Городские проблемы, такие как пробки, могут решаться консервативным способом, то есть физическим увеличением пропускной способности дорог, или же «разумным» (от анг. smart). В таком случае весь транспорт и люди объединяются в экосистему, и сам город «принимает решение», как распределять транспортные потоки. О нашем видении подобной экосистемы мы рассказывали на одном из форумов «Открытые инновации». А в этой статье обсудим, как именно работают «умные» системы управления трафиком и почему они так важны для всех нас.
Фото Highways England / CC
По данным ВОЗ, более 50 процентов населения мира проживает в городах. Мегаполисы в большинстве своем страдают от транспортных проблем. Дорожные пробки — их самое явное и часто встречающееся проявление. Они негативно влияют на локальные экономики и качество жизни всех участников дорожного движения, поэтому, безусловно, требуют устранения.
Если в качестве примера рассмотреть типичную причину образования пробок — ремонтные работы — консервативный подход к ее решению будет заключаться в перенаправлении движения на ближайшие параллельные дороги. В результате, вероятнее всего, они будут перегружаться вслед за основной магистралью, и вблизи ремонтируемого участка в час-пик не останется ни одной свободной полосы движения.
Разумеется, власти постараются выстроить прогноз, на каких дорогах быстрее возникнет затор. Для этого они будут учитывать наличие светофоров на перекрестках, среднюю загруженность дорог и другие статичные факторы. Однако в тот момент, когда 8-балльная пробка парализует центр города, уже вряд ли получится что-то предпринять, кроме «ручного управления» ситуацией, например, с помощью отключения светофоров и срочной замены их служащим-регулировщиком.
Есть и другой сценарий развития того же сюжета. В «разумном» городе данные поступают не только из традиционных источников, но и от датчиков и устройств как установленных внутри самих автомобилей, так и выступающих элементами инфраструктуры. Сведения о местоположении транспортных средств позволяют перераспределять дорожное движение в реальном времени, а дополнительные системы, такие как «умные» светофоры и парковки, обеспечивают эффективное управление трафиком.
Разумный подход стал выбором для целого ряда городов и доказал свою эффективность. В немецком Дармштадте датчики помогают обеспечивать безопасность пешеходов и отсутствие пробок на дорогах. Они обнаруживают большие группы людей, собирающихся перейти дорогу, и адаптируют под них смену фаз светофора. К тому же они определяют, нет ли поблизости потока автомобилей, и «дают команду» переключить свет, только когда машины закончат движение.
А система распределения транспортного потока в датском городе Орхус позволила не только сократить пробки на дорогах, но и снизить общий расход топлива. Интеллектуальная система Лондона уведомляет водителей о перегруженности отдельных дорожных участков. «Умная» система управления трафиком помогла Сингапуру стать одним из наименее «загруженных» крупных городов мира.
Ключевой инструмент «разумного» города — это данные. Поэтому сердцем системы является платформа, которая объединяет все потоки информации, поступающие в реальном времени, интерпретирует их и принимает самостоятельное решение об управлении движением (или помогает принять такое решение ответственному лицу). Как правило, вокруг платформы формируется командный центр управления движением.
Фото Highways England / CC
Географическая информационная система (ГИС) открывает возможность для связи данных с конкретными точками на дорожной карте. Для непосредственного управления движением служат отдельные подсистемы. Их количество, сложность и уровни взаимодействия друг с другом могут отличаться в различных моделях в зависимости от поставленных задач.
Например, в китайском Ланфане действуют следующие подсистемы: светофорное регулирование, сбор информации о движении, наблюдение и оповещение, геолокационное позиционирование служебных автомобилей и другие составляющие. В румынской Тимишоаре, кроме уже описанных элементов, реализованы подсистемы приоритизации общественного транспорта и распознавания номерных знаков.
