Biler bremset automatisk for tilbud på boller

Du hører på Teknisett, en podcast fra TU. Mitt navn er Jan Moberg, og jeg sitter nå hos Statens Veivesen. Bakgrunnen er at jeg fikk en presentasjon her for en tid siden om alt det spennende som skjer med sensorikk og IT og maskinlæring og greier langs norske veier. Så jeg har invitert meg selv opp hit og sitter med seniorutvikler Hans-Petter Hås Baur. Takk. Takk for at jeg fikk komme hit, og Kristian Berg, sjettende senioringeniør. Hei. Nå er jeg spentere, for jeg har jo en liste over dette som ble presentert, men det er bare en ting jeg må spørre om først, og det er denne her, det var en veldig, jeg må jo kalle det festlig, men litt farlig sak her, hvor En eller annen bensinstasjon slers baker langs veien hadde satt opp et stort skilt hvor det var bolle for 10 kroner, og det lignet veldig på et sånt der fartsgrenseskilt, og i min bil da så blir det jo gjenkjent, og da vil jo bilen bremse umiddelbart. Hva skjedde? Ja, nå har jeg jo tatt med meg Christian Bergsjettene fra ITS Teknologi i Trondheim. Han var med på den piloten og kan fortelle litt mer inngående om hvorfor de testet dette her? Ja, hvorfor de er med og tester, og når de finner ting, så skriver de og rapporter og deler med oss andre. Så, Kristian, hva skjedde? Bakgrunnen for hele opplegget var jo at vi hadde tatt med oss en håndfull bilprodusenter og skulle ut og teste skiltjensgjengssystemene som Sikkert lytterne er kjent med å ha i bilene sine, og de er sikkert også kjent med at de ikke alltid... Det er ikke alltid det er presisen her. Nei, det er innimellom det er noe feil der, og da er det jo et spørsmål om hvor problemet er da. Så da fikk vi oss byprosentene og fikk installert dataloggera i kjøretøyene. Så kjørte vi en ganske lang strekning hvor vi vet at det er en del som har problemer. Dette var mellom Kongsberg og Drammen, var det det? Ja, Kongsberg og Oslo. Kongsberg og Oslo, ja. Ja. Og vi så jo en del av de tingene vi hadde forventet for så vidt, med noen skilt som stod litt for nærme veien. Men stort sett så var det jo ganske bra. Plutselig helte vi kom til den her, når vi var på vei tilbake fra Kongsberg. Kjørte vi forbi en bussestasjon som hadde billige boller. Boller, ti kroner? Ja, med ti kroner inni en sånn her stor og fin runding. Så tilforlatelig ut som et skilt, det var i hvert fall bilen. Da dukket det opp i dashboard at her er 10 km/t i fartsgrense. Han fikk solgt mye boller da, og det bremset. Ja, vi var inne og snakket med ham på Venstreslåsjonen, og han sa jo, men det må jo være bra, det kjører mye sakte forbi oss, det er jo fint. Det spåner en forretningside hos noen andre. Hvordan misbruker teknologi til din fordel? Men seriøst, altså, man bør kanskje, det kan jo være litt farlig dette her. Ja, i utgangspunktet så bør jo ikke reklame med link på trafikkskiltet og rimme åpenbart for hvem som helst. På en annen side, det så bør jo systemene i bilene være såpass gode at de klarer å gjenskjenne en reklame og et skift. Ja, og jeg som sjåfør er jo for tungt til å kunne ta et 10-kroners tilbud, så det burde bilen vite. Men det er ikke bare det, det er et veldig morsomt eksempel, men på denne presentasjonen som jeg overvarer for en tid siden, så var det jo også «Nå er det sommer», Så en del av dette dreier seg om krevende vær og førerforhold, men det er verdt å vite for sommerturisten og de som er ute på veien hva som egentlig foregår. Her var det mye spennende, og blant annet tenker jeg på at tungtrafikken er viktig. Det er bare i beste fall et par filer på norske veier, og det er ofte jeg må ut i venstrefila, fordi det er mye tungtrafikk. Men de må