AI maakt kaarten robotauto's hyperactueel

Bij een zelfsturende auto denken we al snel aan camera's, radar en andere sensoren die informatie over de actuele situatie op de weg doorgeven aan de software in de auto die de beslissingen neemt. Maar goede actuele kaartinformatie helpt te voorkomen dat het systeem dat de auto bestuurt, onnodig veel ad-hoc-beslissingen moet nemen. Wanneer er nieuwe wegen of straten in gebruik worden genomen is het natuurlijk van belang dat zelfsturende auto's daar zo snel mogelijk gebruik van kunnen maken. Maar ook wanneer er wegwerkzaamheden zijn of een rijbaan door een ongeluk is afgesloten, verhoogt het de veiligheid wanneer de auto daarvan al ver van tevoren op de hoogte is.

Het leveren van zulke vrijwel realtime wegeninformatie aan auto's is een van de interessante businessmodellen van TomTom, nu de markt voor reguliere navigatiesystemen inzakt. Automakers zijn geïnteresseerd in dergelijke realtime informatie. TomTom maakt voor het verzamelen van de informatie onder meer gebruik van zo'n 600 miljoen 'connected devices' op de weg, waaronder auto's die sensorgegevens geanonimiseerd sturen naar de servers van TomTom. Daarnaast heeft het bedrijf een hele vloot aan eigen auto's die zijn voorzien van extra nauwkeurige sensoren. Die worden gestuurd naar plekken waar veranderingen aan routes aan de orde zijn.

Hazard service voor snelle actie

De petabytes aan brondata worden met behulp van verschillende machinelearning-algoritmen vrijwel realtime verwerkt. De auto's kunnen zo op basis van die informatie wekelijks of soms zelfs dagelijks nieuwe kaartinformatie toegestuurd krijgen. Voor de heel kortetermijnwijzigingen kunnen de automakers de auto's abonneren op een 'hazard service', een soort gespecialiseerde verkeersinformatie die binnen enkele tientallen seconden auto's op de hoogte kan brengen van ongelukken, tijdelijke wegopbrekingen of andere gevaarlijke situaties.  De informatie daarvoor komt van het gedrag van weggebruikers en de sensoren in hun auto maar ook van de politie en overheidsdiensten.

"In Duitsland komt het nogal eens voor dat er verplaatsbare wegafzettingen zijn, bijvoorbeeld voor het maaien van bermen. Dan passen we de kaarten niet aan maar sturen een signaal dat de snelheid omlaag moet en de auto zich moet richten op de gele lijnen," verduidelijkt Willem Strijbosch, hoofd Autonomous Driving bij TomTom. "De afweging ligt dan overigens bij de automakers. Sommige kiezen de veilige route en laten de auto's een alarm geven dat de bestuurder zelf het stuur moet overnemen."

Denken over mobiliteit verandert helemaal

Dat kan nog in de laagste categorieën autonoom rijden waarbij het systeem in de auto samenwerkt met de menselijke bestuurder. Maar in de hoogste categorie - niveau 5 - hoeft er geen bestuurder meer in de auto te zijn. Hoewel daar nog vrijwel geen voorbeelden van zijn op de openbare weg, werkt het team van Strijbosch wel al aan de voorbereiding daarop. "Je kan denken aan het kiezen van een alternatieve route waarop zich geen problemen voordoen. Misschien duurt het dan wel iets langer, maar aangezien je in zo'n auto toch bijvoorbeeld kan werken, hoeft die langere rit geen probleem te zijn. Je zult waarschijnlijk zien dat na een jaar of tien ons denken over mobiliteit helemaal is veranderd."

Het voordeel van nepdata

De kwaliteit van de beslissingen kan bovendien scherper worden gemaakt met de toepassing van generative adversarial networks (GANs)'. Die genereren 'nepdata' die het algoritme dat wordt getraind, moet herkennen als een niet werkelijk bestaande situatie. Zo kan het algoritme bijvoorbeeld leren strepen op het wegdek scherper in kaart te brengen.

Om zich voor te bereiden op niveau 5 autonome auto's - dus die waar helemaal geen menselijke bestuurder meer nodig is, heeft TomTom zelf zo'n auto op de weg in Berlijn. Hoewel er voor de zekerheid altijd een 'safety driver' in zit, kunnen daarmee al nieuwe situaties worden uitgeprobeerd zonder afhankelijk te zijn van de automakers waaraan de geavanceerde navigatie wordt geleverd. Strijbosch: "Het gaat om het ontwikkelen van 'cutting edge' neurale netwerken waarvoor wij bijvoorbeeld samenwerken met universiteiten zoals de UvA om fundamentele vraagstukken op te pakken."