Систему «умного» распределения транспортных потоков можно усложнять различными элементами, но главной в ней остается платформа, которая управляет всеми подсистемами на основе поступающих данных. С этой точки зрения важной составляющей любой модели «разумного» города являются автомобили. Они не только способны принимать информацию (с помощью таких устройств, как, например, WayRay Navion) и адаптироваться под конкретную дорожную ситуацию, но и сами выступают поставщиками значимых сведений о загруженности дорог.
Предлагаем подробнее рассмотреть устройство важнейших подсистем «разумного» города.
Мониторинг — это основа работы командного центра. Своевременное выявление инцидентов и реагирование на них гарантирует безопасность на дорогах и снижение пробок. Пользователь чаще всего видит результаты мониторинга на карте с цветовой схемой, отображающей загруженность потока в реальном времени.
Источниками данных выступают камеры, которые автоматически анализируют ситуацию на дорогах по мере движения автомобилей в зоне их действия, а также пьезоэлектрические датчики. Еще один способ мониторинга в экосистеме «умного» города — трекинг потока на основе беспроводного сигнала, например, от Bluetooth-устройств.
Например, предложенный компанией Libelium вариант способен дифференцировать сигналы от различных девайсов, в том числе и телефонов пешеходов. Полученные данные датчиков передаются на сервер, где, после анализа, система (при необходимости) принимает решение по устранению перегрузки автомобильного или пешеходного движения.
Эта же концепция реализуется и с помощью более широких групп датчиков, объединенных в сети. Основной принцип работы — сенсор или датчик идентифицирует транспортное средство, сравнивая сигналы при отсутствии и наличии препятствия/затора/пробки. Базовая станция рассчитывает скорость на основе расстояния между двумя узлами-датчиками и среднего времени их прохождения автомобилем.
Пример работы подобной системы описывает Матье Дюмулен (Mathieu Dumoulin), специалист по обработке данных из компании MapR Data Technologies. Схема работы с сигналами датчиков, предложенная MapR, строится на присвоении правил событиям, возникающим при потоковой передаче данных, например, сведениям об инцидентах на отдельных участках. Предложенные командой Матье бизнес-правила позволяют применять в ответ на них полезные действия.
Для демонстрации работы своего подхода MapR смоделировали дорожную ситуацию с одним датчиком, измеряющим скорость проходящих автомобилей для обнаружения заторов и информирования командного центра. Использование данных об уже произошедших на участке авариях и подключение модулей аналитики помогают мониторить ситуацию и принимать эффективные решения по разрешению дорожных инцидентов в режиме реального времени.
В городской «разумной» экосистеме мониторинг ценен, во-первых, с точки зрения своевременного реагирования властей, во-вторых, как дополнительный канал связи с водителями. Как отмечают в MapR, данные в режиме реального времени могут поступать не только в командный центр, но и на информационные панели вдоль дорог. Объединение сведений о загруженности дорог с системами дополненной реальности внутри автомобилей поможет в составлении важных советов, прогнозов и маршрутов движения.
Фото Matthias Ripp / CC
Принцип работы этой подсистемы прост: так называемые «адаптивные» светофоры используют средства для измерения объема трафика, которые сигнализируют о необходимости смены фаз. При затрудненном транспортном потоке зеленая фаза светофора для автомобилей активна дольше, чем обычно. Во время пиковых периодов светофоры на перекрестках синхронизируют свои фазы так, чтобы обеспечить «зеленые коридоры» для транспорта.
В «разумном» городе система усложняется за счет комплекса датчиков, которые передают алгоритмам данные для анализа. В Тайлере, штат Техас, такое решение в составе интегрированной системы управления трафиком от Siemens уменьшило задержки движения на 22%. Время в пути по одной из главных магистралей города Бельвю, штат Вашингтон, сократилось на 36% в течение часа-пик с момента установки адаптивных светофоров.
Так функционирует эта подсистема в своем базовом воплощении: инфракрасные датчики, установленные в одном из элементов дорожной инфраструктуры, например, в световых опорах, обнаруживают возникновение или отсутствие автомобильного потока. Эти данные служат входящим сигналом для системы, которая генерирует выходные сигналы для красной, зеленой и желтой фаз и контролирует длительность цикла, учитывая количество транспортных средств на каждой дороге.
