डेटा आधारित यातायात नियोजन और संचालन।

आधुनिक शहरों में, यातायात अब केवल सड़क की सतहों, चौराहों या लेन की संख्या तक सीमित नहीं रह गया है; यह एक डेटा-आधारित कहानी बन गई है।

जब सॉफ्ट इंफ्रास्ट्रक्चर और संस्थान अनुकूल होते हैं, तो शहर पूरी तरह से हार्ड इन्वेस्टमेंट पर निर्भर हुए बिना सॉफ्ट सॉल्यूशंस के माध्यम से ट्रैफिक में लगातार सुधार कर सकते हैं। (फोटो में: शहर का एक चौराहा। फोटो: थान लैन)

हर मानवीय गतिविधि, हर वाहन यात्रा, हर शहरी घटना डेटा की एक धारा उत्पन्न करती है जो शहर की लय और गतिशील संरचना को दर्शाती है।

डेटा के प्रति अपना दृष्टिकोण बदलें।

जब शहरी क्षेत्र अपनी भौतिक अवसंरचना की विस्तार क्षमता से अधिक तेज़ी से बढ़ते हैं, और हर बाधा एक सामाजिक लागत बन जाती है, तो प्रभावी योजना और संचालन का एकमात्र उपाय यातायात को दो समानांतर स्तरों में देखना है: भौतिक स्तर जिसे हम देखते हैं; और डेटा स्तर जिसे हमें समझना होगा। इससे एक नया सिद्धांत सामने आता है: सभी भौतिक यातायात योजना डेटा प्रवाह की गहन समझ पर आधारित होनी चाहिए; और किसी भी विस्तार या नए निर्माण पर विचार करने से पहले डेटा के माध्यम से सभी भौतिक बाधाओं को दूर किया जाना चाहिए।

अगर हम आंकड़ों को नज़रअंदाज़ करके सिर्फ़ प्रत्यक्ष अवलोकन करें, तो यातायात हमेशा अव्यवस्थित और अप्रत्याशित ही दिखेगा। लेकिन जब कैमरों, इंटरनेट ऑफ़ थिंग्स (IoT), जीपीएस, डिजिटल मानचित्रों, सार्वजनिक परिवहन और शहरी बुनियादी ढांचे से प्राप्त डेटा को एकीकृत किया जाता है, तो एक अलग ही तस्वीर सामने आती है। असल में, यातायात का वास्तविक प्रवाह व्यवहार संबंधी डेटा से बनता है: कौन कहाँ, किस समय, किस मार्ग से और किस कारण से जाता है; सामान्य यातायात स्तर क्या है, मौसमी उतार-चढ़ाव क्या है; वास्तविक यातायात अवरोध क्या हैं और स्थानीय स्तर पर होने वाली घटनाएं क्या हैं।

डेटा हमें कारण और परिणाम के बीच अंतर करने में मदद करता है; अन्यथा, हम अंतर्निहित मुद्दों को अनदेखा करते हुए सतही तौर पर ही योजना बना लेते हैं। इसलिए, आधुनिक परिवहन नियोजन स्थिर सर्वेक्षणों या रैखिक मॉडलों पर निर्भर नहीं रह सकता, बल्कि वास्तविक समय में और दीर्घकालिक चक्रों पर आधारित गतिशील डेटा विश्लेषण पर आधारित होना चाहिए।

डेटा एकत्र और मानकीकृत हो जाने के बाद, अगला चरण आवागमन व्यवहार का मॉडल तैयार करना और योजना परिदृश्यों का अनुकरण करना है। सूक्ष्म-सिमुलेशन और बहु-एजेंट मॉडलिंग तकनीकें यह अनुकरण करने में सक्षम बनाती हैं कि प्रत्येक सेकंड लाखों वाहन एक-दूसरे के साथ कैसे परस्पर क्रिया करते हैं। ये मॉडल सत्यापित करते हैं कि एक नया मार्ग, एक संशोधित इंटरचेंज, या एक समर्पित बस लेन किस प्रकार व्यापक प्रभाव उत्पन्न करेगी। दूसरे शब्दों में, डेटा योजना को एक अनुमानित स्थिति से एक प्रमाणित स्थिति में ले जाता है। केवल तभी जब विकल्पों का डिजिटल वातावरण में अनुकरण और सत्यापन हो जाता है, शहर आत्मविश्वास से भौतिक निवेश निर्णय ले सकता है, जिससे दशकों तक चलने वाली गलतियों से बचा जा सकता है।

हालांकि, उचित योजना के बावजूद, भौतिक अवसंरचना की अपनी सीमाएं हैं। सड़क को तुरंत चौड़ा नहीं किया जा सकता, पुल कुछ ही महीनों में नहीं बन सकता, और सार्वजनिक बजट हर बाधा को दूर करने की अनुमति नहीं देता। ऐसे में, डेटा एक सहायक अवसंरचना की भूमिका निभाता है, जो ठोस अवसंरचना की क्षमता को बढ़ाता है।

