তথ্য-চালিত ট্রাফিক পরিকল্পনা এবং পরিচালনা।

আধুনিক শহরগুলিতে, যানজট এখন আর কেবল রাস্তার পৃষ্ঠ, চৌরাস্তা বা লেনের সংখ্যা নিয়ে নয়; এটি একটি তথ্য-চালিত গল্পে পরিণত হয়েছে।

যখন নরম অবকাঠামো এবং প্রতিষ্ঠানগুলি সামঞ্জস্যপূর্ণ হয়, তখন শহরগুলি সম্পূর্ণরূপে কঠোর বিনিয়োগের উপর নির্ভর না করে নরম সমাধানের মাধ্যমে ক্রমাগত ট্র্যাফিক উন্নত করতে পারে। (ছবিতে: শহরের একটি সংযোগস্থল। ছবি: THANH LAN)

প্রতিটি মানুষের চলাচল, প্রতিটি যানবাহন ভ্রমণ, প্রতিটি নগর ঘটনা শহরের ছন্দ এবং গতিশীল কাঠামো প্রতিফলিত করে এমন তথ্যের একটি ধারা তৈরি করে।

তথ্যের প্রতি আপনার দৃষ্টিভঙ্গি পরিবর্তন করুন।

যখন নগর এলাকাগুলি তাদের ভৌত অবকাঠামোর প্রসারের চেয়ে দ্রুত বৃদ্ধি পায় এবং প্রতিটি বাধা সামাজিক ব্যয়ে পরিণত হয়, তখন কার্যকর পরিকল্পনা এবং পরিচালনার একমাত্র পদ্ধতি হল ট্র্যাফিককে দুটি সমান্তরাল স্তর হিসাবে দেখা: আমরা যে ভৌত স্তরটি দেখি; এবং যে ডেটা স্তরটি আমাদের বুঝতে হবে। এটি একটি নতুন নীতির দিকে পরিচালিত করে: সমস্ত ভৌত ট্র্যাফিক পরিকল্পনা ডেটা প্রবাহের গভীর বোধগম্যতার উপর ভিত্তি করে হওয়া উচিত; এবং কোনও সম্প্রসারণ বা নতুন নির্মাণ বিবেচনা করার আগে সমস্ত ভৌত বাধা ডেটা দ্বারা প্রশমিত করতে হবে।

যদি আমরা তথ্য উপেক্ষা করি এবং কেবল খালি চোখে পর্যবেক্ষণ করি, তাহলে ট্র্যাফিক সর্বদা একটি বিশৃঙ্খল, অপ্রত্যাশিত সিরিজের মতো দেখাবে। কিন্তু যখন ক্যামেরা, আইওটি, জিপিএস, ডিজিটাল মানচিত্র, গণপরিবহন এবং নগর অবকাঠামো থেকে ডেটা স্ট্রিম একত্রিত করা হয়, তখন আমরা একটি ভিন্ন চিত্র দেখতে পাই। ভৌত ট্র্যাফিক প্রবাহ আসলে আচরণ সম্পর্কিত ডেটা থেকে তৈরি হয়: কে কোথায় যায়, কোন সময়ে, কোন রুটে এবং কী কারণে; বেসলাইন ট্র্যাফিক কী, ঋতুগত ওঠানামা কী; আসল বাধাগুলি কী এবং কেবল স্থানীয় ঘটনাগুলি কী।

তথ্য আমাদের কারণ এবং প্রভাবের মধ্যে পার্থক্য করতে সাহায্য করে; অন্যথায়, আমরা সহজেই পৃষ্ঠের উপর ভিত্তি করে পরিকল্পনা করি, অন্তর্নিহিত সমস্যাগুলিকে উপেক্ষা করি। অতএব, আধুনিক পরিবহন পরিকল্পনা স্থির জরিপ বা রৈখিক মডেলের উপর নির্ভর করে চলতে পারে না, তবে বাস্তব সময়ে এবং দীর্ঘমেয়াদী চক্রের উপর ভিত্তি করে গতিশীল তথ্য বিশ্লেষণের উপর ভিত্তি করে তৈরি করা উচিত।

