Planowanie i obsługa ruchu drogowego w oparciu o dane.

We współczesnych miastach ruch uliczny nie jest już kwestią wyłącznie nawierzchni dróg, skrzyżowań i liczby pasów ruchu; stał się kwestią opartą na danych.

Gdy infrastruktura i instytucje są kompatybilne, miasta mogą stale usprawniać ruch uliczny za pomocą rozwiązań „miękkich”, nie polegając wyłącznie na twardych inwestycjach. (Na zdjęciu: skrzyżowanie w mieście. Zdjęcie: THANH LAN)

Każdy ruch człowieka, każda podróż pojazdem, każde wydarzenie miejskie generuje strumień danych odzwierciedlających rytm i dynamiczną strukturę miasta.

Zmień perspektywę spojrzenia na dane.

Gdy obszary miejskie rozrastają się szybciej, niż pozwala na to ich infrastruktura fizyczna, a każde wąskie gardło staje się kosztem społecznym, jedynym podejściem do efektywnego planowania i eksploatacji jest postrzeganie ruchu jako dwóch równoległych warstw: warstwy fizycznej, którą widzimy, i warstwy danych, którą musimy zrozumieć. Prowadzi to do nowej zasady: wszelkie planowanie ruchu fizycznego musi opierać się na dogłębnym zrozumieniu przepływu danych; a wszystkie fizyczne wąskie gardła muszą zostać zniwelowane za pomocą danych, zanim będzie można rozważyć jakąkolwiek rozbudowę lub nową budowę.

Jeśli zignorujemy dane i będziemy obserwować jedynie gołym okiem, ruch uliczny zawsze będzie wyglądał jak chaotyczna, nieprzewidywalna seria zdarzeń. Ale gdy połączymy strumienie danych z kamer, Internetu Rzeczy (IoT), GPS-ów, map cyfrowych, transportu publicznego i infrastruktury miejskiej, zobaczymy inny obraz. Fizyczny przepływ ruchu drogowego w rzeczywistości kształtuje się na podstawie danych o zachowaniach: kto dokąd jedzie, o której godzinie, jaką trasą i z jakiego powodu; co jest ruchem bazowym, a co wahaniami sezonowymi; co stanowi rzeczywiste wąskie gardła, a co jedynie zjawiska lokalne.

Dane pomagają nam odróżnić przyczynę od skutku; w przeciwnym razie łatwo planujemy na podstawie powierzchownych danych, ignorując sedno problemu. Dlatego nowoczesne planowanie transportu nie może nadal opierać się na statycznych badaniach lub modelach liniowych, lecz musi opierać się na dynamicznej analizie danych, w czasie rzeczywistym i w długoterminowych cyklach.

Po zebraniu i standaryzacji danych, kolejnym krokiem jest modelowanie zachowań ruchu i symulacja scenariuszy planowania. Technologie mikrosymulacji i modelowania wieloagentowego pozwalają na odtworzenie interakcji setek tysięcy pojazdów w każdej sekundzie. Modele te weryfikują, jak nowa trasa, zmodyfikowany węzeł przesiadkowy lub wydzielony pas dla autobusów wywołają efekt domina. Innymi słowy, dane przenoszą planowanie ze stanu spekulacyjnego do stanu potwierdzonego. Tylko wtedy, gdy opcje zostaną zasymulowane i sprawdzone w środowisku cyfrowym, miasto może podejmować trafne decyzje dotyczące inwestycji fizycznych, unikając błędów, które mogą ciągnąć się przez dekady.

Jednak nawet przy odpowiednim planowaniu infrastruktura fizyczna ma swoje ograniczenia. Drogi nie da się poszerzyć natychmiast, mostu nie da się zbudować w ciągu kilku miesięcy, a budżety publiczne nie pozwalają na rozbudowę każdego wąskiego gardła. W tym przypadku dane nadal pełnią rolę infrastruktury miękkiej, obejmując i zwiększając przepustowość infrastruktury twardej.

