Всички сме били там. Заседнали на светофари, които сякаш никога не светват зелено. Седене на опашки от коли, които се простират с километри или забавени от пренасищане с бавен трафик, който внезапно изчезва. Задръстванията са петна за нашия модерен, бързо развиващ се живот. И ние сме се занимавали с тях по много немодерен начин.
Ние не се движим и не пътуваме по същия начин, както преди, но нашите системи за управление на трафика се борят да поддържат темпото на безмилостната атака на превозни средства, с които трябва да се справят сега. Мерките за предотвратяване на задръствания често реагират бавно на промените в пътните или метеорологичните условия и много светофари все още работят на таймери, които често не са синхронизирани, което не позволява на превозните средства да се движат свободно.
През 2015 г. имаше приблизително 1,3 милиарда моторни превозни средства по световните пътища и с нарастващото богатство в развиващите се икономики този брой се очаква да скочи до над 2 милиарда до 2040 г. Дори с нови пътища и обходни пътища, това непрекъснато нарастващо ниво на трафик може бързо да надмине способността на нашите пътни мрежи да се справят в много натоварени райони, като градовете.
Но чрез комбиниране на нови комуникационни технологии със силата на изкуствения интелект (AI) за обработка на огромни количества данни в реално време може да е възможно да облекчим задръстените си пътища, за да могат да се справят с нарастващия брой автомобили.
Въпреки че мнозина гледат на самоуправляващите се превозни средства като на панацея за задръстванията, ще минат поне две десетилетия, преди те да започнат да оказват значително влияние върху нашите пътища
Въпреки че мнозина виждат самоуправляващите се превозни средства като панацея за задръстванията – при условие че тези роботизирани превозни средства могат да бъдат научени да шофират по-малко хаотично и да реагират по-бързо от хората шофьори – ще минат поне две десетилетия, преди да започнат да оказват значително влияние върху нашите пътища . Междувременно магистралните агенции и градските плановици ще трябва да се справят с все по-сложната комбинация от човешки, полуавтономни и автономни шофьори по пътищата. Поддържането им в движение ще изисква системите за управление на трафика да бъдат незабавно реагиращи и адаптивни.
Има надежди, че новата технология може да облекчи задръстванията във вече задръстените градове като Бенгалуру, Индия, където превозните средства често се движат с пешеходно темпо (Кредит: Getty Images)
В Бенгалуру, Индия, където редовно има дълги задръствания и средната скорост по някои пътища в пиковите часове е само 4 км/ч (2,5 мили в час), Siemens Mobility изгради прототип на система за наблюдение, която използва AI чрез камери за движение. Камерите за трафик автоматично откриват превозни средства и тази информация се изпраща обратно към централен контролен център, където алгоритмите оценяват плътността на трафика по пътя. След това системата променя светофарите въз основа на задръстванията в реално време.
За да се отговори по този начин обаче са необходими данни. Много данни. За щастие това не е нещо дефицитно. Има много информация от системите за наблюдение на трафика, пътната инфраструктура, автомобилите и самите шофьори чрез техните мобилни телефони. Милиони камери ограждат нашите пътища, докато преминаващите превозни средства предизвикват малки електрически токове в метални кръгове, скрити под асфалта, предоставяйки допълнителна информация за условията на движение. Шофьорите могат да изпращат незабавни актуализации за задръствания благодарение на навигационния софтуер, който използват на мобилните си телефони и в колите си.
Някои от тези технологии за наблюдение – като индукционните вериги – съществуват от 60-те години на миналия век, докато други, като камери, способни да проследяват трафика и да четат регистрационни номера, са по-нови. Предизвикателството е да направите нещо полезно с цялата тази информация.
„От Исак Нютон се опитваме да повлияем на света чрез изграждане на математически модели“, казва Габор Орос , доцент по инженерство в Мичиганския университет. „Ако имаме данни, можем да разберем нещата. Същото важи и за трафика.”
Сега има опити да се използва способността на AI да осмисля големи количества информация и да промени начина, по който се движим из нашите градове.
Изследователи от Института Алън Тюринг в Лондон и Toyota Mobility Foundation наскоро стартираха съвместен нов проект, който изследва как системите за управление на трафика могат да станат по-динамични и отзивчиви чрез използването на AI. В момента те използват симулации, които увеличават сложността си и се развиват, като помагат на своите алгоритми да се научат как да предвиждат промени в трафика. Въпреки че те все още тестват системата, те се надяват скоро да приложат своите системи в реалния свят.