hvile, og der hadde dere en bra overvåkning. Ja, vi jobber i hvert fall med å forbedre overvåkningen der langs veien, og forbedre hverdagen til tungbilsjåførene. Og det har jo vært en satsing på tungtransport de siste årene, og mer kundefokus ut mot den kundegruppa. Da vi kan bruke også maskinlæring og AI for å forbedre Opplevelsen til tomvildsjåførene er jo en vin-vin for oss teknologer. Nå kan dere overvåke hvor neste hvileplass er for en trailer-sjåfør. I Norge er det rundt 57-58 døgnhvileplasser for tomtransporten. De sier kanskje det er for lite, men det er for det vi har offisielt i dag. For at de skal få en bedre hverdag har vi laget en app som er utarbeidet sammen med tungbilsektoren som heter Veivesentrafikk-appen. Den kan også privatbilister bruke, men i den appen får man oversikt over kapasitetsinformasjon på de døgnvildeplassene der vi har hengt opp kamera, som begynner å nærme seg en 13-14 døgnvildeplasser. Ja, og i forbindelse med dette, det var ganske detaljerte bilder også. Dere har jo god oversikt over plassene, så det er jo sole på. Ja, hva sier du Kristian? Maskinlæringsteknologi er jo veldig i vinden. Litt av problemet med å bruke bilder fra kamera ut langs veien er at veien ser veldig forskjellig ut fra årstid til årstid, tid på døgnet, og det er en type ting som gjør det litt vanskelig, og vi må generere ganske mye treningsdata for å være sikre på at vi har en god modell som... Ja. Ja, de bildene jeg så i presentasjonen var mye vinterbilder, og nå er det sommer når denne podcasten går, så det er jo diametralt helt forskjellige bilder. Absolutt. Det er jo ganske logisk også at det er enklere for teknologien også når det er sol og fint vær. Selvfølgelig. Men da kommer vi inn på et annet tema også, er jo at det ble mye bilder, og nå har dere kjørt også prosjekt med å sledde bilder. Hvorfor? Ja, veivesene kjører jo opp og sier, jeg vet ikke om jeg bruker riktig begrepp, Kristian, du får arrestere meg, men jeg sier at veivesene har jo sin egen Google-bil som kjører langs norske veier og tar bilder av veiene. Og det gjør vi primært for å få en oversikt over tilstanden, ikke sant? Det er i hvert fall primære. Så har det jo vist seg at de bildene kan brukes i andre formål også, og at det er flere og flere som er interessert i i bildene langs norske veier. Ja, og da vil du ikke ha annen person til å ta med. Nei, og det var en av de første virkelige maskinlæringsoppgavene som Kristian kastet seg over når han kom inn i etaten. Ja, det kan jeg nok si. Målet med bildene er å få en fotodokumentasjon av en etter over tid, over lang tid, så du kan blå langt tilbake og se hvordan infrastrukturen så ut det året for lang tid tilbake. Men det er vei-infrastrukturen vi er interessert i. Så i utgangspunktet på en måte kjøretøy, eller andre kjøretøy og fotgjenger og den type ting er på en måte ansett som støy. I det sett så burde de ikke vært der i helt tatt. Men vi kan nesten ikke stenge veianværelse. Dette skal du få komme tilbake til, for nå drar vi gjennom noen prosjekter, men jeg tenkte vi snakket en del her om selvkjøring og og altså autonome biler og sånt, det må vi ta en oppsummering på, for alt dette henger jo sammen. Så det er jeg litt spent på. Ja. Men det var også snakk om strekningsbasert automatisk trafikkontroll, og det er jo litt sånn, det er det jo noen som ikke liker da, at her kan man jo bli avslørt. Ja, og da kommer kanskje, altså GDPR er jo veldig viktig i all billedbehandling, veivestene tar jo GDPR på alvor, personsensitiv informasjon er viktig å håndtere riktig, må jeg si. Ja. Så først og fremst gjelder det også for de veibildene vi snakket om, også for de