Та же информация в качестве выходного сигнала может передаваться участнику дорожного движения. Адаптивные светофоры способны работать и в аварийном режиме, когда средства видеофиксации распознают движущееся транспортное средство как машину скорой помощи или полицейский автомобиль с включенными сигнальными маячками. В таком случае для автомобилей, которые пересекают маршрут следования служебной машины, сигналы светофора сменятся на красные.
Источниками входящих данных для системы могут служить также камеры, распознающие объем трафика. В комплексной модели «разумного» города информация от камер о ситуации на дороге передается одновременно в программную среду для алгоритмической обработки и в систему управления, где она визуализируется и выводится на экраны в командном центре.
Существуют и вариации «умных» светофоров. Например, технологии искусственного интеллекта улучшают координацию дорожных сигналов в единой экосистеме. В этом случае цикл также запускают датчики и камеры. Алгоритмы ИИ используют полученные данные для создания тайминга циклов, эффективного прохождения потока по траектории и сообщают информацию следующим светофорам. Впрочем, такая система остается децентрализованной, и каждый светофор «принимает свои собственные решения» по длительности фаз.
Исследователи Наньянского технологического университета в этом году представили алгоритм распределения трафика, основанный на машинном обучении. Маршрутизация в данном случае имеет несколько нюансов: учитывается текущая нагрузка на транспортную систему и прогнозируемая неизвестная величина, отвечающая за дополнительную нагрузку, которая может попасть в сеть в любой момент времени. Далее алгоритм отвечает за разгрузку сети на каждом узле или, иначе говоря, перекрестке. Такая система в сочетании со светофорами с искусственным интеллектом может стать решением для распространенных городских проблем.
«Умные» светофоры играют важную роль для водителей не только благодаря очевидному эффекту — снижению числа пробок, — но и из-за обратной связи, поступающей на пользовательские устройства, такие, как WayRay Navion. Например, водители в Токио получают сигналы от инфракрасных датчиков прямо на навигаторы, которые выстраивают на основе этого оптимальный маршрут.
То же происходит в канадском Эдмонтоне, где бортовой компьютер автомобиля уведомляется звуковым или текстовым сообщением о скорой смене фаз светофора. В Питтсбурге, штат Пенсильвания, где светофоры «наделены» интеллектом, главной задачей исследовательской группы является именно налаживание связи между системой и автомобилем. Адаптация навигаторов под поступающую от светофоров информацию — это будущее вождения.
Фото Oran Viriyincy / CC
Отсутствие парковочных мест или их неэффективное использование — не просто бытовая проблема, но вызов для городской инфраструктуры и еще одна причина загруженности дорог. Согласно Navigant Research, число «умных» парковочных мест в мире, как ожидается, достигнет 1,1 млн к 2026 году. От обычных парковок их отличают автоматизированные системы поиска свободных мест и информирования пользователей.
В качестве одного из решений проблемы команда Университета Райса разработала модель, в которой для поиска свободных мест используется камера, делающая ежеминутные фотографии. После чего проводится их анализ с помощью алгоритма обнаружения объектов. Однако в рамках экосистемы «разумного» города это решение не является оптимальным.
«Умная» система парковки должна не только знать статус каждого места («занято/свободно»), но и уметь направлять пользователя к нему. Деваврат Кулкарни (Devavrat Kulkarni), старший бизнес-аналитик в IT-компании Maven Systems, предлагает использовать для этого сеть датчиков.
Информация, полученная от них, может быть обработана алгоритмом и представлена конечному пользователю через приложение или другой пользовательский интерфейс. В момент парковки приложение сохраняет информацию о местоположении транспортного средства, что упрощает поиск автомобиля в дальнейшем. Это решение можно назвать локальным, подходящим, например, для отдельных торговых центров.
