Unatoč suvremenim tehnologijama i kompjutorima ljudski rod još uvijek nije pronašao odgovarajuće rješenje za prometne gužve i zastoje. Iako su se sustavi upravljanja prometom mijenjali i pokušavali držati korak sa sve većim brojem vozila, reguliranje prometnih zastoja presporo je i često puta ne reagira pravovremeno na promjene u vremenskim i cestovnim u uvjetima. U mnogim gradovima semafori i dalje rade na tajmere koji često puta nisu sinkronizirani i onemogućavaju nesmetani prolazak vozila.
Procijenilo se da je u svijetu 2015. godine bilo ukupno oko 1,3 milijarde automobila, a to će se gotovo udvostručiti do 2040., odnosno ta brojka će narasti na više od dvije milijarde. Čak i kad bi se neprestano gradile nove ceste i obilaznice, sve veći broj vozila mogao bi nadmašiti protočnost cestovnih mreža u gradovima, piše BBC.
Rješenje je u kombiniranju nove komunikacijske tehnologije s umjetnom inteligencijom (AI) kako bi se stvorila velika količina podatka u realnom vremenu i tako smanjila začepljenost gradskih ulica.
Mnogi smatraju da je rješenje uvođenje samovozećih automobila – pod uvjetom da ih se može naučiti manje agresivnoj vožnji i da reagiraju brže od ljudi. No do tada će proći još najmanje 20 godina. U međuvremenu, potrebno je stvoriti sustav upravljanja prometom koji je prilagodljiv i koji reagira odmah.
U indijskom gradu Bangaloreu prometni zastoji su uobičajena slika na gradskim ulicama. Prosječna brzina vožnje u nekim ulicama je 4 km/h. Stoga je tamo Siemens Mobility izgradio prototip nadzornog sustava koji koristi AI uz pomoć mreže nadzornih kamera. One automatski otkrivaju vozila i te informacije šalju u kontrolnu centralu, gdje algoritmi procjenjuju gustoću prometa i na temelju tih informacija mijenjaju svjetla na semaforima u realnom vremenu.
Ovaj sustav zahtijeva veliku količinu podataka, što nije problem jer se mnogo informacija za praćenje prometa danas dobiva iz nadzornog sustava, cestovne infrastrukture, samih automobila, kao i vozača putem njihovih mobitela. Milijuni kamera usmjeravaju promet našim cestama, dok automobili u vožnji induciraju struju u sićušnim metalnim petljama ugrađenim u asfalt, i tako šalju dodatne informacije o stanju u prometu. I sami vozači mogu izravno ažurirati informacije o prometu zahvaljujući navigacijskom softveru koji koriste na svojim mobilnim telefonima ili u automobilima.
Neke od tih tehnologija nadzora - kao što su indukcijske petlje – koriste se još od 1960-ih. Kamere su uvedene nešto kasnije, no izazov je kako pronaći još efikasniji način razmjene i upotrebe informacija. "Od Isaaca Newtona pokušavali smo utjecati na svijet izgradnjom matematičkih modela", kaže Gabor Orosz, izvanredni profesor inženjerstva na Sveučilištu Michigan. "Ako imamo dovoljno podataka, možemo shvatiti problem. Isto vrijedi i za promet. "
Sada se pokušava iskoristiti sposobnost AI-ja da shvati problem na temelju velike količine podataka kako bi se promijenio način kretanja gradovima.
Istraživači na Institutu Alan Turing u Londonu i Toyota Mobility Foundation nedavno su pokrenuli novi projekt koji istražuje kako sustavi upravljanja prometom mogu postati dinamičniji i osjetljiviji pomoću AI. Trenutačno koriste simulacije povećavajući složenost i pomažući algoritmima da nauče predvidjeti promjene u prometu. Iako još uvijek ispituju sustav,nadaju se da će ga uskoro primijeniti.
"Ako dovoljno dobro naučimo strojeve, možemo poboljšati predvidljivost“, kaže William Chernicoff, voditelj istraživanja i inovacije na Toyota Mobility Foundation. "Menadžeri mobilnosti mogu tako brže i bolje donositi odluke i predlagati alternativne pravce kretanja preko sustava i bolje koristiti kapacitete.“
U Pittsburghu istraživači već rade s gradskim vlastima na sličnom projektu koji već funkcionira od 2012. godine. Sustav za upravljanje prometom razvili su istraživači na Robotics Institutu s Carnegie Mellon Sveučilišta, a pokrenula ga je tvrtka Rapid FlowTech. Njihova tehnologija nazvana Surtrac koristi se na 50 raskršća u Pittsburghu i otkad je uvedena, smanjila je vrijeme čekanja na križanjima i do 40%. Također, kažu u tvrtki, da je vrijeme vožnje gradom smanjeno za 25%, pa se smanjila i emisija štetnih plinova za 20%.
Sustav koristi video nadzor za automatsko otkrivanje broja automobila na cestama, uključujući pješake i sve vrste vozila na raskrižju. AI softver zatim obrađuje ovu informaciju sekundu po sekundu, kako bi se došlo do najefikasnijeg upravljanja prometa na križanjima. Odluke se mogu donositi samostalno za svako raskršće ili se informacije mogu dijeliti sa susjednim semaforima kako bi se mogao predvidjeti broj nadolazećih vozila.