তথ্য সংগ্রহ এবং মানসম্মত হয়ে গেলে, পরবর্তী ধাপ হল চলাচলের আচরণের মডেল তৈরি করা এবং পরিকল্পনার দৃশ্যপট অনুকরণ করা। মাইক্রো-সিমুলেশন এবং মাল্টি-এজেন্ট মডেলিং প্রযুক্তিগুলি প্রতি সেকেন্ডে লক্ষ লক্ষ যানবাহন কীভাবে একে অপরের সাথে যোগাযোগ করে তা পুনর্নির্মাণ করার অনুমতি দেয়। এই মডেলগুলি যাচাই করে যে কীভাবে একটি নতুন রুট, একটি পরিবর্তিত ইন্টারচেঞ্জ, বা একটি নিবেদিত বাস লেন তরঙ্গ প্রভাব তৈরি করবে। অন্য কথায়, তথ্য পরিকল্পনাকে একটি অনুমানমূলক অবস্থা থেকে একটি বৈধ অবস্থায় স্থানান্তর করে। কেবলমাত্র যখন বিকল্পগুলি ডিজিটাল পরিবেশে অনুকরণ করা হয় এবং প্রমাণিত হয় তখনই শহরটি আত্মবিশ্বাসী ভৌত বিনিয়োগের সিদ্ধান্ত নিতে পারে, এমন ভুলগুলি এড়িয়ে যা কয়েক দশক ধরে স্থায়ী হতে পারে।

তবে, সঠিক পরিকল্পনা থাকা সত্ত্বেও, ভৌত অবকাঠামোর সীমাবদ্ধতা রয়েছে। একটি রাস্তা তাৎক্ষণিকভাবে প্রশস্ত করা যায় না, একটি সেতু মাত্র কয়েক মাসের মধ্যে তৈরি করা যায় না, এবং সরকারি বাজেট প্রতিটি বাধা সম্প্রসারণের অনুমতি দেয় না। এখানে, তথ্য নরম অবকাঠামোর ভূমিকা পালন করে চলেছে, যা শক্ত অবকাঠামোর ক্ষমতাকে ঘিরে রাখে এবং বৃদ্ধি করে।

যখন ডেটা-চালিত পূর্বাভাস ব্যবস্থা বাধা সৃষ্টির ১০-৩০ মিনিট আগে শনাক্ত করতে পারে, তখন শহরগুলি নরম হস্তক্ষেপ বাস্তবায়নের ক্ষমতা রাখে: ট্র্যাফিক লাইট চক্র সামঞ্জস্য করা, লেন উল্টানো, সবুজ আলোর সংকেত স্থাপন করা, ডিজিটাল মানচিত্রের মাধ্যমে দূরবর্তীভাবে ট্র্যাফিক প্রবাহ ছড়িয়ে দেওয়া, অথবা নাগরিকদের ফোনে সরাসরি বিকল্প রুট প্রস্তাব করা। এই ব্যবস্থাগুলি কার্যকর কারণ এগুলি আচরণ এবং চাহিদাকে প্রভাবিত করে - দুটি কারণ যা ট্র্যাফিক প্রবাহের ধরণ নির্ধারণ করে। প্রকৃতপক্ষে, গবেষণায় দেখা গেছে যে মাত্র ১০-১৫% যাত্রী যদি তাদের সময় বা রুট পছন্দ পরিবর্তন করে, তাহলে এক মিটারও রাস্তা না খুলেই বাধাগুলি সমাধান করা যেতে পারে।

আমাদের নরম সমাধানের উপর মনোযোগ দিতে হবে ।

মূল কথা হলো, তথ্য কেবল তাৎক্ষণিক কার্যক্রম পরিচালনায় সহায়তা করে না বরং দীর্ঘমেয়াদী চাহিদা ব্যবস্থাপনার ভিত্তিও তৈরি করে। টোকিও (জাপান) নতুন রাস্তা তৈরি করে নয়, বরং ঘন্টার পর ঘন্টা ট্রেনের টিকিটের তথ্য বিশ্লেষণ করে এবং চাহিদা বিতরণের জন্য সময়সূচী সামঞ্জস্য করে যানজট কমায়। সিঙ্গাপুর দামের উপর ভিত্তি করে চাহিদা বিতরণ করতে ERP ব্যবহার করে। সিউল (দক্ষিণ কোরিয়া) বিস্তৃত না হয়ে চৌরাস্তার উপর চাপ কমাতে ট্রাফিক লাইট চক্রকে অপ্টিমাইজ করতে AI ব্যবহার করে। লস অ্যাঞ্জেলেস (মার্কিন যুক্তরাষ্ট্র) একটি একক ডেটা সেন্টার থেকে ৪,৫০০টি চৌরাস্তা পরিচালনা করে। কোপেনহেগেন (ডেনমার্ক) ব্যস্ত সময়ে ধীর ট্র্যাফিক প্রবাহকে অগ্রাধিকার দেওয়ার জন্য সাইকেল এবং আবহাওয়া সংক্রান্ত তথ্য ব্যবহার করে। এই সমস্ত শহরগুলি দেখায় যে তথ্য দিয়ে বাধা দূর করা শক্ত অবকাঠামো তৈরির চেয়ে অনেক বেশি কার্যকর এবং সস্তা।