Действительно масштабные проекты в этой области реализуются прямо сейчас в некоторых городах США. Инициатива по развертыванию единой сети «умных» парковок LA Express Park проводится в Лос-Анджелесе. Стартап StreetLine, отвечающий за воплощение идеи в жизнь, использует методы машинного обучения для объединения нескольких источников данных — сенсоров и камер наблюдения — в единый канал передачи сведений о занятости парковочных мест.
Эти данные рассматриваются в контексте парковочной системы в масштабах всего города и поступают к ответственным лицам. StreetLine предоставляет SDK, систему автоматического распознавания номерных знаков и API для работы со всеми источниками данных, связанных с парковкой.
Интеллектуальные парковочные системы могут быть полезны и для управления плотностью движения. В основе такого решения заранее заложен инструмент регулирования трафика — изменение тарифных ставок в платных зонах парковки. Это позволяет распределять загруженность парковочных мест в определенные дни, тем самым снижая пробки на дорогах.
Для конечных пользователей данные о свободных местах и более дешевых тарифах помогают планировать поездку и в целом качественно повышают водительский опыт — с помощью носимых или встроенных в автомобиль устройств пользователь получает практические указания по поиску парковочного места в реальном времени.
Три основных элемента, рассмотренных нами, — это уже готовая экосистема, способная значительно облегчить ситуацию на дорогах современного города. Однако инфраструктура будущего создается в первую очередь для транспорта будущего. Автоматизированные системы мониторинга, паркинга и управления облегчают переход к использованию беспилотных автомобилей.
Однако и здесь не все так однозначно: инфраструктура, которая используется в «разумных» городах сейчас, беспилотникам может быть просто не нужна. Например, если сегодня в смене фаз светофора еще есть смысл, то, по версии исследователей Массачусетского технологического института, беспилотным автомобилям привычные нам сигналы не потребуются вовсе — скорость транспортных средств и остановка на перекрестках будет автоматически осуществляться с помощью сенсоров.
Вероятно, даже самые развитые системы управления трафиком переживут глобальную модернизацию после того, как беспилотники вытеснят с дорог традиционные автомобили, и мы увидим новый мир без светофоров, дорожных камер и «лежачих полицейских». Однако пока полный переход на беспилотные авто маловероятен. А вот рост числа «разумных» городов — это вполне реальная перспектива.
Фото Highways England / CC
Зачем городам «умная» транспортная система
По данным ВОЗ, более 50 процентов населения мира проживает в городах. Мегаполисы в большинстве своем страдают от транспортных проблем. Дорожные пробки — их самое явное и часто встречающееся проявление. Они негативно влияют на локальные экономики и качество жизни всех участников дорожного движения, поэтому, безусловно, требуют устранения.
Если в качестве примера рассмотреть типичную причину образования пробок — ремонтные работы — консервативный подход к ее решению будет заключаться в перенаправлении движения на ближайшие параллельные дороги. В результате, вероятнее всего, они будут перегружаться вслед за основной магистралью, и вблизи ремонтируемого участка в час-пик не останется ни одной свободной полосы движения.
Разумеется, власти постараются выстроить прогноз, на каких дорогах быстрее возникнет затор. Для этого они будут учитывать наличие светофоров на перекрестках, среднюю загруженность дорог и другие статичные факторы. Однако в тот момент, когда 8-балльная пробка парализует центр города, уже вряд ли получится что-то предпринять, кроме «ручного управления» ситуацией, например, с помощью отключения светофоров и срочной замены их служащим-регулировщиком.
Есть и другой сценарий развития того же сюжета. В «разумном» городе данные поступают не только из традиционных источников, но и от датчиков и устройств как установленных внутри самих автомобилей, так и выступающих элементами инфраструктуры. Сведения о местоположении транспортных средств позволяют перераспределять дорожное движение в реальном времени, а дополнительные системы, такие как «умные» светофоры и парковки, обеспечивают эффективное управление трафиком.
Разумный подход стал выбором для целого ряда городов и доказал свою эффективность. В немецком Дармштадте датчики помогают обеспечивать безопасность пешеходов и отсутствие пробок на дорогах. Они обнаруживают большие группы людей, собирающихся перейти дорогу, и адаптируют под них смену фаз светофора. К тому же они определяют, нет ли поблизости потока автомобилей, и «дают команду» переключить свет, только когда машины закончат движение.
