Exploring preconditions for an integrated safe and smart traffic environment system - for Wildlife collision avoidance.

Norge har et stort antall områder med viltfare langs veier hvor det ikke er kostnadseffektivt å bygge store gjerder eller viltkryssinger. Tilstedeværelsen av dyreliv langs åpne veier kan forårsake trafikkollisjoner med dyreliv, skape stress og skape farlige situasjoner for sikkerheten til både mennesker og dyr. Alvorlighetsgraden av situasjonen er synlig i antall kollisjoner med hjortevilt. Til tross for forsøk på ulike løsninger har disse hatt liten suksess. Totalt ble mer enn 73 000 ville hjortedyr påkjørt på veier og jernbaner fra 2018 til 2022, og antallet øker hvert år, viser tall fra Hjorteviltregisteret. WILDETECT har som mål å samle inn både eksisterende og nye data for å bygge kunnskap om hvor sannsynligheten for kollisjonsulykker er høyest, for å varsle trafikanter og redusere antall trafikkulykker med dyreliv. Prosjektet skal utforske ulike løsninger som samler inn data om antall og/eller bevegelse av viltgrupper, som: 1) statistiske data, 2) bildeobservasjoner med droner, og andre 3) såkalte ustrukturerte data fra trafikantene. I tillegg vil det bli utforsket hvordan man kan bringe data sammen (datafusjon), for å bygge kunnskap om hvilken type data man kan kombinere og hvordan man kan forbedre statistiske modeller for å forutsi kollisjoner. Kunnskapen som genereres i WILDETECT skal også brukes til å teste ulike varslingssystemer, alt fra mobilapplikasjoner til skilt med variabel hastighet som aktiveres når risikoen er høy. Disse varslingssystemene vil bli evaluert av sjåfører. For å teste ulike varslingsløsninger, vil WILDETECT benytte seg av en Virtual Reality (VR)-basert kjøresimulator for mer effektivt å evaluere sjåførenes adferd når det varsles om risikoen. WILDETECT vil også inkludere aktører involvert i transportsystemet, inkludert de som mottar data, varsler, og trafikantene. Dette vil tillate samskapingsprosesser, hvor bidrag fra interessenter og brukere vil bli vurdert for å definere hvilken type data som kan inkluderes i en løsning. Prosjektet samler for tiden kunnskapsstatus gjennom litteraturgjennomgang, intervjuer med relevante interessenter og tidlig planlegging av workshops. NINA og HVL forbereder for tiden sine datakilder for å kunne henholdsvis forutsi kollisjoner mer nøyaktig og for å vurdere bildekvalitet på elg og hjort. SINTEF forbereder oppsett for VR-testene for å kunne sammenligne kjøreadferd med ulike varslingsløsninger og for å forberede reelle trafikktester.

WILDETECT explores and extends various statistical and technical solutions in investigating the integration potential of data and technology in answer to traffic collision avoidance between vehicles and animals. The project aims to develop knowledge-based outcomes for the development of a safe and smart traffic system that can detect wildlife and warn road authorities and drivers of increased collision risk. The project results will be a starting point for developing future technology systems that can be applicable to traffic planning, providing road users with real and dynamic traffic information, thus contributing to increased transport safety.