Evaluering av automatisk hendelsesdeteksjon basert på distribuert akustisk sensing
Abstract
Trafsense er ett innovasjonsprosjekt av Trafsys, som er støttet av Statens Vegvesen og Innovasjon Norge. Trafsense er en teknologi for automatisk hendelsesdeteksjon i trafikk, hvilket er pålagt i alle norske tunneler over 3000m og høyere enn 2000 ÅDT per felt. Denne teknologien er utviklet med mål om å ha høyere nøyaktighet og pålitelighet, og lavere levetidskostnad enn eksisterende systemer, vanligvis basert på videoovervåkning. Statens Vegvesen har bedt om at denne teknologien evalueres transparent av NTNU.
Teknologien er basert på distribuert akustisk sensing, og installeres med en passiv sensorkabel i asfaltdekket, og en aktiv interrogator utenfor tunnelen. Det har blitt installert side om side med videodeteksjon i Lyderhorntunnelens vestgående løp på RV 555 i Bergen. Tunnelen har ett høyt trafikkvolum i ettermiddagsrushet, og trafikkoperatørene har rapportert om høy andel falske alarmer i forbindelse med dette. Det er gjennomført en kontinuerlig evaluering av trafikken i 46 døgn, der hver eneste alarm fra Trafsense eller videosystemet genererer en 3 minutters video til evaluering og loggføring. Det er også gjennomført en testkjøring med 18 gjennomkjøringer i gal retning og 90 kontrollerte stopp, som er identifisert som to av de mest risikable hendelsene i tunnel.
Fra den kontinuerlige evalueringen har det blitt vist at videosystemet har en falsk alarmrate på 2.3 falske alarmer per kilometer, per døgn, med en stor overvekt av alarmer mellom 14:00 og 17:00. Trafsense har en falsk alarmrate på 1.3 falske alarmer per kilometer per døgn, spredt jevnt utover døgnet.
Under testkjøringen detekterte begge systemer 100% av spøkelsessjåførene, etter gjennomsnittlig 7,7 sekunder for videosystemet og 25 sekunder for Trafsense. Det ble her avdekket en integrasjonsfeil i begge systemer. Kameraet nærmest tunnelåpning vest (utgangen) var avskrudd, og Trafsense anså ikke de første meter av tunnelen som tunnel, og forkastet disse alarmene. Det er innhentet data fra internloggen i Trafsense, som viser at den hadde potensiale til å detektere etter i snitt 2,6 sekunder.
Av de 90 stopphendelse under testkjøringen detekterte videosystemet 100% av hendelsene, og Trafsense detekterte 82% av stoppene. Stoppene ble gjennomført med en lastebil og to personbiler. Av de 30 stopp med lastebil detekterte Trafsense 29 stopp. Trafsense detekterte i snitt stoppene 5s raskere.
Flere falske alarmer kan være konsekvens av høyere deteksjonsrate, hvilket sammenligningen av disse to systemene kan tyde på. En deteksjonsrate på 97% av stopphendelser med lastebil og 100% av spøkelsessjåfører, tyder på at en økt sensitivtet i systemet ville ført til en høyere generell deteksjonsrate.
Akseptkrav for falsk alarmrate og deteksjonsrate burde utarbeides både generelt og spesielt for norske tunneler. En trafikkevaluering som inkluderer ikke-detekterte hendelser og en mer sammensatt testkjøring kan også anbefales. Trafsense is an innovation project by Trafsys, supported by the Norwegian Public Roads Administration and Innovasjon Norge. Trafsense is a technology for automatic incident detection in traffic, which is required in all Norwegian tunnels over 3000 meters and with more than 2000 AADT per lane. This technology is developed with the aim of having higher accuracy and reliability, and lower lifetime costs compared to existing systems, which are usually based on video surveillance. The Norwegian Public Roads Administration has requested that this technology be transparently evaluated by NTNU.
The technology is based on distributed acoustic sensing and is installed with a passive sensor cable in the asphalt surface and an active interrogator outside the tunnel. It has been installed side by side with video detection system in the westbound lane of textitLyderhorntunnelen on RV 555 in Bergen. The tunnel has high traffic volumes during the afternoon rush hours, during which and traffic operators have reported a high number of false alarms. A continuous evaluation of the traffic was conducted over 46 days, where every alarm from Trafsense or the video system generated a 3-minute video for evaluation and logging. A test drive was also conducted with 18 wrong-way entries and 90 controlled stops, which are identified as two of the most dangerous events in tunnels.
From the continuous evaluation, it has been shown that the video system has a false alarm rate of 2.3 false alarms per kilometer per day, with a significant concentration of alarms between 14:00 and 17:00. Trafsense has a false alarm rate of 1.3 false alarms per kilometer per day, spread evenly throughout the day.
During the test drive, both systems detected 100% of the wrong-way drivers, with an average detection time of 7.7 seconds for the video system and 25 seconds for Trafsense. An integration error was discovered in both systems during the test. The camera closest to the western tunnel opening (exit) was turned off, and Trafsense did not consider the first meters of the tunnel as part of the tunnel, and discarded these alarms. Data from Trafsense's internal log showed that it had the potential to detect the events in an average of 2.6 seconds.
Of the 90 stop events during the test drive, the video system detected 100% of the events, and Trafsense detected 82% of the stops. The stops were conducted with a truck and two normal cars. Of the 30 stops with the truck, Trafsense detected 29 stops. Trafsense detected the stops on average 5 seconds faster.
More false alarms may be a consequence of a higher detection rate, which this comparison between the two systems might indicate. A detection rate of 97% for stop events by truck and 100% of the ghostdrivers suggests that increased sensitivity in the system would lead to a higher overall detection rate.
Acceptance criteria for false alarm rate and detection rate should be developed both generally and specifically for norwegian tunnels. A traffic evaluation of non-detected incidents, along with more comprehensive test drives, is also recommended.