Планування та управління дорожнім рухом на основі даних.

У сучасних містах дорожній рух – це вже не просто дорожнє покриття, перехрестя чи кількість смуг руху; він став історією, що базується на даних.

Коли м’яка інфраструктура та інституції сумісні, міста можуть постійно покращувати дорожній рух за допомогою м’яких рішень, не покладаючись виключно на матеріальні інвестиції. (На фото: перехрестя в місті. Фото: ТАНЬ ЛАНЬ)

Кожен рух людини, кожна поїздка транспортного засобу, кожна міська подія генерує потік даних, що відображає ритм і динамічну структуру міста.

Змініть свій погляд на дані.

Коли міські райони зростають швидше, ніж може розширюватися їхня фізична інфраструктура, і кожне вузьке місце стає соціальними витратами, єдиний підхід до ефективного планування та експлуатації полягає в тому, щоб розглядати дорожній рух як два паралельні шари: фізичний шар, який ми бачимо, і шар даних, який ми повинні розуміти. Це призводить до нового принципу: будь-яке планування фізичного руху має базуватися на глибокому розумінні потоку даних; і всі фізичні вузькі місця мають бути усунені за допомогою даних, перш ніж можна буде розглядати будь-яке розширення чи нове будівництво.

Якщо ми ігноруємо дані та спостерігаємо лише неозброєним оком, рух транспорту завжди виглядатиме як хаотичний, непередбачуваний ряд. Але коли потоки даних з камер, Інтернету речей, GPS, цифрових карт, громадського транспорту та міської інфраструктури інтегруються, ми бачимо іншу картину. Фізичний потік транспорту насправді формується з даних про поведінку: хто куди їде, о котрій годині, яким маршрутом і з якої причини; що таке базовий трафік, що таке сезонні коливання; що є справжніми вузькими місцями, а що є просто локалізованими явищами.

Дані допомагають нам розрізняти причину та наслідок; в іншому випадку ми легко плануємо, виходячи з поверхневих факторів, ігноруючи основні проблеми. Тому сучасне транспортне планування не може продовжувати спиратися на статичні дослідження чи лінійні моделі, а має базуватися на динамічному аналізі даних у режимі реального часу та протягом довгострокових циклів.

Після збору та стандартизації даних наступним кроком є ​​моделювання поведінки руху та імітація сценаріїв планування. Технології мікросимуляції та багатоагентного моделювання дозволяють відтворити, як сотні тисяч транспортних засобів взаємодіють один з одним щосекунди. Ці моделі перевіряють, як новий маршрут, змінена розв'язка або виділена автобусна смуга створюватимуть хвильовий ефект. Іншими словами, дані переводять планування зі спекулятивного стану на перевірений. Тільки коли варіанти змодельовані та перевірені в цифровому середовищі, місто може приймати впевнені рішення щодо фізичних інвестицій, уникаючи помилок, які можуть тривати десятиліттями.

Однак, навіть за належного планування, фізична інфраструктура має обмеження. Дорогу не можна розширити миттєво, міст не можна побудувати лише за кілька місяців, а державні бюджети не дозволяють розширити кожне вузьке місце. Тут дані продовжують відігравати роль м’якої інфраструктури, охоплюючи та розширюючи можливості матеріальної інфраструктури.

Коли системи прогнозування на основі даних можуть виявляти вузькі місця за 10-30 хвилин до їх утворення, міста мають можливість впроваджувати м’які втручання: коригування циклів світлофорів, зміну смуг руху, встановлення зеленого світла, дистанційне розподілення потоку транспорту за допомогою цифрових карт або пропонування альтернативних маршрутів безпосередньо на телефони громадян. Ці заходи ефективні, оскільки вони впливають на поведінку та попит – два фактори, що визначають схеми руху транспорту. Фактично, дослідження показують, що якщо лише 10-15% пасажирів змінять свій розклад або вибір маршруту, вузькі місця можна вирішити, не відкриваючи жодного метра дороги.

Нам потрібно зосередитися на м'яких рішеннях.

Ключовим є те, що дані не лише допомагають у негайних операціях, але й формують основу для довгострокового управління попитом. Токіо (Японія) зменшує затори не шляхом будівництва нових доріг, а шляхом аналізу даних про квитки на поїзди щогодини та коригування розкладів для розподілу попиту. Сінгапур використовує ERP для розподілу попиту на основі ціни. Сеул (Південна Корея) використовує штучний інтелект для оптимізації циклів світлофорів, щоб зменшити навантаження на перехрестя без розширення. Лос-Анджелес (США) експлуатує 4500 перехресть з одного центру обробки даних. Копенгаген (Данія) використовує велосипедні та метеорологічні дані для визначення пріоритетів повільного потоку транспорту в години пік. Усі ці міста демонструють, що пом'якшення вузьких місць за допомогою даних набагато ефективніше та дешевше, ніж будівництво жорсткої інфраструктури.

Щоб дані справді стали м’якою інфраструктурою, містам потрібна єдина архітектура даних: центр даних міської мобільності як центральний вузол; цифровий двійник для моделювання та тестування транспорту; механізм штучного інтелекту для оптимізації дорожнього руху в режимі реального часу; та інтелектуальні транспортні системи (ITS) для безперервного збору даних. Крім того, установи повинні адаптуватися: зобов’язати використовувати дані та моделювання в плануванні, вимагати обміну даними між агентствами та транспортними підприємствами, стандартизувати API та створювати «пісочниці» для пілотування нових моделей організації дорожнього руху.

Коли «м’яка» інфраструктура та інституції сумісні, міста можуть постійно покращувати транспортний потік за допомогою «м’яких» рішень, не покладаючись виключно на інвестиції в «матеріальну» інфраструктуру. Коли дані використовуються для керування «розумними» світлофорами, гнучким розподілом смуг руху, системами раннього попередження та пропозиціями маршрутів, міста можуть не лише зменшити затори, але й підвищити безпеку в екстремальних погодних умовах – те, чого сама лише «матеріальна» інфраструктура не може вирішити.

Усе вищезазначене призводить до єдиного висновку: транспорт – це вже не гонка з будівництва доріг, а гонка з фіксації та організації потоку даних. Фізична інфраструктура є основою, але інфраструктура даних – це її можливості. Міста, які володіють даними, опанують те, як люди пересуваються, уникатимуть соціальних витрат, пов’язаних із заторами, підвищуватимуть економічну ефективність та покращуватимуть якість життя. Тому в сучасних містах планування транспорту має базуватися на глибокому розумінні потоку даних; і всі фізичні вузькі місця мають бути усунені за допомогою даних, перш ніж можна буде розглядати будь-яке розширення.

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