buiten. De camera staat vast, maar heeft een brede hoek, vergelijkbaar met actiecamera's, zodat hij alles kan zien tussen bijna volledig verticaal naar beneden en iets boven de horizon. Apparaatbeheerders of individuele gebruikers worden aangemoedigd om een specifiek, smaller interessegebied (ROI) te selecteren met behulp van de hulpmiddelen op telraam.net, anders doet het apparaat dit zelf automatisch na elke herstart. De ROI-selectie is belangrijk omdat dit het gebied van het beeld definieert waar de Telraam S2 naar bewegende objecten zal zoeken. (Voor een Telraam S2 die verder van de straat af staat zal een smallere ROI optimaler zijn, terwijl voor een Telraam S2 die dichter bij de straat staat een bredere ROI het beste zal werken. Meer informatie over dit onderwerp vindt u in het FAQ-artikel - "Interessegebied (ROI) en optimale ROI-selectie").
Telraam S2 bewaakt de straat met zijn cameramodule, maar filmt de straat niet en slaat geen beelden op. Nadat een beeld is genomen (wat u kunt zien als een individueel frame van een denkbeeldige video) wordt het onmiddellijk verwerkt, en vervolgens verwijderd voordat het volgende beeld wordt opgenomen. Er is geen manier om toegang te krijgen tot de live-beeldenstroom zelf.
Wat bedoelen we met de verwerking op de S2 en hoe de tellingen gebeuren
Bij elke opname geeft de camera-eenheid de beeldgegevens (het eigenlijke beeld van de straat) onmiddellijk door aan de eenheid van de kunstmatige intelligentie (AI).
Opmerking: deze beelden hebben een zeer lage resolutie (112 bij 112 pixels) die nodig is opdat de AI snel genoeg kan werken, vooral om ervoor te zorgen dat hij hetzelfde object op meerdere beelden kan zien, zelfs als het een snel rijdende auto is. Deze lage resolutie betekent ook dat het, zelfs als we dat zouden willen, onmogelijk zou zijn om personen, gezichten of nummerplaten op straat te herkennen.
De AI-eenheid detecteert kandidaat-objecten in het interessegebied en deelt ze onmiddellijk in bij een van de tien beschikbare klassen van weggebruikers. Zo krijgt elk object een label dat ons vertelt tot welke klasse de AI denkt dat het behoort, en hoe zeker de AI is van deze classificatie. Een object kan bijvoorbeeld het label "Auto, 0,95" krijgen, wat ons vertelt dat de AI 95% zeker is dat het object een auto is.
Opmerking: meer over classificatie kunt u lezen in het FAQ-artikel "Classificatie van objecten met Telraam S2".
In de volgende stap probeert een volgalgoritme elk individueel object te identificeren en te volgen in de AI-verwerkte gegevens van opeenvolgende beelden, en de objecten waarvoor deze stap succesvol is worden geteld. Eenvoudiger gezegd: als u hetzelfde object (met dezelfde klasse) kunt vinden in opeenvolgende beelden en u ziet dat het beweegt in een redelijk patroon (bv. langs de straat, met een bijna constante snelheid en richting), dan kunt u er vrij zeker van zijn dat u hetzelfde object langs de straat ziet bewegen, en niet twee afzonderlijke objecten. En als u een object kunt waarnemen dat het interessegebied doorkruist, kunt u het tellen.
Opmerking: Deze volg- en telstap wordt beïnvloed door een reeks berekeningen die wij de "hyperparameters" noemen, en deze kunnen worden geoptimaliseerd door tellingen in het echt te vergelijken met tellingen die het volgalgoritme voor dezelfde verkeerssituatie oplevert. In de praktijk betekent dit dat we een paar minuten verkeersvideo opnemen op verschillende locaties, dat we de objecten met de hand tellen, en dat we deze video's vervolgens naar de (virtuele) Telraam S2 sturen, die een andere reeks tellingen terugstuurt. Vervolgens passen we de hyperparameters aan tot we de beste match krijgen tussen de handmatige tellingen en de Telraam S2-tellingen. In toekomstige firmware-updates kunnen nieuwe hyperparameters worden opgenomen.
Ten slotte worden aan het eind van elk kwartier de geaggregeerde mode-by-mode, richting-by-richting tellingen samen met geschatte geaggregeerde snelheidshistogrammen van de Telraam S2 apparaten naar de centrale database verzonden via het mobiele datanetwerk. Er worden geen beelden en geen individuele objecteigenschappen verzonden, alleen de geaggregeerde gegevens, waardoor de weggebruikers volledige privacy hebben.