døgnhjelplassene. Det er publikkbilder som er i utgangspunktet sledda og pikselert og sånne ting, mange triks. De har dårlig oppløsning med vilje, fordi vi skal ikke kunne bruke dem til å gjenkjenne folk og sånne ting. I strekningsbasert automatisk trafikkontroll så er det jo også en tilleggskompleksitet at du har ikke lov å identifisere kjøretøy før du mistenker noen for å ha brutt en lov. Nei, riktig. Og det er ikke sant, hva gjør du da? Altså det må jo bli utrolig mye bilder og sensorik dere sitter på etter hvert da. Det er veldig mye sensorer og ulike sensorer, veldig mye teknologi, og det er jo det som gjør at jeg og Kristian Han var her i veivesenet så lenge også. Nå drar vi jo litt igjennom noen her før vi kommer til selve krukset, som jo er hva tror dere om selvkjøring og autonomi på veien, men trafikktelling og trafikksikkerhet er jo også et tema. Ja, altså det er jo et case da, det tror jeg Kristian skal få lov til å dra gjennom det med, for igjen da på tungtransport, det er jo der vi ser at vi har mest å hente på trafikksikkerhet, for vi gjør jo... Det er morsomt å jobbe med den teknologien og AI og maskinlæring og alt sånt, men vi gjør det jo for å forbedre trafikksikkerheten og sikkerheten langs. Det er ikke bare for å spionere på oss sjåfører. Nei, eller bare for at vi skal leke oss med morsom teknologi. Hva sier du, Kristian? Ja, så litt av utføringen. Vi har jo, jeg vet ikke, rundt 2000 kanskje tellepunkter i dag som bruker i hovedsak magnetbasert sensorikk for å telle kjøretøy. For at vi skal ha en oversikt over trafikkmengden på veiene. Det brukes til planlegging av nye veier, beregning av hvor de bør være hen. Men den informasjonen du ikke får fra det, blant annet, detaljert informasjon om hvilke type kjøretøy det er. Du kan skille kanskje mellom lastebil og personbiler. Men hvis du vil ha mer detaljert informasjon om hva som går oppover igjen, så får du et problem med en eksisterende... Du får det til hvis du bryter til ny sensorikk. Hvis du bruker kamera for eksempel, så kan du få det til. Og så tenkte jeg på det også som er litt hot for tiden, er jo det med å detektere dekk slittedekta, eller om de har piggdekket i det hele tatt på norske vinterveier og sånn, ikke sant? Og der, Kristian, er det jo vært kjørt flere piloter, og det var også en pilot som faktisk satt i produksjonen som bruker litt ny teknologi for å detektere akkurat det. For det er en av grunnene til at man har så mye sensorer og ser på de maskinlæringsalgoritmene er jo for å kunne luke ut verstingene. Vi ønsker jo ikke å plage de som har rent med i posene og som har vært på verste og ryddet trafikanter, skal få slippe bilet. Ja, ikke sant? Og det er en fordel for alle. Men altså, sensorikken, det er et godt eksempel her. Sensorikken har jo blitt såpass bra også. Jeg sitter med et av de andre prosjektene, er jo dette med å rekkeverket langs veien og broer og sånn skal jo sjekkes årlig, og der har dere også en løsning hvor kamerasensorikk gjør at dere sparer jo timesvis på at bilen, sensorbilen kjører med sensorikken bak og sjekker dette mens man er i fart, versus å gjøre det manuelt. Ja, det er En ting er jo at man med maskinlæring og høyoppløselige kameraer kan kjøre langs veien og ta bilder av rekkeverk, for det er jo en av veivesenet sine oppgaver også. Vi har ansvaret for ganske mange tusen kilometer rekkeverk som skal være i orden og så videre, og er det ikke i orden så må vi vite om det også. Men en av de kanskje største, hva skal jeg si da, for det er en annen greie også med det der er at Vi som jobber i veivesene, det er en ganske tøff hverdag i og blant å være veivesenansatt, å være ute