Budući da vozila postaju sve povezanija bežičnom tehnologijom , ona će također hraniti sustave informacijama , prema Griffinu Shultzu iz Rapid Flowa, u budućnosti će povezana vozila komunicirati informacije o njihovoj brzini, ponašanju vozača, pa čak i mogućim greškama u okolnoj infrastrukturi.
Siemens Mobility surađuje s gradovima i općinama širom svijeta kako bi identificirao obrasce kretanja i pokušao poboljšati iskustvo svima u prometu.
"Postoje projekti, a aplikacije se kontinuirano šire", kaže Markus Schlitt, šef inteligentnih prometnih sustava u Siemensu.
"U gadovima budućnosti, promet će biti toliko složen da se neće moći regulirati bez AI. Koristeći podatke, u mogućnosti smo identificirati uzorke koji se ne bi vidjeli bez AI. Kroz kontinuirano učenje možemo stalno ažurirati uzorke prometa i time njegov protok. To rezultira s manje zastoja i manje zagađenja. "
U Hagenu, u Njemačkoj, koriste umjetnu inteligenciju kako bi optimizirali kontrolu semafora i smanjili vrijeme čekanja na raskrižju. Simulacije sugeriraju da se čekanje na semaforima može smanjiti i do 47% u usporedbi s tradicionalnim sustavom.
Od AI koristi nemaju samo vozači motornih vozila. Siemens Mobility upravlja flotom od 1.400 električnih bicikala u Lisabonu, u Portugalu, koji također hrane sustave podacima kojima se može predvidjeti kolika će biti potražnja za biciklima na nekim od ukupno 140 stanica za razmjenu. To im omogućuje da osiguraju dostupnost bicikala i prostora na punjačima za one koji vraćaju bicikle. Predviđanja se koriste zajedno s najnovijim informacijama o prometu kako bi se timovi za sakupljanje bicikala mogli organizirati i dati tehničarima dovoljno vremena da ih servisiraju.
"Tako se smanjuju operativni troškovi i poboljšava korisničko iskustvo", kaže Schlitt. "Dakle, ako želite obići Lisabon,možete biti sigurni da će vam e-bicikl uvijek biti dostupan.“
Mischa Dohler, s odjela za informatiku na King's College u Londonu i suosnivač tvrtke Worldsensing, proveo je testiranje AI i strojnog učenja u Bogoti u Kolumbiji. On kaže da je tehnologija već postigla velike rezultate, preusmjeravajući promet u slučaju nesreće, smanjenjem prometnih gužvi i kraćim vremenom koje vozači provode u potrazi za parkiralištima.
Ali on kaže da AI pomaže, no važan je i ljudski faktor. On to naziva 'razumnim AI planiranjem'.
„ Važno je jer jer podrazumijeva AI tehnologiju ali omogućuje i ljudima da donose samostalno odluke ili se prilagode ako nešto pođe krivo. Osim što su intelektualno i tehnički sposobni, vozači se moraju pomiriti s tim da prometnim sustavom upravlja računalo.
"Kada se gradovi oslanjaju na algoritme pri uvođenju politike, onda ona postaje preopterećena računanjem", kaže Jed Carter, urednik časopisa za online tehnologiju 'Moving World'. "Vozačima je teško shvatiti zašto su preusmjereni u drugi pravac kretanja, zašto ih se snima i zašto su zatočeni u koloni, ako su razlozi za takve akcije skriveni u računalnom kodu.“
"Želimo automatizirati sustav i dopustiti ljudima da se usredotoče na ono što je važno ili dugoročno važno, kao što je planiranje mjesta za postavljanje nove zaobilaznice ili kako preusmjeriti promet zbog primjerice, automobilske nesreće",kaže Nicholson.
Rezultati projekta Milton Keynes obećavaju. Gradske inteligentne kamere sposobne su razlikovati bicikliste, od automobila ili gradskih autobusa, kao i vozila za hitne intervencije, što je omogućilo davanje točnih i lokaliziranih podataka u cijelom gradu, pa planeri prometa mogu predvidjeti kada i gdje će ceste biti zagušene, preusmjerit pravovremeno vozila na druge pravce i pomoći vozačima da pronađu brže slobodni parking. Vivacity je instalirala 411 svojih pametnih prometnih kamera na glavnim punktovima u Milton Keynesu, ukupno 104 raskršća i 812 kolnih traka. Osim brojanja i razvrstavanja korisnika ceste, senzori mogu mjeriti vrijeme koje je potrebno za vozila da putuju između raskršća, te prenoseći snimke u realnom vremenu koje pomažu u planiranju.
Vivacity podacima hrani kompjutor koji na temelju takvih modela i uzoraka kombinira mogućnosti različitih situacija i predviđa kako će promet na njih reagirati. On evoluira i prilagođava se tijekom vremena, poboljšava svoju sposobnost predviđanja i minimizira potrebu za ljudskom intervencijom. Kombinacijom arhiviranih informacija i podataka dobivenih u realnom vremenu, predviđa tijek prometa za taj dan.
Sustav već predviđa prometne uvjete 15 minuta unaprijed sa 89% točnosti u odnosu na ono što se događa u stvarnosti.
"Ne samo da pomažu građanima vidjeti dostupnost parkirnih mjesta u stvarnom vremenu već i postavlja temelje za buduće tehnologije povezanog i autonomnog transporta u Milton Keynesu", kaže Nicholson.