Telraam is voortdurend in ontwikkeling, en het is mogelijk dat sommige van de gepresenteerde gegevens (nog) niet volledig nauwkeurig zijn (nachttellingen worden bijvoorbeeld nog helemaal niet nauwkeurig verwerkt). Naast toekomstige firmware-updates werken we ook aan automatische oplossingen om slechte gegevens eruit te filteren, maar dit is nog niet in productie. Het FAQ-artikel "Mogelijke onnauwkeurigheden met Telraam S2" geeft een meer gedetailleerd inzicht in dit onderwerp.
Wat Telraam niet telt
❌ Telraam V1 telt 's nachts helemaal niet, terwijl Telraam S2 voorlopig niet nauwkeurig telt als het donker is (maar dit zal veranderen met een toekomstige firmware-update, die correcte nachttellingen mogelijk maakt).
❌ Telraam herkent geen individuele voertuigen (niet op vorm en kleur, noch op nummerplaat).
❌ Telraam zal niet 100% van de weggebruikers foutloos tellen (zoals andere 10-100 keer duurdere methoden om verkeer te tellen dat ook niet doen), hoewel Telraam S2 nauwkeuriger en preciezer zal zijn dan Telraam V1. Zo zal een persoon die aan de andere kant van de weg loopt en alleen met zijn hoofd zichtbaar is achter een geparkeerde rij auto's door Telraam S2 niet worden geteld (en door Telraam V1 waarschijnlijk verkeerd worden geclassificeerd). Ook auto's die achter een bus passeren die in het verkeer vastzit, worden gemist. Mensen die op een steile helling omhoog fietsen en uit het zadel trappen, worden door Telraam S2 niet alleen als fietsers, maar misschien ook als voetgangers geteld (omdat de AI niet is getraind met mensen die staand fietsen). Groepen fietsers worden meestal correct geteld door Telraam S2, terwijl ze door Telraam V1 verkeerd worden ingedeeld. Kleine weggebruikers (vooral voetgangers) aan de andere kant van een zeer brede straat met meerdere rijstroken worden misschien niet geteld door Telraam S2 (omdat ze minder dan 1 pixel groot zijn in de beelden die door de AI worden verwerkt), terwijl Telraam V1 ook moeite zal hebben met hun classificatie. Dit betekent dat hoewel Telraam S2 op de meeste locaties zeer nauwkeurig zal werken (zie FAQ-artikel "Telraam S2 prestatievalidatie"), er uitzonderingen zullen zijn waar de tellingen aanzienlijk kunnen afwijken. Op bijna alle locaties zal Telraam S2 beter presteren dan Telraam V1.
❌ Telraam S2 houdt geen eigenschappen van individuele weggebruikers bij, maar alleen de kwartaaltotalen per richting en klasse, en de snelheidsverdelingen. Daarom is het niet mogelijk om bijvoorbeeld een te hard rijdende auto uit de totale steekproef te identificeren of de verkeersstroom op tijdschalen van minder dan 15 minuten te bestuderen. Hoewel Telraam V1 enkele individuele eigenschappen bijhoudt omdat het in tegenstelling tot Telraam S2 geen weggebruikers kan classificeren zonder de hulp van de Telraam-servers, worden deze gegevens ook geaggregeerd op de servers en worden individuele eigenschappen na de classificatie- en aggregatiestap weggegooid.
❌ Een Telraam-eenheid is geen flitspaal en de afgeleide snelheidsverdelingen (histogrammen en v85-waarden) zijn bij benadering. Hoewel de methode voor het afleiden van snelheden goed gekalibreerd is voor het Belgische (of vergelijkbare) wagenpark (vooral in het geval van de Telraam S2-eenheid), zijn er vele factoren die kunnen leiden tot snelheden die minder nauwkeurig zijn. De belangrijkste factoren voor Telraam S2 zijn wagenparken met aanzienlijk verschillende afmetingen (auto's die gemiddeld veel langer of korter zijn dan in België), en auto's die zichtbaar zijn achter een rij geparkeerde auto's (aangezien dit ook van invloed is op de waargenomen autolengtes), terwijl voor Telraam V1 ook potentiële misclassificatie de nauwkeurigheid beïnvloedt.