i trafikken og liksom observere ting. Se hvordan vi sjåfører oppfører oss, er det du tenker på? Jo, men det er jo sånn at når du ser en veiarbeid eller en veivesenbil kjøres sakte og sikkert langs veien, så kommer du å blåse forbi med Teslaen din, ikke sant? Så da... Men med ny teknologi så kan vi følge fartsgrensene, vi slipper lederbil, vi slipper folk som går ut av bilen og så tar bildet fysisk og noterer på noen tassplikker. Det er sånn Sensorikken har blitt betydelig bedre. Ja, altså det har til og med for oss som jobber i veivesenet, så er det mer trafikksikkert å nå jobbe langs veien med ny teknologi. Men her har vi jo litt tilbake til deg, Kristian, som nevnte at i dette domenet så kan fotgjengere være støy. Dere har jo noe som heter automatisk hendelsesdeteksjon. Stemmer. Og Og det må jo være kjempeinteressant å kunne følge med på, for eksempel om det skal være en fotegjenger som går et sted vi ikke skal, eller last som er mistet eller et eller annet. Ja, tunnelsikkerheten er jo ekstremt viktig, og vi har systemer i dag som prøver å finne ut av om det er en uvanlig situasjon i tunnelen, Men problemet er, da på en måte kommer det en alarm inn på hvitereffektssentralene våre, og så bestemmer de da hva som skal gjøres. Men en av de store problemerne som hvitereffektssentralene har, er at de drukner i alarmer. Det er så mange feilalarmer at det går på kvaliteten løs, for å si det sånn, at de må nødt til å håndtere så mange feilsystemer. Så målet med det systemet var jo å bygge et bedre hennes detoksjonssystem som genererer færre feilalarmer. Ved å bruke ny teknologi med maskinlæringsmodeller som er bedre til å gjenkjenne situasjonene og filtrere ut de situasjonene som ikke gjør ille. Jeg tør også påstå at noe av hemmeligheten med det systemet som Kristian snakker om er at man I veldig mange tunnelsystemer som vi har, så er det jo installert mye teknologi og høyteknologi, men så går det jo ti år, og så er det jo ikke høyteknologi lenger. Nei, ikke sant? Og det er litt av problemet. Så hva gjør du da når du har, altså kameraene er jo, de varer jo kanskje i 20-30 år for alt jeg vet, ikke sant? Men det å bruke ny AI-teknologi, maskinleggings-teknologi, på de gamle kameraene og få merverdi ut av det. Det er egentlig det det handler om. Det er en viss asymmetri i utstyret når årene går. Ja, så er det også forskjellige leverandører som har levert forskjellige systemer i de forskjellige tunnellene og sånne ting, og det er Teknologilandskapet er vanskelig. Det skjønner jeg, og landskapet for øvrige, nå er det sommer, og forhåpentligvis er det enten tørrbar vei eller våtbar vei, men dere har jo også en føreforholdsklassifisering som detekteres. Det kan jo heller ikke være så lett. Nei, det er ikke lett, men det... Der har vi jo en sånn fun fact her, det er jo i hvert fall rundt 700 webkameraer langs veiene som i hvert fall veivesenet eier, altså vi som har hengt dem opp i hvert fall og har oversikt over, og pluss at vi har flere hundre værstasjoner, og i forhold til klassifiseringspiloten så tok de masse bilder fra de kameraene som var på værstasjonene, Og så lagde jeg en førerforholdsklassifiseringsmodell for det. Er det noe som fungerer i dag? Det er ikke produksjonsatt, så vidt jeg vet, Kristian. Alene så er vi tilbake til at du krever enorme mengder med treningsdata, fordi alle kameraene har forskjellige vinkel. Du har alle lysforholdene du måtte høye det for. Så det tar tid å bygge opp store treningsdata. Så de forbedrer seg stadig, men de er ikke helt i produksjonen ennå. Og eksempelet viser jo at ja, det går an å gjøre det her. Jeg bruker å si at objektgjenkjening og bildeanalyse