Af Stig Andersen
Der er store miljømæssige gevinster ved intelligente parkeringsløsninger, der reducerer kørsel efter en ledig plads. Løsningerne er mange og meget forskellige, men måske bliver de overhalet af ”connected cars”-teknologien.
Nedgravede magnetiske sensorer, kamera- og radarløsninger og machine learning-algoritmer til udregning af sandsynligheden for at finde en p-plads i et bestemt område. Der er mange og meget forskellige bud på at reducere den trafik, der går til at lede efter en ledig parkeringsplads. Forskning fra amerikanske Cornell University har vist, at omkring 30 pct. af trafikken i byerne udgøres af såkaldt ”cruising for curbside parking”. Så hvis man effektivt kunne guide billisterne hen til en ledig p-plads, ville man kunne reducere CO2-udslip, støjforurening og trængselsudfordringer markant.
”Der er rigtig mange forsøg i gang på det her område, men endnu er der ikke en bestemt type løsning, som er blevet standard. Der er stadig nogle udfordringer, der skal findes svar på, før man kan lande på den rigtige løsning,” siger Lasse Steenbock Vestergaard, Specialist Smart Urban Designer, Data Science and Engineering Lab på Alexandra Instituttet, som er et af Danmarks syv Godkendte Teknologiske Serviceinstitutter.
Indendørs parkering er de ifølge Lasse Steenbock Vestergaard godt styr på. Udfordringerne opstår, når der er tale om udendørsparkering, hvor påvirkningen fra det fysiske miljø som regn, sne, sollys, osv. kan genere. Nedgravede sensorer kan blive dækket af sne og blade, og løsninger med kameraovervågning af p-pladser kan være udfordret af kraftigt sollys og refleksioner.
Der kan være en GDPR-problemstilling ved kamerabaserede løsninger, selvom det er teknisk muligt at eliminere billederne fra datainputtet, så kun kun resultatet – ledig eller ej – bliver sendt videre. Og så er der udfordringen med batterilevetiden og helt overordnet det løbende vedligehold af enheder placeret i det fysiske miljø.
Radar-sensorer er også bragt i anvendelse, blandt andet i en løsning fra Siemens. Og på det seneste er kunstig intelligens i form af machine learning algoritmer også kommet på banen. Københavns Kommune satser således på en softwareløsning, hvor algoritmer på basis af store mængder trafikdata beregner sandsynligheden for, at der er en ledig p-plads i et givet område.
Små sensorer med lang batterilevetid
Virksomheden Sensade fra Aalborg har udviklet deres bud på en løsning, som er baseret på nedgravede magnetiske sensorer. Sensorerne sender data til en tavle ved indkørslen til p-pladsen, så billisten kan se, om det kan betale sig at dreje ind. Løsningen er implementeret flere steder i landet, blandt andet i Glostrup Kommune, som har sensorer i alle pladserne på parkeringspladsen ved rådhuset. Tavlen ved indkørslen viser tre tal: Antal ledige pladser med 3-timers parkering, antal ledige pladser med 4-timers parkering og antal ledige handicappladser.
”Det er gavnligt at skilte med, om det overhovedet giver mening at køre ind på pladsen. Og vi har stor knaphed på parkeringspladser i området, så en mere effektiv styring af søgetrafikken er absolut et plus,” siger Carsten Simonsen, akademiingeniør, Center for Miljø og Teknik, Glostrup Kommune.
Sensade har udviklet en sensor, der ifølge direktør og medstifter Jens Korshøj imødegår nogle de traditionelle udfordringer ved sensorløsninger.
”Typisk har sensorer til nedgravning været temmelig store, så det var et større gravearbejde at få dem placeret, og så har batterilevetiden været begrænset. Vi har udviklet en meget lille sensor, der er nem at grave ned, og som har en batterilevetid på op til ti år,” fortæller han.
Aktuelt består Sensades løsning af sensorer, der leverer input til en tavle ved indkørslen, men planen er at kunne levere data til eksisterende navigationsløsninger, så billisten kan blive guidet hen til den ledige plads.
Machine learning i spil
Selvom der er mange typer løsninger på markedet, så er magnetiske sensorer ifølge Lasse Steenbock Vestergaard gengangeren i mange løsninger. Han fortæller, at der bliver udviklet meget på selve ”casingen”, printpladen og batteriet, men hvad angår sensorkomponenten, er der stadig plads til forbedring.
”Vi har på Alexandra Instituttet været involveret i forskellige forsøg med sensorer til parkeringsløsninger, og det har været med blandet succes. Der har blandt andet været ret store fejlprocenter i form af, at der ikke holdt en bil på pladsen, selvom der var indikation fra sensoren på det. Indtrykket er, at udviklingen af selve sensorerne har stået stille i en del år.”
Jens Korshøj fortæller, at Sensade har udviklet deres egen printplade og casing, og for at få høj præcision på detekteringen af, om der står en bil eller ej på pladsen, anvender man avancerede machine learning-algoritmer. Sensoren måler på magnetfeltet, som ikke bliver påvirket af sne, støv, blade osv. Anden støj på målingerne bliver frasorteret ved hjælp af machine learning. Derudover sender sensoren på lavfrekvensområdet, hvorfor sne, støv og blade har minimal indvirkning på signalstyrken. Kommunikationsprotokollen er LoRaWAN.
Connected cars
Ifølge Carsten Simonsen er sensorløsningen ved Glostrup Rådhus velfungerende, men han er åben for andre mulige løsninger.
”Der er systemer baseret på video eller radar på vej, som jeg forestiller mig er lidt mere fleksible, hvis man eksempelvis skulle udvide med flere handicappladser. Og de vil formentlig også være billigere end en sensorløsning,” siger han.
I virkeligheden kan de nuværende løsninger vise sig at leve på lånt tid, da der ifølge Lasse Steenbock Vestergaard er gang i en rigtig interessant udvikling i bilindustrien.
”Hele princippet om ”connected cars” kan i sidste ende vise sig at blive grundlaget for den rigtige løsning til at reducere søgetrafikken. Når alle biler efterhånden bliver født med internetadgang, vil koordinaterne på det enkelte køretøj være kendt, så skridtet fra at sammenholde koordinaterne på køretøj og parkeringsplads for at tjekke, om pladsen er ledig, ligger jo lige for,” siger han.