А система распределения транспортного потока в датском городе Орхус позволила не только сократить пробки на дорогах, но и снизить общий расход топлива. Интеллектуальная система Лондона уведомляет водителей о перегруженности отдельных дорожных участков. «Умная» система управления трафиком помогла Сингапуру стать одним из наименее «загруженных» крупных городов мира.
Из чего состоит «умная» система управления движением
Ключевой инструмент «разумного» города — это данные. Поэтому сердцем системы является платформа, которая объединяет все потоки информации, поступающие в реальном времени, интерпретирует их и принимает самостоятельное решение об управлении движением (или помогает принять такое решение ответственному лицу). Как правило, вокруг платформы формируется командный центр управления движением.
Фото Highways England / CC
Географическая информационная система (ГИС) открывает возможность для связи данных с конкретными точками на дорожной карте. Для непосредственного управления движением служат отдельные подсистемы. Их количество, сложность и уровни взаимодействия друг с другом могут отличаться в различных моделях в зависимости от поставленных задач.
Например, в китайском Ланфане действуют следующие подсистемы: светофорное регулирование, сбор информации о движении, наблюдение и оповещение, геолокационное позиционирование служебных автомобилей и другие составляющие. В румынской Тимишоаре, кроме уже описанных элементов, реализованы подсистемы приоритизации общественного транспорта и распознавания номерных знаков.
Систему «умного» распределения транспортных потоков можно усложнять различными элементами, но главной в ней остается платформа, которая управляет всеми подсистемами на основе поступающих данных. С этой точки зрения важной составляющей любой модели «разумного» города являются автомобили. Они не только способны принимать информацию (с помощью таких устройств, как, например, WayRay Navion) и адаптироваться под конкретную дорожную ситуацию, но и сами выступают поставщиками значимых сведений о загруженности дорог.
Предлагаем подробнее рассмотреть устройство важнейших подсистем «разумного» города.
Интеллектуальная система мониторинга и реагирования
Мониторинг — это основа работы командного центра. Своевременное выявление инцидентов и реагирование на них гарантирует безопасность на дорогах и снижение пробок. Пользователь чаще всего видит результаты мониторинга на карте с цветовой схемой, отображающей загруженность потока в реальном времени.
Источниками данных выступают камеры, которые автоматически анализируют ситуацию на дорогах по мере движения автомобилей в зоне их действия, а также пьезоэлектрические датчики. Еще один способ мониторинга в экосистеме «умного» города — трекинг потока на основе беспроводного сигнала, например, от Bluetooth-устройств.
Например, предложенный компанией Libelium вариант способен дифференцировать сигналы от различных девайсов, в том числе и телефонов пешеходов. Полученные данные датчиков передаются на сервер, где, после анализа, система (при необходимости) принимает решение по устранению перегрузки автомобильного или пешеходного движения.
Эта же концепция реализуется и с помощью более широких групп датчиков, объединенных в сети. Основной принцип работы — сенсор или датчик идентифицирует транспортное средство, сравнивая сигналы при отсутствии и наличии препятствия/затора/пробки. Базовая станция рассчитывает скорость на основе расстояния между двумя узлами-датчиками и среднего времени их прохождения автомобилем.
Пример работы подобной системы описывает Матье Дюмулен (Mathieu Dumoulin), специалист по обработке данных из компании MapR Data Technologies. Схема работы с сигналами датчиков, предложенная MapR, строится на присвоении правил событиям, возникающим при потоковой передаче данных, например, сведениям об инцидентах на отдельных участках. Предложенные командой Матье бизнес-правила позволяют применять в ответ на них полезные действия.
Для демонстрации работы своего подхода MapR смоделировали дорожную ситуацию с одним датчиком, измеряющим скорость проходящих автомобилей для обнаружения заторов и информирования командного центра. Использование данных об уже произошедших на участке авариях и подключение модулей аналитики помогают мониторить ситуацию и принимать эффективные решения по разрешению дорожных инцидентов в режиме реального времени.
