Планирование и организация дорожного движения на основе данных.

В современных городах транспортная ситуация уже не ограничивается лишь состоянием дорог, перекрестками или количеством полос; она стала предметом анализа данных.

Когда «мягкая» инфраструктура и институты совместимы, города могут постоянно улучшать транспортную ситуацию с помощью «мягких» решений, не полагаясь исключительно на «жесткие» инвестиции. (На фото: Перекресток в городе. Фото: Тхань Лан)

Каждое движение человека, каждая поездка транспортного средства, каждое городское событие генерирует поток данных, отражающий ритм и динамичную структуру города.

Измените свой взгляд на данные.

Когда городские территории растут быстрее, чем расширяется их физическая инфраструктура, и каждое узкое место становится социальным издержкой, единственный эффективный подход к планированию и управлению заключается в рассмотрении транспортного потока как двух параллельных слоев: физического слоя, который мы видим, и слоя данных, который мы должны понимать. Это приводит к новому принципу: все физическое планирование транспортного потока должно основываться на глубоком понимании потока данных; и все физические узкие места должны быть устранены с помощью данных, прежде чем можно будет рассматривать любое расширение или новое строительство.

Если игнорировать данные и наблюдать только невооруженным глазом, движение всегда будет выглядеть как хаотичная, непредсказуемая последовательность событий. Но когда интегрируются потоки данных с камер, IoT, GPS, цифровых карт, общественного транспорта и городской инфраструктуры, мы видим совершенно другую картину. Физический транспортный поток фактически формируется на основе данных о поведении: кто куда едет, в какое время, по какому маршруту и ​​по какой причине; что является базовым уровнем трафика, а что — сезонными колебаниями; что представляет собой реальное «узкое место», а что — просто локальные явления.

Данные помогают нам различать причину и следствие; в противном случае мы легко планируем, основываясь на поверхностных данных, игнорируя при этом глубинные проблемы. Поэтому современное транспортное планирование не может и дальше опираться на статические исследования или линейные модели, а должно основываться на динамическом анализе данных в режиме реального времени и в течение долгосрочных циклов.

После сбора и стандартизации данных следующим шагом является моделирование поведения транспортных средств и имитация сценариев планирования. Технологии микромоделирования и многоагентного моделирования позволяют воссоздать взаимодействие сотен тысяч транспортных средств каждую секунду. Эти модели проверяют, как новый маршрут, измененная развязка или выделенная полоса для автобусов повлияют на ситуацию. Другими словами, данные переводят планирование из стадии предположений в стадию подтвержденных результатов. Только когда варианты смоделированы и проверены в цифровой среде, город может принимать уверенные решения об инвестициях в физическую инфраструктуру, избегая ошибок, которые могут преследовать десятилетиями.

Однако даже при надлежащем планировании физическая инфраструктура имеет свои ограничения. Дорогу нельзя расширить мгновенно, мост нельзя построить за несколько месяцев, а государственные бюджеты не позволяют расширять каждое узкое место. В этом случае данные продолжают играть роль «мягкой» инфраструктуры, охватывая и расширяя возможности «жесткой» инфраструктуры.

Когда системы прогнозирования, основанные на данных, могут выявлять заторы за 10-30 минут до их образования, города получают возможность внедрять мягкие меры: корректировать циклы работы светофоров, менять полосы движения, устанавливать зеленый свет, дистанционно распределять транспортный поток с помощью цифровых карт или предлагать альтернативные маршруты непосредственно на телефоны граждан. Эти меры эффективны, поскольку они влияют на поведение и спрос — два фактора, определяющие структуру транспортного потока. Фактически, исследования показывают, что если всего 10-15% пассажиров изменят время или маршрут, заторы можно устранить, не открывая ни одного метра дороги.

Нам нужно сосредоточиться на мягких решениях.

Ключевой момент заключается в том, что данные помогают не только в оперативной работе, но и закладывают основу для долгосрочного управления спросом. Токио (Япония) снижает заторы не за счет строительства новых дорог, а путем анализа данных о билетах на поезда по часам и корректировки расписаний для распределения спроса. Сингапур использует ERP-системы для распределения спроса на основе цены. Сеул (Южная Корея) использует ИИ для оптимизации циклов работы светофоров, чтобы снизить нагрузку на перекрестки без расширения. Лос-Анджелес (США) управляет 4500 перекрестками из одного центра обработки данных. Копенгаген (Дания) использует данные о велосипедном движении и метеорологические данные для определения приоритетов для медленно движущегося транспорта в часы пик. Все эти города демонстрируют, что сглаживание заторов с помощью данных гораздо эффективнее и дешевле, чем строительство жесткой инфраструктуры.

Для того чтобы данные действительно стали «мягкой инфраструктурой», городам необходима единая архитектура данных: центральный узел — Центр данных городской мобильности; цифровой двойник — для моделирования и тестирования транспортных систем; система искусственного интеллекта для оптимизации дорожного движения в реальном времени; и интеллектуальные транспортные системы (ИТС) — для непрерывного сбора данных. Кроме того, учреждения должны адаптироваться: ввести обязательное использование данных и моделирования в планировании, потребовать обмена данными между ведомствами и транспортными компаниями, стандартизировать API и создать «песочницы» для пилотного внедрения новых моделей организации дорожного движения.

Когда «мягкая» инфраструктура и институты совместимы, города могут постоянно улучшать транспортный поток с помощью «мягких» решений, не полагаясь исключительно на инвестиции в «жесткую» инфраструктуру. Использование данных для управления интеллектуальными светофорами, гибкого распределения полос движения, систем раннего предупреждения и предложений по маршрутам позволяет городам не только уменьшить заторы, но и повысить безопасность в экстремальных погодных условиях – чего нельзя достичь с помощью одной лишь «жесткой» инфраструктуры.

Все вышеизложенное приводит к единому выводу: транспорт — это уже не гонка за строительством дорог, а гонка за сбором и организацией потока данных. Физическая инфраструктура — это основа, но инфраструктура данных — это возможности. Города, которые освоят данные, освоят способы передвижения людей, избегут социальных издержек, связанных с пробками, повысят экономическую эффективность и улучшат качество жизни. Поэтому в современных городах планирование транспортной инфраструктуры должно основываться на глубоком понимании потока данных; и все физические узкие места должны быть устранены с помощью данных, прежде чем можно будет рассматривать какое-либо расширение.

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