Veel bedrijven, steden en gemeenten zoeken oplossingen voor micro-mobility: het
vervoeren van personen over een beperkte afstand tussen locatie X en locatie Y (bushalte,
station, campus, kantoorgebouw, industrieterrein, …). Los van het vervoersmiddel zelf, stelt
zich het probleem dat na verloop van tijd alle voertuigen op locatie Y staan: ’s morgens en ’s
avonds vindt er verkeer in tegengestelde richtingen plaats. Deze voertuigen moeten worden
teruggebracht naar hun thuisbasis of naar een andere bestemming, afhankelijk van waar de
vraag naar vervoer op dat moment het hoogst is. Op dit ogenblik wordt dit probleem
opgelost door een grote hoeveelheid voertuigen (zoals deelfietsen) ter beschikking te stellen
of door een continue menselijke interactie te voorzien. Dit zijn echter relatief dure en vooral
weinig duurzame oplossingen.
Smart Driving Devices (SDD) op basis van Artificial Intelligence (AI) en Internet of Things (IoT)
zijn hiervoor uitermate geschikt. Zij kunnen immers na gebruik zelf terugrijden naar hun
vertrekstation en op die manier opnieuw gebruikt worden door een volgende medewerker
of bezoekers. In een volgende stap kunnen ze ook autonoom naar andere locaties rijden. De
kern van de oplossing ligt in de integratie van Information Technology (IT) en Electronic
Engineering (EE).
Vanuit het perspectief van Electronic Engineering (EE) spitst het onderzoek zich toe op de
optimalisatie van het embedded mobile edge device waarop de AI zal gehost worden.
Daarnaast zal gebruikgemaakt worden van sensoring en van cloud-interactiviteit via 5G, om
de AI te voeden met de juiste selectie van omgevingsvariabelen.
Vanuit het perspectief van Information Technology (IT) worden AI-modellen ontwikkeld die
de devices zelfrijdend maken. Via cloud-based technologieën worden deze modellen continu
gevoed met sensorgegevens, waardoor ze zichzelf steeds blijven verbeteren en in staat
zullen zijn om zich aan te passen aan nieuwe omgevingsfactoren. Kernwoorden hierbij zijn
machine learning, deep learning en computer vision.
De ontwikkeling start in een gecontroleerde omgeving op microschaal, gebruikmakend van
modelauto’s. Dit gebeurt binnen een afgebakende en uiteraard goed beveiligde context.
Vervolgens wordt gradueel opgeschaald naar meer complexe omgevingen, wat zal leiden tot
een prototype voor de use case op de Corda Campus. Daar zal een Smart Driving Device (bv.
segway of golfbuggy) ingezet worden voor vervoer tussen de parkeerterreinen en de
verschillende gebouwen. Verder onderzoek zal ervoor zorgen dat dit prototype uitgebouwd
kan worden tot een meer generiek driving device, inzetbaar op andere locaties.
Frederik Vreys