er en sånn poteteknologi i maskinlæringsverden, og kan brukes til veldig mange use-caser, og det viser jo det vi har snakket om her i dag, ikke sant? Men Det som er litt morsomt med den teknologien er at når vi begynner å komme på en viss nivå, at vi som teknologer synes det er mer enn godt nok for å produksjonssette, for da kan vi lære enda mer og forbedre systemet vårt. Og vi kan også bruke det på alle veivesenkamerene som finnes i hele Norge. Når du først har lagd den, det er en ganske... Ja, men nå tenker jeg at min bil og de fleste nye biler har jo kameraer. Kan vi ikke dele med dere da, så får dere enda flere kameraer på norske veier? Ja, det hadde jo vært veldig fint det. Vi har jo testet noe som ligner hvor vi har montert kameraer i rutebusser for eksempel. Da kan du få en rimelig frekvens på den samme veien for eksempel, og med en viss forutsigbarhet kunne gi... i føreforhold på en hel strekning, ikke bare et punkt. Men å få data ut av kjøretøy er ikke bare bare, der er bilprodusentene ganske forsiktige. Ja, ikke sant? For jeg tenker at har det vært så enkelt at du kunne sagt at nå vil jeg dele mine data i bilen til dere, du får jo ikke lov til det. Nei, men da kunne jeg blitt premiert da, kanskje blitt sett gjennom fingrene at jeg hadde litt for høy hastighet på gjennomsnittsmålingen en gang, eller nei da. Jeg skjønner at dette er ikke lett. Men en del av den type dataen får vi jo ut, den type dataen som kan anonymiseres, kan vi få ut fra bilprodusentene, antageligvis ved å betale noen kroner. Ja, det er riktig. Det har blitt testet ut. Det er bra. Men, Kristian, du har jo en master i maskinlæring også, og du er jo innenfor ITS, Intelligent Transportation Systems, så jeg må høre noe når vi har vært igjennom dette her, og vi var litt inne på det innledningsvis, og selvkjørende biler, det er jo en sånn greie som vi har hørt om alltid kommer, men den kommer om 20 år. Du som sitter midt oppi det, kommer det eller kommer det ikke? Ja, og svare på om det kommer eller ikke, det er en forholdsvis greit. Det gjør det nok på et eller annet tidspunkt spørsmålet om når det kommer. Ja, det er litt som fusjonsteknologi, at alt er 20 år frem. Det er akkurat det som er litt av problemet. Min teori er nok at det kommer noe mer som en gradvis greie. Du ser jo allerede dag at førestøttesystemene blir bedre og bedre for hvert år som går. Og jeg tror at det er den retningen det kommer til å bevege seg ut i. Det er ikke en bryter som flippes, og så er det på en måte på plass. Ikke i vanlig produksjonskjørelse, jeg tror ikke det er det i hvert fall. Og det kommer til å ta ganske lang tid, vil jeg tro. Nei, for det er jo stadig mer førerstøttesystemer som du er inne på. Men da blir jo spørsmålet, er egentlig mennesket en dårlig sjåfør da? Ja, jeg skjønner at jeg kunne sitte og lese eller se film mens bilen kjørte meg dit jeg skulle, men er vi dårlige sjåfører? Faktum er jo, spesielt nordmenn, er jo faktisk ganske flinke til å kjøre bil. Så totalt i gjennomsnitt kjøres det 45 000 millioner kilometer per år i Norge. 45 milliarder kilometer? Det er en helt absurd mengde med kilometer, og så har vi 100 trafikkdrepte per år, og det blir jo en død per 454 millioner kilometer. Hvis du begynner å regne om det til treffsikkerhet i et system, et datasystem, så får du helt absolutt mange nuller bakkommet. Og det er nok ikke Det er ikke så veldig mange IT-systemer som vi baserer oss på i hverdagen i dag som krever så mye oppi tid og så mye treffsikkerhet. Så faktum er at mennesker er ganske gode til å kjøre bil. Så jeg tror nok det smarteste man kan gjøre nå er å fokusere mye energi på en teknologi som