Vilnius spūstis mažina dirbtiniu intelektu: jau veikia

Rugsėjį į Vilniaus gatves sugrįžta intensyvesnis gyvenimo tempas, o kartu – ir ilgesnės automobilių eilės. Rytinis ir vakarinis pikas sostinėje kasmet tampa rimtu išbandymu, todėl miesto eismo valdytojai ieško būdų, kaip efektyviau išnaudoti esamą gatvių infrastruktūrą ir sutrumpinti laukimą sankryžose. Vienas iš sprendimų – dirbtiniu intelektu paremta eismo valdymo sistema.

Nors didmiestyje visiškai išvengti spūsčių neįmanoma, šiuolaikinės technologijos gali padėti jas trumpinti, gerinti transporto srautų judėjimą ir kelionių laiką padaryti labiau prognozuojamą. Vilniuje tokie sprendimai jau bandomi, o pirmieji rezultatai rodo, kad išmanus šviesoforų valdymas gali būti naudingas ne tik vairuotojams, bet ir pėstiesiems bei viešojo transporto keleiviams.

Vienos priemonės spūsčių problemai išspręsti nepakaks

JUDU Eismo valdymo ir organizavimo skyriaus vadovas Evaldas Morkūnas pabrėžia, kad miesto spūstys yra kompleksinė problema. Todėl, siekiant sklandesnio eismo, būtina vienu metu geriau išnaudoti kelių infrastruktūrą, optimizuoti šviesoforų veikimą, užtikrinti viešojo transporto prioritetą ir pasiūlyti patrauklesnių alternatyvų kelionėms automobiliu.

Daugiausia dėmesio skiriama gatvėms ir sankryžoms, kuriose fiksuojami didžiausi transporto srautai. Vertinama, kaip efektyviau panaudoti esamą gatvių tinklą, o planuojant rekonstrukcijas analizuojama, ar būsimi sprendiniai padės didinti pralaidumą ir mažinti eilių susidarymą.

Viena pagrindinių priemonių – šviesoforų reguliavimo programų koregavimas. Šiemet Vilniuje pakeista 60 tokių programų. Daugiausia dėmesio skirta sankryžų koordinavimui, didesniam transporto srautų pralaidumui ir trumpesnėms automobilių eilėms. Sankryžose, kuriose jau atlikta rezultatų analizė, vidutinis transporto priemonių sustojimų skaičius sumažėjo maždaug 10 procentų.

DI sistema Nemenčinės plente jau duoda rezultatų

Vilniuje diegiami ne vien tradiciniai šviesoforų reguliavimo sprendimai. Išmaniosios sistemos gali vertinti realią situaciją gatvėse, analizuoti transporto srautus ir prognozuoti jų pokyčius artimiausiu metu. Remiantis šia informacija, šviesoforų signalai automatiškai pritaikomi prie konkrečios eismo situacijos.

Viena tokių sistemų veikia Nemenčinės plente. Čia dirbtiniu intelektu paremta eismo valdymo sistema koordinuoja septynias sankryžas ir pėsčiųjų perėjas. Ji gauna informaciją apie transporto srautus, vertina jų pokyčius ir prognozuoja eismo situaciją artimiausiu laikotarpiu. Pagal šiuos duomenis automatiškai koreguojamas šviesoforų veikimas.

Atlikti tyrimai parodė, kad per vieną rytinio piko valandą ši sistema bendrą vairuotojų laukimo laiką sutrumpino maždaug 19 minučių. Kai kuriose pėsčiųjų perėjose laukimo laikas sumažėjo iki 30 sekundžių. Tai reiškia, kad sistema gali padėti ne tik transporto priemonėms greičiau įveikti sankryžas, bet ir pėstiesiems saugiau bei patogiau pereiti gatves.

Prioritetas suteikiamas ir autobusams

Nemenčinės plente taip pat išbandytas viešojo transporto prioriteto principas. Atsižvelgiant į sankryžoje esančius srautus ir bendrą eismo situaciją, autobusui žalias šviesoforo signalas gali būti įjungiamas anksčiau arba pratęsiamas. Taip mažinamas viešojo transporto laukimo laikas, o autobusai gali judėti sklandžiau.

Toks sprendimas svarbus, nes viešojo transporto greitis dažnai priklauso ne tik nuo maršruto, bet ir nuo to, kiek laiko autobusas praleidžia laukdamas sankryžose. Suteikus prioritetą ten, kur tai leidžia eismo sąlygos, galima mažinti prastovas ir didinti kelionių patikimumą.

Technologijos padeda prognozuoti spūstis

Pasak dirbtinio intelekto eksperto Tomo Naščišonio, pažangiausi Europos miestai pamažu pereina nuo paprasto eismo stebėjimo prie prognozuojamo eismo valdymo. Dirbtinis intelektas vienu metu gali analizuoti realaus laiko eismo duomenis, ankstesnių laikotarpių srautus, oro sąlygas, renginius, avarijas ir kitus veiksnius.

Tokia analizė leidžia nustatyti vietas, kuriose spūstys gali susidaryti dar joms neprasidėjus. Tai eismo valdytojams suteikia daugiau laiko reaguoti: pakeisti šviesoforų režimą, perskirstyti srautus arba pritaikyti viešojo transporto prioritetą.

Panašios sistemos plėtojamos Londone ir Hamburge. Šiuose miestuose dirbtinis intelektas ir duomenų analizė naudojami siekiant optimizuoti šviesoforų bei transporto srautų valdymą. Kryptį rodo ir „Google“ projektas „Green Light“, kuriame analizuojami eismo modeliai, o eismo inžinieriams teikiamos rekomendacijos, kaip efektyviau reguliuoti šviesoforus.

Ateityje tokios sistemos galėtų ne tik perspėti apie konkrečioje vietoje netrukus susidarysiančią spūstį. Jos taip pat galėtų modeliuoti skirtingų sprendimų poveikį: kaip pasikeistų eismas pakoregavus šviesoforų ciklus, padidinus viešojo transporto dažnį, pakeitus eismo juostų paskirstymą ar dalį automobilių srauto nukreipus kitu keliu.

Visiškai išvengti spūsčių nepavyks

E. Morkūnas pabrėžia, kad net pažangiausios technologijos negali panaikinti fizinių miesto ribojimų. Gatvių infrastruktūra gali sutalpinti tik tam tikrą automobilių skaičių, todėl rytinio ir vakarinio piko metu visiškai išvengti spūsčių praktiškai neįmanoma.

Pagrindinis tikslas – ne žadėti, kad automobilių eilės išnyks, o siekti jas sutrumpinti, užtikrinti tolygesnį eismą ir kelionių trukmę padaryti kuo labiau prognozuojamą. Tam reikės toliau plėsti realaus laiko duomenimis paremtą eismo valdymą, pirmiausia didžiausio intensyvumo gatvėse ir koordinuojamose sankryžose.

Kartu Vilniuje planuojama stiprinti viešąjį transportą, plėsti dviračių ir pėsčiųjų takų infrastruktūrą. Technologijos gali pagerinti eismo valdymą, tačiau sklandesniam judėjimui mieste svarbios ir patogios alternatyvos automobiliui. Už šių sprendimų įgyvendinimą ir eismo valdymo klausimus atsakinga JUDU, į kurią dėl planuojamų priemonių buvo kreiptasi ir vertinant sostinės spūsčių mažinimo planus.