Blog

Meer, veel meer, verkeersmodellen

Bart Elbers, senior adviseur bij Transpute reageert op het artikel ‘Tegen verkeersmodellen’ (VK 7/2014) van Peter Pelzer, Universiteit Utrecht, met de stelling: ‘Meer, veel meer, verkeersmodellen’ 

‘Een discussieartikel kan niet zonder reactie blijven, deze keer niet in vraag/antwoordvorm zoals Peter Pelzer in zijn bijdrage deed. Om de discussie gaande tehouden zal ook in deze bijdrage niet geschuwd worden om duidelijk stelling te nemen. Mijn tegenstelling luidt dan ook: ‘Meer, veel meer, verkeersmodellen’.

De verkeersmodellenwereld is hopeloos ouderwets en kijkt nauwelijks over haar grenzen. Op zeer korte afstand vinden baanbrekende ontwikkelingen plaats die de wereld van de verkeersmodellen grondig kunnen doen veranderen. Door de snelheid van modelberekeningen drastisch te verbeteren kan de ondersteuning van beslissingen veel beter worden. Hierdoor kunnen verkeersmodellen en deskundigen weer de plek innemenen waarvoor ze bedoeld zijn.

Rekensnelheid verkeersmodellen
Waar voor de komst van de computer er nog nauwelijks besef was van hoe verkeersstromen zich gedragen is sinds de komst van de computer en het electronisch inwinnen van verkeersgegevens de wereld enorm veranderd. Decennia lang zijn voorspellende verkeersmodellen groter, beter en sneller geworden; nieuwe databronnen werden ontdekt, patronen herkend en verkeersstromen werden steeds beter voorspelbaar. Dat geldt voor de dagelijkse hoeveelheid verkeer, maar ook voor de patronen op de autosnelweg zelf; de interactie tussen voertuigen en het ontstaan van files.

Dit proces; groter, beter, sneller, is lang gaande gehouden door de toename van snelheid van computers. In de computerwetenschappen bestaat de bekende 'Moores Law'. Deze wet, gedefinieerd door Gordon Moore, één van de oprichters van Intel, zegt dat computers elke 18 maanden twee keer zo snel worden. Dat klopt grofweg voor de afgelopen 40 jaar, maar alleen als we alle rekenkernen op een processor meetellen. Deze trend in meerdere rekenkernen per chip zien we in alle computers terugkomen. Kijk maar eens naar uw smartphone, ook de processor die daarin zit bestaat tegenwoordig uit 2 of 4 en soms zelfs 8 rekenkernen. Zodat u tegelijkertijd uw e-mail kan lezen, een video kan afspelen en het laatste nieuws kunt binnenhalen.

Door het efficiënt benutten van de rekenkracht van de grootste supercomputers ter wereld1 zijn onderzoekers in staat om onze leefomgeving steeds beter te begrijpen, de gevolgen van natuurrampen steeds beter te bepalen en het weer steeds nauwkeuriger te voorspellen. In de verkeerskunde is deze trend echter een stuk minder aanwezig. Het doorrekenen van landelijke modellen duurt daardoor nog steeds dagen tot weken ondanks dat het aantal wegen elk jaar maar met een relatief klein percentage toeneemt.

En het is juiste deze beperking, de lange simulatietijd, die het gebruik van verkeersmodellen onverantwoord bemoeilijkt. Een model biedt juist nooit de waarheid als antwoord maar geeft wel inzicht in de processen. Hiervan zijn wellicht het meest bekend de economische scenario’s die in de EU worden gepresenteerd; is er veel of weinig economische groei? Ontwikkelen kennis en diensten zich snel? En doen ze dat lokaal of juist globaal? Door het simuleren van verschillende uitgangspunten en het vergelijken van de resultaten wordt het te vormen eindoordeel beter gestoeld. Het model levert varianten, de politiek vormt een oordeel, wikt en weegt en neemt een besluit. Zo zou het moeten zijn. In de praktijk wordt door de grote  doorlooptijd van simulatieruns er veel te weinig gevarieerd in scenario’s en wordt de uitkomst van één of enkele runs als de waarheid beschouwd en zie het resultaat: het model bepaalt en niet de beslisser (eens met Pelzer).

Trends in supercomputing
Het doorrekenen van simulatiemodellen gebeurt in alle wetenschappen, bijvoorbeeld in de sterrenkunde waar de formatie van het Universum en van de Melkweg onderzocht wordt, in de geologie waar geprobeerd wordt aardbevingen en de gevolgen daarvan te voorspellen of in de meteorologie voor het voorspellen van het weer en de gevolgen van de opwarming van de aarde. De onderzoekers maken hiervoor gebruik van de grootste supercomputers op de aarde, of kopen hun eigen supercomputer zoals bijvoorbeeld het KNMI en het Engelse KNMI (Met Office) gedaan hebben. Echter, om deze computers te gebruiken wordt gebruik gemaakt van en geïnvesteerd in parallel rekenen.