В городской «разумной» экосистеме мониторинг ценен, во-первых, с точки зрения своевременного реагирования властей, во-вторых, как дополнительный канал связи с водителями. Как отмечают в MapR, данные в режиме реального времени могут поступать не только в командный центр, но и на информационные панели вдоль дорог. Объединение сведений о загруженности дорог с системами дополненной реальности внутри автомобилей поможет в составлении важных советов, прогнозов и маршрутов движения.
Фото Matthias Ripp / CC
«Умные» светофоры
Принцип работы этой подсистемы прост: так называемые «адаптивные» светофоры используют средства для измерения объема трафика, которые сигнализируют о необходимости смены фаз. При затрудненном транспортном потоке зеленая фаза светофора для автомобилей активна дольше, чем обычно. Во время пиковых периодов светофоры на перекрестках синхронизируют свои фазы так, чтобы обеспечить «зеленые коридоры» для транспорта.
В «разумном» городе система усложняется за счет комплекса датчиков, которые передают алгоритмам данные для анализа. В Тайлере, штат Техас, такое решение в составе интегрированной системы управления трафиком от Siemens уменьшило задержки движения на 22%. Время в пути по одной из главных магистралей города Бельвю, штат Вашингтон, сократилось на 36% в течение часа-пик с момента установки адаптивных светофоров.
Так функционирует эта подсистема в своем базовом воплощении: инфракрасные датчики, установленные в одном из элементов дорожной инфраструктуры, например, в световых опорах, обнаруживают возникновение или отсутствие автомобильного потока. Эти данные служат входящим сигналом для системы, которая генерирует выходные сигналы для красной, зеленой и желтой фаз и контролирует длительность цикла, учитывая количество транспортных средств на каждой дороге.
Та же информация в качестве выходного сигнала может передаваться участнику дорожного движения. Адаптивные светофоры способны работать и в аварийном режиме, когда средства видеофиксации распознают движущееся транспортное средство как машину скорой помощи или полицейский автомобиль с включенными сигнальными маячками. В таком случае для автомобилей, которые пересекают маршрут следования служебной машины, сигналы светофора сменятся на красные.
Источниками входящих данных для системы могут служить также камеры, распознающие объем трафика. В комплексной модели «разумного» города информация от камер о ситуации на дороге передается одновременно в программную среду для алгоритмической обработки и в систему управления, где она визуализируется и выводится на экраны в командном центре.
Существуют и вариации «умных» светофоров. Например, технологии искусственного интеллекта улучшают координацию дорожных сигналов в единой экосистеме. В этом случае цикл также запускают датчики и камеры. Алгоритмы ИИ используют полученные данные для создания тайминга циклов, эффективного прохождения потока по траектории и сообщают информацию следующим светофорам. Впрочем, такая система остается децентрализованной, и каждый светофор «принимает свои собственные решения» по длительности фаз.
Исследователи Наньянского технологического университета в этом году представили алгоритм распределения трафика, основанный на машинном обучении. Маршрутизация в данном случае имеет несколько нюансов: учитывается текущая нагрузка на транспортную систему и прогнозируемая неизвестная величина, отвечающая за дополнительную нагрузку, которая может попасть в сеть в любой момент времени. Далее алгоритм отвечает за разгрузку сети на каждом узле или, иначе говоря, перекрестке. Такая система в сочетании со светофорами с искусственным интеллектом может стать решением для распространенных городских проблем.
«Умные» светофоры играют важную роль для водителей не только благодаря очевидному эффекту — снижению числа пробок, — но и из-за обратной связи, поступающей на пользовательские устройства, такие, как WayRay Navion. Например, водители в Токио получают сигналы от инфракрасных датчиков прямо на навигаторы, которые выстраивают на основе этого оптимальный маршрут.
