Mobiliteit en AI

Een camera ophangen om het aantal wandelaars, fietsers en auto's te tellen. 

Soort trajectcontroles plaatsen, zeker binnen 30 km/u zones met op verschillende plaatsen bvb in het wegdek zelf kleuren die oplichten om aan te duiden dat je te snel rijdt. Blijkt op het einde van de zone dat je je snelheid niet aangepast hebt, dan ontvang je automatisch een boete die per keer dat je hetzelfde traject te hard rijdt binnen een termijn van 6 maanden, verhoogd wordt met €100. Na 6 maanden start de teller op 0. De boete wordt maandelijks rechtstreeks geïnd via je autoverzekering of bankrekening. Je hebt hierop geen weerwoord, want bewijzen zijn er. Zeer streng, maar waarschijnlijk een pak efficiënter dan hoe het nu gebeurd.

Sensoren in de auto die door sensoren langs de weg worden beïnvloed en de snelheid automatisch afremmen. Of, sterk oplichtende borden die de snelheid regelmatig "opflitsen".

Communicatie tussen bestuurders, iets dat ongevallen kan vermijden

Let's consider 3 scenarios: 1. You are planning to go to a place Y from place X in time T. Can AI help you to choose the best possible route containing more greener mobility options (less carbon footprint) before your journey? 2. A delivery company C is operating W numbers of automatic vehicles and X number of conventional (non-electric) vehicles. It suddenly receives an order and has to deliver it in time T (so uncertainly is present in workflow). Can AI help the company C to choose the best possible route and combination of vehicle en route to the place which is more greener? 3. Consider scenario 1 without time constraints (i.e. suppose you're traveling for leisure). Can AI help you to choose more greener route along with mobility?

We'll use AI based optimization tools as well as reinforcement learning for solving the smart mobility issue discussed in the question. For optimal greener route selection we need different AI tools merged together to solve the optimization problem! 

A soundscape with sensors humming at specific frequency, feeding information to an earpeace, making it possible to locate yourself.

- Het vervoermiddel herkent gevaarlijke "zwarte punten" op basis van een databank en GPS en waarschuwt de bestuurder.
- Dmv AI wordt de beste route gesuggereerd om het gevaarlijke punt te passeren.
- AI herkent plots opduikende hindernissen en kan anticiperen.

Via AI detecteren zelfrijdende wagens voortdurend risico's die ze opslaan en toepassen in toekomstige situaties, ook voor andere wagens en weggebruikers 

Dat de inhoud van je valies en het gewicht daarvan adhv een scherm gescand en berekend kunnen worden. Zo hoef je niet meer in de file te staan bij het inchecken en kan je bij te zware bagage gewoon extra betalen die door je scan berekend werd

Niet exact wat de rol van AI is, maar er is een hele reeks bronnen beschikbaar die kan helpen. Wie weet kan een lerend algoritme die gebruiken om tot een steeds beter model te komen; en om de vele beperkingen van de verschillende bronnen onderling te compenseren: - routeerbaar fietsnetwerk via OpenStreetMap - puntsgewijze tellingen van Telraam en allerlei tellussen - enquete data over woon-werk verkeer en fietsbezit - real time bezettingsgraad van fietsenstallingen - info over evenementen - open data over effectieve fietsverplaatsingen (bikedataproject, fietstelweek, bike to work, ...).

Bijvoorbeeld: je stapt enkel over op de trein wanneer je zeker bent van een zitplaats, zodat je kan verder werken.

Speciaal signaal.