Každý lidský pohyb, každá jízda vozidla, každá městská událost generuje proud dat odrážející rytmus a dynamickou strukturu města.
Změňte svůj pohled na data.
Když městské oblasti rostou rychleji, než se dokáže rozšířit jejich fyzická infrastruktura, a každé úzké hrdlo se stává společenským nákladem, jediným přístupem k efektivnímu plánování a provozu je vnímat dopravu jako dvě paralelní vrstvy: fyzickou vrstvu, kterou vidíme, a datovou vrstvu, které musíme rozumět. To vede k novému principu: veškeré plánování fyzické dopravy musí být založeno na hlubokém pochopení toku dat a všechna fyzická úzká hrdla musí být zmírněna daty, než bude možné uvažovat o jakékoli expanzi nebo nové výstavbě.
Pokud budeme data ignorovat a budeme pozorovat pouze pouhým okem, bude doprava vždy vypadat jako chaotická, nepředvídatelná série. Ale když se integrují datové toky z kamer, internetu věcí, GPS, digitálních map, veřejné dopravy a městské infrastruktury, vidíme jiný obraz. Fyzický dopravní tok je ve skutečnosti tvořen daty o chování: kdo kam jede, v jakou dobu, po které trase a z jakého důvodu; co je základní provoz, co je sezónní kolísání; co jsou skutečná úzká hrdla a co jsou jen lokalizované jevy.
Data nám pomáhají rozlišovat mezi příčinou a následkem; jinak snadno plánujeme na základě povrchu a ignorujeme základní problémy. Moderní plánování dopravy se proto nemůže nadále spoléhat na statické průzkumy nebo lineární modely, ale musí být založeno na dynamické analýze dat v reálném čase a v dlouhodobých cyklech.
Jakmile jsou data shromážděna a standardizována, dalším krokem je modelování chování pohybu a simulace scénářů plánování. Technologie mikrosimulace a multiagentního modelování umožňují znovu vytvořit, jak spolu každou sekundu interagují statisíce vozidel. Tyto modely ověřují, jak nová trasa, upravená křižovatka nebo vyhrazený pruh pro autobusy vytvoří dominový efekt. Jinými slovy, data posouvají plánování ze spekulativního stavu do stavu validovaného. Pouze tehdy, když jsou možnosti simulovány a ověřeny v digitálním prostředí, může město činit sebevědomá fyzická investiční rozhodnutí a vyhnout se chybám, které by mohly trvat celá desetiletí.
I při správném plánování má však fyzická infrastruktura svá omezení. Silnici nelze rozšířit okamžitě, most nelze postavit během několika měsíců a veřejné rozpočty neumožňují rozšíření všech úzkých míst. Data zde i nadále hrají roli měkké infrastruktury, která obklopuje a zvyšuje kapacitu tvrdé infrastruktury.
Pokud systémy prognóz založené na datech dokáží identifikovat úzká hrdla 10–30 minut před jejich vznikem, města mají možnost zavést „měkké“ intervence: úpravu cyklů semaforů, změnu jízdních pruhů, zavedení zelené, vzdálené rozdělování dopravního proudu prostřednictvím digitálních map nebo navrhování alternativních tras přímo na telefony občanů. Tato opatření jsou účinná, protože ovlivňují chování a poptávku – dva faktory, které určují vzorce dopravního proudu. Studie dokonce ukazují, že pokud pouhých 10–15 % dojíždějících změní svůj čas jízdy nebo volbu trasy, úzká hrdla lze vyřešit bez nutnosti otevření jediného metru silnice.
Musíme se zaměřit na měkká řešení.
Klíčové je, že data nejen pomáhají s okamžitým provozem, ale také tvoří základ pro dlouhodobé řízení poptávky. Tokio (Japonsko) snižuje dopravní zácpy nikoli výstavbou nových silnic, ale analýzou údajů o jízdenkách po hodinách a úpravou jízdních řádů pro rozložení poptávky. Singapur používá ERP k rozložení poptávky na základě ceny. Soul (Jižní Korea) využívá umělou inteligenci k optimalizaci cyklů semaforů, aby se snížilo zatížení křižovatek bez nutnosti rozšiřování. Los Angeles (USA) provozuje 4 500 křižovatek z jednoho datového centra. Kodaň (Dánsko) využívá data o cyklistech a meteorologická data k upřednostnění pomalého dopravního proudu během špičky. Všechna tato města ukazují, že zmírňování úzkých míst pomocí dat je mnohem efektivnější a levnější než budování pevné infrastruktury.
Aby se z dat skutečně stala měkká infrastruktura, města potřebují jednotnou datovou architekturu: datové centrum městské mobility jako centrální uzel; digitální dvojče pro simulaci a testování dopravy; dopravní engine s umělou inteligencí pro optimalizaci v reálném čase; a inteligentní dopravní systémy (ITS) pro nepřetržitý sběr dat. Kromě toho se instituce musí přizpůsobit: nařídit používání dat a simulací při plánování, vyžadovat sdílení dat mezi agenturami a dopravními podniky, standardizovat API a vytvořit sandboxy pro pilotní testování nových modelů organizace dopravy.
Pokud je měkká infrastruktura a instituce kompatibilní, mohou města neustále zlepšovat plynulost dopravy prostřednictvím měkkých řešení, aniž by se spoléhala pouze na investice do tvrdé infrastruktury. Pokud se data využívají k řízení inteligentních semaforů, flexibilního přidělování jízdních pruhů, systémů včasného varování a návrhů tras, mohou města nejen snížit dopravní zácpy, ale také zvýšit bezpečnost v extrémních povětrnostních podmínkách – což je něco, co tvrdá infrastruktura sama o sobě nemůže vyřešit.
Všechny výše uvedené skutečnosti vedou k jednotnému závěru: doprava již není závodem ve výstavbě silnic, ale závodem v zachycení a organizaci toku dat. Fyzická infrastruktura je základem, ale datová infrastruktura je schopností. Města, která zvládnou data, zvládnou i způsob pohybu lidí, vyhnou se společenským nákladům spojeným s dopravní zácpou, zvýší ekonomickou efektivitu a zlepší kvalitu života. Proto musí být v moderních městech plánování dopravy založeno na hlubokém pochopení toku dat a všechna fyzická úzká hrdla musí být zmírněna daty, než bude možné uvažovat o jakékoli expanzi.
Zdroj: https://baodanang.vn/quy-hoach-van-hanh-giao-thong-bang-du-lieu-3314724.html
Komentář (0)