То же происходит в канадском Эдмонтоне, где бортовой компьютер автомобиля уведомляется звуковым или текстовым сообщением о скорой смене фаз светофора. В Питтсбурге, штат Пенсильвания, где светофоры «наделены» интеллектом, главной задачей исследовательской группы является именно налаживание связи между системой и автомобилем. Адаптация навигаторов под поступающую от светофоров информацию — это будущее вождения.
Фото Oran Viriyincy / CC
«Умные» парковки
Отсутствие парковочных мест или их неэффективное использование — не просто бытовая проблема, но вызов для городской инфраструктуры и еще одна причина загруженности дорог. Согласно Navigant Research, число «умных» парковочных мест в мире, как ожидается, достигнет 1,1 млн к 2026 году. От обычных парковок их отличают автоматизированные системы поиска свободных мест и информирования пользователей.
В качестве одного из решений проблемы команда Университета Райса разработала модель, в которой для поиска свободных мест используется камера, делающая ежеминутные фотографии. После чего проводится их анализ с помощью алгоритма обнаружения объектов. Однако в рамках экосистемы «разумного» города это решение не является оптимальным.
«Умная» система парковки должна не только знать статус каждого места («занято/свободно»), но и уметь направлять пользователя к нему. Деваврат Кулкарни (Devavrat Kulkarni), старший бизнес-аналитик в IT-компании Maven Systems, предлагает использовать для этого сеть датчиков.
Информация, полученная от них, может быть обработана алгоритмом и представлена конечному пользователю через приложение или другой пользовательский интерфейс. В момент парковки приложение сохраняет информацию о местоположении транспортного средства, что упрощает поиск автомобиля в дальнейшем. Это решение можно назвать локальным, подходящим, например, для отдельных торговых центров.
Действительно масштабные проекты в этой области реализуются прямо сейчас в некоторых городах США. Инициатива по развертыванию единой сети «умных» парковок LA Express Park проводится в Лос-Анджелесе. Стартап StreetLine, отвечающий за воплощение идеи в жизнь, использует методы машинного обучения для объединения нескольких источников данных — сенсоров и камер наблюдения — в единый канал передачи сведений о занятости парковочных мест.
Эти данные рассматриваются в контексте парковочной системы в масштабах всего города и поступают к ответственным лицам. StreetLine предоставляет SDK, систему автоматического распознавания номерных знаков и API для работы со всеми источниками данных, связанных с парковкой.
Интеллектуальные парковочные системы могут быть полезны и для управления плотностью движения. В основе такого решения заранее заложен инструмент регулирования трафика — изменение тарифных ставок в платных зонах парковки. Это позволяет распределять загруженность парковочных мест в определенные дни, тем самым снижая пробки на дорогах.
Для конечных пользователей данные о свободных местах и более дешевых тарифах помогают планировать поездку и в целом качественно повышают водительский опыт — с помощью носимых или встроенных в автомобиль устройств пользователь получает практические указания по поиску парковочного места в реальном времени.
Будущее управления движением
Три основных элемента, рассмотренных нами, — это уже готовая экосистема, способная значительно облегчить ситуацию на дорогах современного города. Однако инфраструктура будущего создается в первую очередь для транспорта будущего. Автоматизированные системы мониторинга, паркинга и управления облегчают переход к использованию беспилотных автомобилей.
Однако и здесь не все так однозначно: инфраструктура, которая используется в «разумных» городах сейчас, беспилотникам может быть просто не нужна. Например, если сегодня в смене фаз светофора еще есть смысл, то, по версии исследователей Массачусетского технологического института, беспилотным автомобилям привычные нам сигналы не потребуются вовсе — скорость транспортных средств и остановка на перекрестках будет автоматически осуществляться с помощью сенсоров.
Вероятно, даже самые развитые системы управления трафиком переживут глобальную модернизацию после того, как беспилотники вытеснят с дорог традиционные автомобили, и мы увидим новый мир без светофоров, дорожных камер и «лежачих полицейских». Однако пока полный переход на беспилотные авто маловероятен. А вот рост числа «разумных» городов — это вполне реальная перспектива.