Gdy systemy prognozowania oparte na danych potrafią zidentyfikować wąskie gardła na 10–30 minut przed ich powstaniem, miasta mają możliwość wdrożenia łagodnych interwencji: dostosowania cykli sygnalizacji świetlnej, zmiany pasów ruchu, wprowadzenia zielonego światła, zdalnego rozprowadzania ruchu za pomocą map cyfrowych lub sugerowania alternatywnych tras bezpośrednio na telefony mieszkańców. Działania te są skuteczne, ponieważ wpływają na zachowania i popyt – dwa czynniki determinujące wzorce przepływu ruchu. Badania pokazują, że nawet jeśli zaledwie 10–15% dojeżdżających do pracy zmieni swój czas lub trasę, wąskie gardła można rozwiązać bez otwierania choćby jednego metra drogi.

Musimy skupić się na łagodnych rozwiązaniach.

Kluczem jest to, że dane nie tylko pomagają w bieżących operacjach, ale także stanowią podstawę długoterminowego zarządzania popytem. Tokio (Japonia) zmniejsza korki nie poprzez budowę nowych dróg, ale poprzez analizę danych z biletów kolejowych w ujęciu godzinowym i dostosowywanie rozkładów jazdy w celu dystrybucji popytu. Singapur wykorzystuje ERP do dystrybucji popytu w oparciu o cenę. Seul (Korea Południowa) wykorzystuje sztuczną inteligencję do optymalizacji cykli sygnalizacji świetlnej, aby zmniejszyć obciążenie skrzyżowań bez konieczności ich rozbudowy. Los Angeles (USA) obsługuje 4500 skrzyżowań z jednego centrum danych. Kopenhaga (Dania) wykorzystuje dane rowerowe i meteorologiczne do priorytetowego traktowania powolnego ruchu w godzinach szczytu. Wszystkie te miasta pokazują, że łagodzenie wąskich gardeł za pomocą danych jest znacznie skuteczniejsze i tańsze niż budowa twardej infrastruktury.

Aby dane rzeczywiście stały się miękką infrastrukturą, miasta potrzebują ujednoliconej architektury danych: Centrum Danych o Mobilności Miejskiej jako centralnego węzła; Cyfrowego Bliźniaka do symulacji i testowania transportu; Silnika Ruchu Drogowego opartego na sztucznej inteligencji (AI) do optymalizacji w czasie rzeczywistym; oraz Inteligentnych Systemów Transportowych (ITS) do ciągłego gromadzenia danych. Ponadto instytucje muszą się dostosować: nakładając obowiązek wykorzystywania danych i symulacji w planowaniu, wymagając udostępniania danych między agencjami i firmami transportowymi, standaryzując interfejsy API oraz tworząc środowiska testowe do testowania nowych modeli organizacji ruchu.

Gdy infrastruktura „miękka” i instytucje są kompatybilne, miasta mogą stale usprawniać przepływ ruchu za pomocą rozwiązań „miękkich”, nie polegając wyłącznie na inwestycjach w infrastrukturę „twardą”. Wykorzystując dane do sterowania inteligentną sygnalizacją świetlną, elastycznego przydzielania pasów ruchu, systemów wczesnego ostrzegania i sugerowania tras, miasta mogą nie tylko zmniejszyć korki, ale także poprawić bezpieczeństwo w ekstremalnych warunkach pogodowych – czego sama infrastruktura „twarda” nie jest w stanie rozwiązać.

Wszystkie powyższe wnioski prowadzą do jednoznacznego wniosku: transport nie jest już wyścigiem o budowę dróg, lecz wyścigiem o przechwytywanie i organizowanie przepływu danych. Infrastruktura fizyczna stanowi fundament, ale infrastruktura danych to potencjał. Miasta, które opanują dane, opanują sposób przemieszczania się ludzi, unikną społecznych kosztów korków, zwiększą efektywność ekonomiczną i poprawią jakość życia. Dlatego w nowoczesnych miastach planowanie transportu musi opierać się na dogłębnym zrozumieniu przepływu danych; a wszystkie fizyczne wąskie gardła muszą zostać zniwelowane za pomocą danych, zanim będzie można rozważyć jakąkolwiek rozbudowę.

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