তথ্যকে সত্যিকার অর্থে নরম পরিকাঠামোতে পরিণত করার জন্য, শহরগুলিকে একটি সমন্বিত ডেটা আর্কিটেকচারের প্রয়োজন: কেন্দ্রীয় কেন্দ্র হিসেবে একটি আরবান মোবিলিটি ডেটা হাব; পরিবহন সিমুলেশন এবং পরীক্ষার জন্য একটি ডিজিটাল টুইন; রিয়েল-টাইম অপ্টিমাইজেশনের জন্য একটি এআই ট্র্যাফিক ইঞ্জিন; এবং ক্রমাগত তথ্য সংগ্রহের জন্য বুদ্ধিমান পরিবহন ব্যবস্থা (ITS)। এছাড়াও, প্রতিষ্ঠানগুলিকে মানিয়ে নিতে হবে: পরিকল্পনায় ডেটা এবং সিমুলেশনের ব্যবহার বাধ্যতামূলক করা, সংস্থা এবং পরিবহন ব্যবসার মধ্যে ডেটা ভাগাভাগি বাধ্যতামূলক করা, API-গুলিকে মানানসই করা এবং নতুন ট্র্যাফিক সংস্থার মডেলগুলি পরীক্ষা করার জন্য স্যান্ডবক্স স্থাপন করা।

যখন নরম অবকাঠামো এবং প্রতিষ্ঠানগুলি সামঞ্জস্যপূর্ণ হয়, তখন শহরগুলি কেবল শক্ত অবকাঠামো বিনিয়োগের উপর নির্ভর না করেই নরম সমাধানের মাধ্যমে ক্রমাগত ট্র্যাফিক প্রবাহ উন্নত করতে পারে। যখন স্মার্ট ট্র্যাফিক লাইট, নমনীয় লেন বরাদ্দ, পূর্ব সতর্কতা ব্যবস্থা এবং রুট পরামর্শ নিয়ন্ত্রণের জন্য ডেটা ব্যবহার করা হয়, তখন শহরগুলি কেবল যানজট কমাতে পারে না বরং চরম আবহাওয়ার পরিস্থিতিতে নিরাপত্তাও বাড়াতে পারে - যা কেবল শক্ত অবকাঠামো সমাধান করতে পারে না।

উপরের সবগুলোই একটি ঐক্যবদ্ধ সিদ্ধান্তে পৌঁছায়: পরিবহন এখন আর রাস্তা তৈরির প্রতিযোগিতা নয়, বরং তথ্য প্রবাহকে ধারণ ও সংগঠিত করার প্রতিযোগিতা। ভৌত অবকাঠামো হলো ভিত্তি, কিন্তু তথ্য অবকাঠামো হলো সক্ষমতা। যেসব শহর তথ্য আয়ত্ত করে, তারা মানুষের চলাচলের ধরণ আয়ত্ত করবে, যানজটের সামাজিক খরচ এড়াবে, অর্থনৈতিক দক্ষতা বৃদ্ধি করবে এবং জীবনযাত্রার মান উন্নত করবে। অতএব, আধুনিক শহরগুলিতে, পরিবহন পরিকল্পনা তথ্য প্রবাহের গভীর ধারণার উপর ভিত্তি করে হওয়া উচিত; এবং কোনও সম্প্রসারণ বিবেচনা করার আগে সমস্ত ভৌত বাধা ডেটা দ্বারা হ্রাস করতে হবে।

সূত্র: https://baodanang.vn/quy-hoach-van-hanh-giao-thong-bang-du-lieu-3314724.html