kan gjøre oss mennesker til bedre sjåfører, men som også på sikt kan hjelpe bilen å kjøre selv. Da er fokusområdet til VVS-ene på det området. Da går det på tre pilarer hvor vi fokuserer på posisjonsnøyaktighet. Det er noe alle som jobber inni en selvkjørende bil sier at det er superviktig. Det går på kommunikasjon, det vil kreve en oppkobling til internett, så dekning på mobil blir plutselig en viktig komponent. Det er previst for å lykkes. Og så går det på menneske- og maskinlesbar infrastruktur. Vi hintet litt om det i det bolle eksempelet. Når vi bygger infrastruktur, så må vi også ta med maskinkomponenten. Vi har bygd infrastruktur som kun skal være gjenkjent bare for et menneske. Kanskje må vi se på om det er mulig å bygge infrastrukturen slik at den kan også understøtte selvkjørende biler, for eksempel. En annen ting jeg har tenkt på er jo at en ting er å lage en vei med selvkjørende biler, alle bilene er selvkjørende. En annen ting er å lage en vei der både mennesker og selvkjørende biler skal mikses. Det må jo være lettere med det første. Ja, det er absolutt en faktor. En menneske blir jo x-faktor i det her, spesielt hvis du skal ha bilene til å kunne kommunisere med hverandre og så videre. Jeg har en tilleggsopplysning til det der, fordi at veivesenet har også en, jeg bruker å kalle det for en digital tvilling av det norske veisystemet, som vi kaller for Nasjonal Veidatabank. Det er et veldig viktig verktøy eller database for oss, for det er alle veier, alle rekkeverk, alle døgnvildeplassene, alt som vi har snakket om i dag, ligger der. Og hvis den ikke er riktig, eller den må være riktig for at du skal få en selvkjørende lastebilde gjennom hele Norge, så vet du hvor høy er tunnelen, hva er fartsgrensen, alt. Er det feil i den digitale trillingen, Så har vi også et problem. Avslutningsvis, Kristian, kunstig intelligens, nå har vi snakket om en del av disse prosjektene, det skjer jo utrolig mye på kort tid. Hva tenker du er lavt hengende frukter, som er et populært begrepp? Hahaha, Ja, vi prøver å ta så mange lavtegne frukter som mulig, men faktum er at jeg tror mange som stemmer tester, typisk chat, GPT og sånne ting, som tror at det er veldig enkelt å ta i bruk maskinlæring og den type ting. Faktum er at det krever veldig mye ressurser å ta det i bruk. Altså på prosesseringssiden, eller på planlegging? Ofte krever det ekstreme mengder med treningsdata, som ofte må gjøres manuelt av et menneske. Det tar tid, og det må planlegges godt. Og der har vi nå et prosjekt... på gang for å prøve å etablere et fagsystem for å håndtere maskinlæringsmodeller. Jeg tror kanskje VVS er ganske tidlig ut ved å profesjonalisere hvordan vi gjør maskinlæringsprosjekter i VVS. Ja, for det er bare et kommentar det Kristian sier, for det er Når du da kommer så langt at du har en maskinlæringsmodell som fungerer godt nok, og du har satt den i produksjon, da stopper det jo ikke der. For du må jo hele tiden likeholde den modellen. For det er jo ikke sånn at vi ikke bygger ut nye veier, at vi bygger om veier, og det kommer ting til. Så det må holdes for like. Til de som sitter og hører på dette i bilen og koser seg bak rattet, så er egentlig meldingen at det kommer litt å få gjøre i mange år fremover. Det vil jeg nok tro, ja. Jeg har nok mange spennende teknologidager foran oss, vi som skal jobbe med det her. Ja, det er utrolig spennende, og jeg kommer gjerne tilbake. Takk til Hans-Petter Hoas Bauer og Kristian Berg, skjett ned i statens veivessen, og god sommer til dere lyttere der ute, og til ikke minst dere to. Tusen takk. Sommer er en tid å samle data på det også. Det er det. Takk skal du ha.