Deze computers bestaan niet uit een enkele processor maar uit tienduizenden processoren elk met meer dan 8 rekenkernen. Dus je zit al snel op meer dan 100.000 rekenkernen die met elkaar verbonden zijn via een netwerk. Bovendien zijn dit soort computers vaak ook nog uitgerust met extra processoren (bijvoorbeeld in de vorm van een GPU (Graphics Processing Unit, videokaart)), waardoor de rekenkracht van het systeem nog eens een factor 10 hoger wordt. Maar ook het aantal rekenkernen neemt met meer dan een factor 10 toe. De grootste supercomputers ter wereld hebben tegenwoordig vaak meer dan een miljoen rekenkernen.

Dit geeft direct de noodzaak van parallel rekenen weer om winst te kunnen behalen voor bestaande verkeersmodellen en simulatiesoftware. De enkele rekenkern zelf wordt namelijk niet sneller, maar om toch snellere processoren te kunnen maken wordt het aantal rekenkernen verhoogd.

Cross-overs
Een oud, maar bekend, voorbeeld van parallel programmeren is de verkeerssimulator bij de Rijksuniversiteit Groningen. Om de impact van het handelen van de persoon in de simulator af te beelden op de schermen wordt de impact van dit handelen in verschillende rekenkernen berekend en later samengebracht tot één totaalbeeld dat te zien is op de schermen op de rijsimulator heen.

Tegenwoordig kunnen auto's van Google en Audi  al zelfstandig rijden. Dit gebeurt door het real-time verwerken van de informatie die door  camera's en sensoren in de auto worden geregistreerd. Het verwerken van deze data vereist zeer veel rekenkracht en zou zonder de inzet van parallel rekenen niet mogelijk zijn.

Op een pragmatische manier doet Vissim (PTV) aan parallel rekenen. Hier wordt gebruik gemaakt van ‘distributed computing’. Hier worden verschillende simulaties parallel op verschillende computers gedraaid. Hierin wordt per simulatie geen tijdswinst gehaald, alleen als er meerdere scenario's tegelijkertijd te behandelen zijn, en de hoeveelheid computers kan aardig toenemen met meerdere scenario’s.

Het bekendste Nederlandse verkeersmodel dat gebruik maakt van de ontwikkelingen op het gebied van parallelle processoren is FlowSimulator (Transpute). Dit model is een stuk sneller geworden. Oorspronkelijk maakte de software alleen gebruik van een enkele rekenkern en duurde het doorrekenen van het hoofdwegennet voor een etmaal ruim 45 minuten. Maar doordat de software ondersteuning heeft gekregen voor parallelle processoren en vooral door de GPU (Graphics Processing Unit) is de rekentijd tegenwoordig gereduceerd tot 30 seconden.

Hierdoor is het mogelijk om bijna 100 verschillende scenario’s door te rekenen binnen het tijdbestek waarin  voorheen een enkel scenario gesimuleerd werd. Daardoor is het mogelijk geworden om verschillende parameters te testen en zodoende bandbreedte en extremen te bepalen, het testen van verschillende wegconfiguraties of het effect van meerdere omleidingscenario's te bepalen. Het model is zelfs zo snel dat het voor korte termijn beslissingen in een verkeerscentrale geschikt is. Een andere mogelijkheid zou zijn het uitbreiden van het gesimuleerde wegennet, met bijvoorbeeld provinciale wegen. Hierdoor wordt het te simuleren gebied vele malen groter, maar met de nieuwste versie van de simulatiesoftware, of het uitbreiden van de parallelle rekencluster is het nog steeds mogelijk om dit binnen een zeer kort tijdbestek te simuleren.

Hoe nu verder
Gelijk aan wat Peter Pelzer betoogde meen ik ook dat verkeersmodellen op hun plaats moeten worden gezet. Maar dan niet door er minder gebruik van te maken, maar juist meer. Hun rol moet - althans bij de beleidsvorming - dienend zijn en niet aandachtabsorberend. Door zeer veel scenario’s in korte tijd te (kunnen) simuleren kan de deskundige weer zijn rol in het geheel oppakken, namelijk het interpreteren en analyseren van de verschillende uitkomsten en zich in de (on)mogelijkheden van zijn modellen verdiepen. Met goed gereedschap in de achterzak kan hij in het interdisciplinaire planvormingsproces het verkeersaspect behartigen. Door de  beslissers de mogelijkheid te bieden meer dan een enkele waarheid te kennen, zullen er veel bewustere en betere politieke keuzes gemaakt kunnen worden. Voor de verkeersmodelleurs: pak uw rol, maak uw modellen minder mono-auto-toon (diversificeer) en ga parallel programmeren en maak zo uw model bruikbaarder.’



Dit artikel komt uit Verkeerskunde

Deel dit artikel