Domein-geïnformeerd vision-language model voor duurzame vracht met classificatie van drayage-vrachtwagen aandrijflijn en lading

Schonere havens, slimere vrachtwagens

Havens verplaatsen de goederen die onze winkels bevoorraden, maar de korteafstandsvrachtwagens die containers in en uit terminals vervoeren, vervuilen ook aanzienlijk. Deze studie toont hoe een nieuw soort kunstmatige intelligentie deze "drayage"-vrachtwagens met wegkantcamera’s kan observeren en automatisch kan aangeven welke nog diesel verbranden en welke schonere technologieën gebruiken—zonder handmatige labeling van beelden. Zulke geautomatiseerde inzichten kunnen toezichthouders, planners en lokale gemeenschappen helpen de voortgang richting schonere lucht rond enkele van ’s werelds drukste havens te volgen.

Waarom havenwagens belangrijk zijn voor klimaat en gezondheid

In de Verenigde Staten is transport de grootste enkele bron van broeikasgasemissies, en zware vrachtwagens wegen zwaarder dan hun aantallen doen vermoeden: ze vormen een klein deel van het wagenpark maar een groot deel van de uitstoot. Nergens is dit zichtbaarder dan rond de havens van Los Angeles en Long Beach, twee naburige havens die samen ongeveer 40 procent van de Amerikaanse containerimport behandelen en tevens Zuid-Californië’s grootste vaste bron van luchtvervuiling zijn. Drayage-vrachtwagens—de combinatievoertuigen die containers tussen havens, rangeerterreinen en magazijnen vervoeren—veroorzaken veel van deze vervuiling ondanks dat ze relatief korte, voorspelbare routes afleggen. Californië heeft daarom bepaald dat tegen 2035 alle haven-drayagevrachtwagens nul-emissie moeten zijn, gebruikmakend van batterij-elektrische, waterstofbrandstofcel- of schonere gastechnologieën in plaats van conventionele diesel.

Zien wat een vrachtwagen aandrijft en wat hij vervoert

Om te weten of deze beleidsmaatregelen werken, moeten functionarissen meten welke soorten vrachtwagens daadwerkelijk bij poorten en op snelwegen verschijnen: Zijn het diesel- of elektrische voertuigen? Vervoeren ze een volle container, een leeg chassis of helemaal geen oplegger? Traditioneel vereist het beantwoorden van zulke vragen het opbouwen van grote, handgelabelde beeldverzamelingen en het trainen van taak-specifieke modellen. De auteurs stellen een andere route voor, genaamd ZeroDray, die een vision-language model gebruikt—een AI-systeem dat zowel afbeeldingen als tekst kan begrijpen—zonder extra training. Het model krijgt wegkantcamera-opnamen van passerende vrachtwagens langs een corridor die de havens van Los Angeles en Long Beach bedient en moet zowel de aandrijflijn classificeren (diesel, elektrisch, gecomprimeerd aardgas of waterstof) als de laadconfiguratie (enkele 20-voet container, langere 40-voet equivalent, leeg chassis, of bobtail zonder oplegger).

AI leren denken als een vrachtwagenexpert

Out of the box zijn vision-language modellen generalisten: ze weten een beetje van alles van het internet maar missen diepgaande kennis van niche-onderwerpen zoals drayage-trucking. ZeroDray overbrugt die kloof door het model zorgvuldig opgestelde prompts te geven die expert-hints coderen. Voor aandrijflijnen beschrijven de prompts visuele aanwijzingen zoals uitlaatpijpen en grote brandstoftanks voor diesel, cilindertanks voor CNG, waterstoftanks voor brandstofceltrucks, of de afwezigheid van uitlaathuishouding en EV-badges voor elektrische trekkers. Voor lading instrueren de prompts het model om te redeneren over de geometrie van de scène: overstijgt de lengte van de container duidelijk de hoogte en de cabinelengte, zoals bij een lange 40-voet lading, of ligt het dichter bij die afmetingen, zoals bij een kortere 20-voet container? Door de AI te vragen deze aanwijzingen stap voor stap door te werken en zijn redenering in duidelijke taal uit te leggen, maakt het raamwerk de beslissingen transparanter en makkelijker te controleren.

Het systeem testen op echte havenverkeersbeelden

De onderzoekers evalueerden ZeroDray op 443 vrachtwagenbeelden vastgelegd over twee dagen in februari 2025 door een vaste wegkantcamera in de buurt van de havens. Menselijke waarnemers leverden grondwaarheidslabels voor de aandrijflijn en de laadconfiguratie van elke vrachtwagen. Daarna vergeleken ze ZeroDray met een eenvoudigere opzet die slechts kale klassenamen aan hetzelfde onderliggende model gaf. Met minimale aanwijzingen herkende het basis systeem al enkele voor de hand liggende gevallen, zoals dieseltrucks zonder oplegger. Maar het had grote moeite wanneer onderscheidingen afhingen van kleine visuele verschillen of ruimtelijke indeling, en verwarde vaak diesel- en elektrische trekkers of verwisselde korte en lange containers. Zodra de door experts geïnformeerde visuele aanwijzingen en ruimtelijke regels werden toegevoegd, schoot de nauwkeurigheid dramatisch omhoog. De classificatie van de aandrijflijn bereikte ongeveer 100 procent over diesel, elektrisch, waterstof en CNG. De ladingherkenning, vooral de lastige onderscheiding tussen enkelvoudige en dubbele-equivalent containeraftmetingen, verbeterde van ongeveer half correct naar ruwweg 98 procent. Over het geheel, over alle 11 gecombineerde aandrijflijn-lading categorieën, behaalde het verbeterde ZeroDray-raamwerk een gemiddelde F1-score van 99 procent, ver boven de basisaanpak.

Wat dit betekent voor schonere vrachtcorridors

Voor niet‑specialisten is de belangrijkste conclusie dat een algemeen AI-systeem, wanneer het wordt begeleid met de juiste expert-hints, betrouwbaar kan "kijken" naar snelwegvideo en niet alleen kan zeggen hoe vrachtwagens beladen zijn, maar ook wat ze aandrijft—zonder dure, op maat gemaakte training. Die capaciteit kan havenautoriteiten en toezichthouders een krachtig nieuw instrument geven om de verschuiving van diesel naar nul‑emissie drayage-vrachtwagens te monitoren, plekken te identificeren waar nieuwe laadzones of waterstofstations het meest nodig zijn, en het aantal zinloze lege ritten te verminderen. Hoewel de huidige studie een bescheiden dataset van één camera onder gunstige omstandigheden gebruikte, stellen de auteurs dat dezelfde strategie kan worden uitgebreid naar andere vrachtknooppunten en meer gevarieerde omgevingen. Als het verantwoord opgeschaald wordt, zouden systemen als ZeroDray de onzichtbare details van vrachtactiviteit zichtbaar kunnen maken en gemeenschappen en beleidsmakers helpen vrachtcorridors naar schonere, efficiëntere werking te duwen.

Bronvermelding: Feng, G., Li, Y., Tok, A.Y.C. et al. Domain informed vision language model for sustainable freight with drayage truck powertrain and cargo classification. npj. Sustain. Mobil. Transp. 3, 15 (2026). https://doi.org/10.1038/s44333-026-00086-4

Trefwoorden: nul-emissie vrachtwagens, vision-language modellen, haven drayage, vrachtuitstoot, duurzaam vervoer