Съвременните системи за управление на трафика често използват комбинация от камери и сензори на самия път, за да оценят гъстотата на превозните средства (Кредит: Getty Images)
„Със задълбочено машинно обучение можем да подобрим предсказуемостта“, казва Уилям Черникоф, ръководител на отдела за изследвания и иновации в Toyota Mobility Foundation. „Мениджърите за столична мобилност след това могат да вземат по-бързи и по-информирани решения относно синхронизирането на сигнала, предложеното маршрутизиране към потребителите на системата и разпределението на капацитета.“
Времето за пътуване в града е намаляло с 25%, докато емисиите от превозните средства са намалели с до 20%
В Питсбърг изследователите вече работят с градските мениджъри по подобен подход, който работи в града от 2012 г. Адаптивна система за контрол на трафика, разработена от изследователи в Института по роботика, Университета Карнеги Мелън, е разпространена в града от компания наречен Rapid Flow Tech. Тяхната технология Surtrac се използва на 50 кръстовища в Питсбърг и от пускането на пазара тя е намалила времето за изчакване на кръстовища с до 40%, според компанията. Той също така твърди, че времето за пътуване в града е намаляло с 25%, докато емисиите от превозните средства са намалели с до 20%.
Системата използва видео емисии, за да разпознава автоматично броя на участниците в движението, включително пешеходци, и типовете превозни средства, които са на кръстовище. След това AI софтуерът обработва тази информация секунда по секунда, за да измисли най-добрия начин за преместване на трафика през кръстовището, променяйки светофара в зависимост от най-оптималния начин за поддържане на трафика. Решенията могат да се вземат автономно и да се споделят със съседните кръстовища, за да им помогнат да разберат какво им предстои.
Тъй като превозните средства стават все по-свързани с помощта на мобилни телефони и други безжични технологии, те също ще помогнат за подаване на още повече информация в системи като тази. В бъдеще, според Грифин Шулц от Rapid Flow, свързаните превозни средства ще могат да предават информация за тяхната скорост, поведение на водача и дори потенциални неизправности на околната инфраструктура.
„В момента просто се учим, но в бъдеще това ще бъде широко разпространено“, казва той. „Не става въпрос само за автомобили, но ще помогне на всички видове участници в движението в едно мултимодално транспортно общество.“
Заклещването в разочароващи опашки по натоварени пътища може да изяде много часове от деня на шофьорите, намалявайки времето, което трябва да направят нещо по-продуктивно (Кредит: Getty Images)
На други места интелигентната инфраструктура помага на транспортните мрежи да станат по-свързани. Siemens Mobility работи с градове и общини по света, за да идентифицира моделите на движение в опит да идентифицира начини за подобряване на изживяването за всички на пътя.
„Има реални проекти по целия свят и приложенията непрекъснато се разширяват“, казва Маркус Шлит, ръководител на интелигентните системи за трафик в компанията.
„В бъдещите градове трафикът ще бъде толкова сложен, че без изкуствен интелект (AI) ще бъде виртуална задръстване“, казва Шлит. „Като използваме данните, ние сме в състояние да идентифицираме модели, които не биха били забелязани без AI. Чрез непрекъснато обучение сме в състояние постоянно да актуализираме моделите на трафика и по този начин потока на трафика. Това води до по-малко време за изчакване и по-малко емисии.“
В Хаген, Германия, те използват изкуствен интелект, за да оптимизират управлението на светофара и да намалят времето за чакане на кръстовище. Симулациите предполагат, че може да намали времето за изчакване на светлините с до 47% в сравнение с традиционния план за предварително зададен сигнал.
Но не само шофьорите се възползват от използването на AI. Siemens Mobility управлява флот от 1400 електрически велосипеда в Лисабон, Португалия, като използва машинно обучение за анализиране на различни източници на данни като времето, за да предвиди бъдещото търсене на всяка от 140-те станции за споделяне на велосипеди. Това им позволява да осигурят наличието на велосипеди и места в зарядните станции за тези, които връщат велосипеди. Прогнозите се използват заедно с актуална информация за трафика, за да помогнат на екипите за събиране на велосипеди да заредят докинг станциите и да осигурят оптимално маршрутизиране за сервизните техници, които поддържат велосипедите.
„Това не само намалява оперативните текущи разходи, но също така увеличава потребителското изживяване на крайните клиенти“, казва Шлит. „Така че, когато трябва да се придвижвате в Лисабон, можете да сте сигурни, че винаги има електронен велосипед на разположение за вас на гарите.“
Проследяването на електрическите велосипеди, докато хората ги местят из града, е умопомрачителна задача за човек, но относително лесна за компютър (Кредит: Siemens Mobility)
Колкото и брилянтна да е технологията, не можем да разчитаме само на нея. Миша Долер, от катедрата по информатика в Кралския колеж в Лондон и съосновател на технологичната компания за мониторинг на трафика Worldsensing , изпробва AI и машинно обучение в Богота, Колумбия. Той казва, че технологията вече е дала страхотни резултати, като използва пътни сигнали и знаци за пренасочване на трафика, когато има инцидент, намаляване на задръстванията и намаляване на времето, което шофьорите прекарват в търсене на места за паркиране.