जब डेटा-आधारित पूर्वानुमान प्रणालियाँ यातायात अवरोधों की पहचान उनके उत्पन्न होने से 10-30 मिनट पहले ही कर सकती हैं, तो शहरों के पास सूक्ष्म हस्तक्षेप करने की क्षमता होती है: यातायात बत्तियों के चक्र को समायोजित करना, लेन बदलना, हरी बत्ती के संकेत स्थापित करना, डिजिटल मानचित्रों के माध्यम से दूर से यातायात प्रवाह को नियंत्रित करना, या सीधे नागरिकों के फोन पर वैकल्पिक मार्गों का सुझाव देना। ये उपाय प्रभावी होते हैं क्योंकि ये व्यवहार और मांग को प्रभावित करते हैं – ये दो कारक यातायात प्रवाह के पैटर्न को निर्धारित करते हैं। वास्तव में, अध्ययनों से पता चलता है कि यदि केवल 10-15% यात्री अपने समय या मार्ग के चुनाव में बदलाव करते हैं, तो सड़क का एक मीटर भी खोले बिना यातायात अवरोधों को हल किया जा सकता है।

हमें नरम समाधानों पर ध्यान केंद्रित करने की आवश्यकता है।

मुख्य बात यह है कि डेटा न केवल तात्कालिक कार्यों में मदद करता है, बल्कि दीर्घकालिक मांग प्रबंधन की नींव भी रखता है। टोक्यो (जापान) में भीड़भाड़ को कम करने के लिए नई सड़कें बनाने के बजाय, ट्रेन टिकट डेटा का घंटेवार विश्लेषण किया जाता है और मांग को वितरित करने के लिए शेड्यूल में समायोजन किया जाता है। सिंगापुर मूल्य के आधार पर मांग को वितरित करने के लिए ईआरपी का उपयोग करता है। सियोल (दक्षिण कोरिया) बिना विस्तार किए चौराहों पर भार कम करने के लिए ट्रैफिक लाइट चक्रों को अनुकूलित करने के लिए एआई का उपयोग करता है। लॉस एंजिल्स (अमेरिका) एक ही डेटा सेंटर से 4,500 चौराहों का संचालन करता है। कोपेनहेगन (डेनमार्क) व्यस्त समय के दौरान धीमी गति वाले यातायात प्रवाह को प्राथमिकता देने के लिए साइकिल और मौसम संबंधी डेटा का उपयोग करता है। ये सभी शहर दर्शाते हैं कि डेटा के माध्यम से यातायात की बाधाओं को कम करना ठोस बुनियादी ढांचे के निर्माण की तुलना में कहीं अधिक प्रभावी और सस्ता है।

डेटा को सही मायने में सॉफ्ट इंफ्रास्ट्रक्चर बनाने के लिए, शहरों को एक एकीकृत डेटा आर्किटेक्चर की आवश्यकता है: एक शहरी गतिशीलता डेटा हब जो केंद्रीय केंद्र के रूप में कार्य करे; परिवहन सिमुलेशन और परीक्षण के लिए एक डिजिटल ट्विन; वास्तविक समय अनुकूलन के लिए एक एआई ट्रैफिक इंजन; और निरंतर डेटा संग्रह के लिए बुद्धिमान परिवहन प्रणाली (आईटीएस)। इसके अलावा, संस्थानों को भी अनुकूलन करना होगा: योजना में डेटा और सिमुलेशन के उपयोग को अनिवार्य बनाना, एजेंसियों और परिवहन व्यवसायों के बीच डेटा साझाकरण को अनिवार्य करना, एपीआई को मानकीकृत करना और नए यातायात संगठन मॉडल का परीक्षण करने के लिए सैंडबॉक्स स्थापित करना।

जब सॉफ्ट इंफ्रास्ट्रक्चर और संस्थान एक-दूसरे के अनुकूल होते हैं, तो शहर केवल हार्ड इंफ्रास्ट्रक्चर निवेश पर निर्भर हुए बिना सॉफ्ट समाधानों के माध्यम से यातायात प्रवाह में लगातार सुधार कर सकते हैं। जब डेटा का उपयोग स्मार्ट ट्रैफिक लाइट, लचीले लेन आवंटन, प्रारंभिक चेतावनी प्रणाली और मार्ग सुझावों को नियंत्रित करने के लिए किया जाता है, तो शहर न केवल भीड़भाड़ को कम कर सकते हैं बल्कि खराब मौसम की स्थिति में सुरक्षा भी बढ़ा सकते हैं - ऐसा कुछ जो केवल हार्ड इंफ्रास्ट्रक्चर से संभव नहीं है।

उपरोक्त सभी बातों से एक ही निष्कर्ष निकलता है: परिवहन अब सड़कों के निर्माण की होड़ नहीं, बल्कि डेटा प्रवाह को एकत्रित और व्यवस्थित करने की होड़ है। भौतिक अवसंरचना आधार है, जबकि डेटा अवसंरचना क्षमता है। जो शहर डेटा पर महारत हासिल कर लेंगे, वे लोगों के आवागमन को नियंत्रित कर सकेंगे, भीड़भाड़ के सामाजिक दुष्परिणामों से बच सकेंगे, आर्थिक दक्षता बढ़ा सकेंगे और जीवन की गुणवत्ता में सुधार कर सकेंगे। इसलिए, आधुनिक शहरों में परिवहन नियोजन डेटा प्रवाह की गहन समझ पर आधारित होना चाहिए; और किसी भी विस्तार पर विचार करने से पहले डेटा के माध्यम से सभी भौतिक बाधाओं को दूर किया जाना चाहिए।

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