تراکم ترافيکي پيش بيني شونده؛ زماني که شهر پيش از وقوع ترافيک تصميم مي گيرد
در نسل تازه مديريت شهري، کنترل ترافيک ديگر به واکنش پس از ازدحام محدود نمي شود؛ شهرها وارد مرحله اي شده اند که مي توانند چند دقيقه يا حتي چند ساعت پيش از بروز تراکم، آن را پيش بيني کنند و تصميم مناسب را بگيرند.
به گزارش خودران، تراکم ترافيکي پيش بيني شونده بر اساس تحليل پيوسته داده ها کار مي کند؛ داده هايي که از خودروهاي خودران، سامانه هاي حمل و نقل عمومي، دوربين هاي نظارتي و سنسورهاي جاده اي جمع آوري مي شوند. شهر با اين داده ها مي تواند الگوهاي رفتاري مردم را در ساعات مختلف تشخيص دهد و نقاط حساس را پيش از شکل گيري گره ترافيکي شناساسي کند. در اين مدل، ترافيک نه به عنوان يک رويداد ناگهاني، بلکه به عنوان يک روند قابل پيش بيني ديده مي شود.
يکي از ويژگي هاي مهم اين سامانه، توانايي تنظيم همزمان چند اقدام است. وقتي الگوريتم پيش بيني مي کند که در يک بزرگراه تراکم در حال شکل گيري است، ممکن است چند دستور همزمان صادر کند؛ کاهش سرعت ميانگين خودروها، تغيير مسير خودروهاي خودران، افزايش فاصله زماني چراغ هاي سبز در خروجي ها و حتي ارسال پيام هشدار براي مسافران. اين هماهنگي چندلايه، از تبديل يک تراکم کوچک به يک گره بزرگ جلوگيري مي کند.
در کنار خودروهاي خودران، رفتار خودروهاي معمولي نيز در سامانه پيش بيني دخيل است. دوربين هاي هوشمند با تحليل ميزان تبادل خطوط، شکل حرکت، توقف ها و الگوهاي شتاب، مي توانند ميزان تنش مسير را مشخص کنند. اگر نشانه هاي ازدحام ديده شود، سامانه اقدامات پيشگيرانه را فعال مي کند تا روند به نقطه بحران نرسد.
يک نکته مهم ديگر، توانايي شهر براي تنظيم سفرهاي عمومي است. وقتي پيش بيني نشان مي دهد که مسافرت هاي ناگهاني در حال افزايش است، سامانه مي تواند تعداد ناوگان حمل و نقل عمومي را افزايش دهد، يا مسيرها را به سمت شريان هاي خلوت تر هدايت کند. اين هماهنگي مي تواند از اضافه بار در خيابان هاي اصلي جلوگيري کند و توزيع ترافيک را متعادل سازد.
پيش بيني ترافيک براي شهر نه فقط ابزاري تکنولوژيک، بلکه يک ضرورت اقتصادي است. توقف طولاني خودروها در ترافيک، هزينه اجتماعي و اقتصادي سنگيني دارد. مصرف بالاي سوخت، آلودگي شديد هوا، استهلاک خودرو و اتلاف زمان، همگي نتيجه مديريت ناهمزمان است. اما سامانه پيش بيني شونده اين امکان را مي دهد که ازدحام را پيش از وقوع مهار کرد و با حداقل دخالت انساني شهر را در جريان نگه داشت.
با اين حال، چالش هايي نيز وجود دارد. مهم ترين چالش، دقت و کيفيت داده ها است. اگر بخشي از داده ها ناقص يا با تاخير وارد شود، پيش بيني مي تواند از واقعيت فاصله بگيرد. چالش ديگر، همگام سازي خودروهاي معمولي با الگوريتم ها است؛ زيرا آنها رفتار ثابت و قابل پيش بيني ندارند. با اين وجود، به دليل رشد تعداد خودروهاي خودران، دقت اين سامانه ها هر روز بيشتر مي شود و نقش داده هاي ناقص کمتر مي گردد.
در نهايت، تراکم ترافيکي پيش بيني شونده گامي بزرگ در جهت ساخت شهرهاي هوشمند است. شهري که پيش از شکل گيري بحران تصميم مي گيرد، شهري کارآمدتر، پاک تر و آرام تر خواهد بود. با رشد خودروهاي خودران و شبکه هاي داده، اين مدل مديريت ترافيک به زودي بنياد اصلي شهرهاي مدرن خواهد شد.