Но той казва, че докато AI помага да се направи възможна тази адаптивна транспортна мрежа, човешкият елемент също е важен. Той нарича това „обяснимо AI планиране“. Това е „толкова важно, защото взема интелигентни решения автономно, но също така е разбираемо“, позволявайки на хората да вземат решения заедно с ИИ или да се адаптират, ако нещо се обърка. Освен че са интелектуално и технически способни, самите шофьори ще трябва да бъдат отворени към идеята техните системи за движение да се контролират от компютри.
„Когато градовете разчитат на алгоритми за въвеждане на политика, тази политика се замъглява от изчисленията“, казва Джед Картър, редактор на онлайн списанието за технологии Moving World. „За гражданите става още по-трудно да разберат защо са били пренасочени, снимани или задържани, когато причините за тези действия са заровени в компютърен код.“
Но внедряването на интелигентни технологии по пътищата ще направи повече от просто предотвратяване на задръстванията. Марк Никълсън от Vivacity Labs , който ръководи подкрепен от правителството на Обединеното кралство проект за внедряване на интелигентни светофари в Милтън Кейнс, Англия, казва, че по-новите технологии имат много други предимства. Цената е една – тъй като технологията поема по-голяма част от тежката работа по управление на трафика, тя ще изисква по-малко човешка намеса при обикновени задачи като гледане на камери за трафик.
Автоматизираните системи също стават все по-добри в разграничаването между голям брой участници в движението, така че могат да дават приоритет например на велосипедисти, автобуси или превозни средства за спешна помощ, което може да подобри безопасността
Автоматизираните системи също стават все по-добри в разграничаването между голям брой участници в движението, така че могат да дават приоритет на велосипедисти, автобуси или превозни средства за спешна помощ например, което може да подобри безопасността. Поддържането на движението може също така да намали консумацията на енергия, причинена от неработещи превозни средства, когато са неподвижни, и подобрява качеството на въздуха. Може да помогне за намаляване на емисиите от двигателя и по този начин да помогне за намаляване на въздействието върху околната среда. Може да улесни паркирането и да освободи време на шофьорите да бъдат по-продуктивни.
Интелигентните камери на кръстовища могат автоматично да идентифицират различни участници в движението, позволявайки на системата за управление на трафика да се адаптира според техните нужди (Кредит: Vivacity Labs)
„Искаме да автоматизираме и да позволим на хората да се съсредоточат върху това, което е важно или по-дългосрочно“, казва Никълсън. „(Неща) като избор дали качеството на въздуха е достатъчно лошо, за да се даде приоритет на тежкотоварните автомобили, за да се увери, че няма нужда да спират до училище, планиране къде да се постави нов байпас, както и незабавни проблеми като избор как да се пренасочи трафикът около катастрофа.
Никълсън казва, че истинската полза от технологията е начинът, по който тя освобождава хората да вършат важна работа на по-високо ниво. Чрез автоматизирането на досадното, отнемащо време ежедневно управление на транспортните мрежи означава, че хората, работещи заедно с машините, могат да се съсредоточат върху това, в което са най-добри – адаптиране към ситуации, които изискват адаптивно мислене и креативни решения.
Резултатите от проекта Milton Keynes са обещаващи. Интелигентни камери за целия град, способни да идентифицират и класифицират всички превозни средства и участници в движението, позволяват точни, силно локализирани данни в града, давайки на плановиците и властите представа къде и кога пътищата са натоварени, очакваните маршрути, по които шофьорите могат да поемат, и къде паркират има вероятност да има свободни места. Vivacity инсталира 411 от своите интелигентни камери за трафик на главните кръстовища в Милтън Кейнс, общо 104 кръстовища и 812 пътни платна. Освен че преброяват и класифицират участниците в движението, сензорите могат да измерват времето, необходимо на превозните средства да пътуват между кръстовищата и да предоставят снимки на живо, за да помогнат при разработването на бъдещо планиране.
Vivacity захранва данните в модел за машинно обучение, който научава типични ежедневни модели и комбинира това с начина, по който трафикът реагира на преходни промени в пътната мрежа. Той се развива и адаптира с течение на времето, като подобрява своята предсказваща сила и свежда до минимум необходимата човешка намеса. Той предоставя исторически данни и данни на живо и прогнозира трафика за деня.
Системата вече прогнозира пътните условия 15 минути предварително с 89% точност в сравнение с това, което се случва в реалността
Системата вече прогнозира пътната обстановка 15 минути предварително с 89% точност спрямо това, което се случва в реалността.
„Това не само помага на гражданите да видят наличието на места за паркиране в реално време днес, но също така полага основите за бъдещи свързани и автономни транспортни технологии в Милтън Кейнс“, казва Никълсън.
Това, което изглежда е ясно, е, че даването на зелена светлина на изкуствения интелект по нашите пътища може да ни накара да продължим напред. „Това е само началото – дори не сме оползотворили напълно възможностите и предимствата на AI“, добавя Маркус Шлит от Siemens Mobility.
