فقر تکنولوژیک در مدیریت ترافیک تهران

لیداایاز: «همت تا شیخ فضل‌الله ترافیک سنگین- مدرس روان.» این تنها تابلوهایی است که اغلب وقتی بین هزاران ماشین در ترافیک سنگین پایتخت محصور شده‌ایم، می‌بینیم. بدون اینکه از لحظه انتخاب مسیر در جریان نوع ترافیک مسیر مورد نظر قرار گرفته باشیم، این درحالی است که امروزه استفاده از سیستم‌های هوشمند ترافیک یکی از امدادهای نوین برای کمک به بحران ترافیک به‌شمار می‌رود. به‌دلیل غفلت از به‌کارگیری زیرساخت‌هایی همچون تعریف شبکه‌های هوشمند معابر و سرمایه‌گذاری در بخش‌هایی که می‌توان بدون حضور فیزیکی آنها را مدیریت کرد موجب شده تا ساعاتی طولانی را به ناچار در ترافیک‌های صبح، ظهر، عصر و شبانگاهی سپری کنیم. این بخش ازجمله وظایف شهرداری و پلیس راهنمایی و رانندگی در شهرها است که مسوول به‌روزرسانی پروژه‌های شهری در این زمینه هستند. در پایتخت اما مجهز شدن به سامانه‌های هوشمند ترافیک در شهرداری تهران محدود به استفاده کاربران از سامانه موقعیت‌یاب آنی شهر تهران است که با باز کردن این صفحه در پرتابل شهرداری تهران با این نکته مواجه می‌شوید «به علت پاره‌ای مشکلات زیرساختی تا اطلاع‌ثانوی دریافت تصحیحات شبکه سمت تنها از طریق اپراتورهای همراه اول و رایتل امکان‌پذیر است.»

در این بخش تنها استفاده از کاربرد RTK در GIS برای اطلاع از ترافیک شهر قرار داده شده که در اطلاع‌رسانی درباره نحوه کار با این بخش آمده است: این یک گیرنده GPS/GNSS با دقت مناسبی قابل برداشت و بهنگام‌سازی است که به وسیله آن می‌توان به لایه‌های نقشه پوششی شهر همچون شبکه معابر، مبلمان شهری و اماکن شهری دسترسی پیدا کرد.» به نظر می‌رسد بیش از این نیز نمی‌توان دسترسی بیشتری به شبکه‌های اطلاع‌رسانی هوشمندی در رابطه با ترافیک در این سامانه داشت. سوی دیگر ماجرا خیابان‌ها است که اطلاعات ترافیکی ارائه شده بر تابلوهای اندک شمار سطح شهر نیز اطلاعات کم و ناهماهنگی را به مخاطب ارائه می‌کند.

سامانه تکنولوژیک ۱۱۰ فراموش شدسیامک وکیلی کارشناس الکترونیک و عضو هیات‌مدیره شرکت‌های راهبردی در زمینه سیستم‌های هوشمند ترافیک درباره استفاده ازسیستم‌های فیلد منجمنت می‌گوید که این سامانه‌ها بسترهای مناسب ارتباطی را به صورت آنی و در لحظه در اختیار کاربران قرار می‌دهند که این اطلاعات نیز از طرف سامانه‌های مرکزی جمع‌آوری می‌شود. او به «دنیای اقتصاد» می‌گوید: اطلاعاتی نظیر اینکه ترافیک در مسیرها به چه اندازه‌ای است به مرکز داده‌ها ارسال می‌شود تا به تحلیل و آنالیز آن پرداخته شود. با این سیستم مثلا از طریق ارائه اطلاعات سیستم‌های ناوگان عمومی به مسافران، آنها در جریان رسیدن زمان دقیق اتوبوس یا قطار به ایستگاه قرار می‌گیرند. او می‌گوید که این سیستم کم و بیش در تهران استفاده می‌شود، البته بیشتر در مسیرهای تردد ویژه مثل بی‌آرتی. او ادامه می‌دهد: به‌عنوان مثال در دنیا بر اساس سیستم‌های هوشمند وسایل اضطراری و اورژانسی زمانی که در تقاطع‌ها و مسیرهای پرترافیک قرار می‌گیرند با ارتباط گرفتن با مرکز می‌توانند چراغ‌های راهنمایی را در کنترل خود درآورند و مسیرها در اولویت استفاده از ماشین‌های اورژانس قرار بگیرند. در سیستم‌های پیشرفته این خودروهای اورژانس هستند که اطلاعات را به تقاطع مورد نظر ارسال می‌کنند و این توانایی را دارند که چراغ را در لحظه تغییر دهند. این کار در شهرهای بزرگ دنیا برای خودروها نیز به واسطه اعلام شدت ترافیک و ارائه پیشنهاد برای استفاده از مسیرهای جایگزین نیز مورد استفاده قرار می‌گیرد. وکیلی با اعلام اینکه متاسفانه سیستم‌های ترافیک در کشور ما کمتر مکانیزه و هوشمند هستند، اضافه می‌کند: برای اثبات این ادعا هم می‌توانید ببینید که تا چه اندازه ترافیک‌های بزرگ راهی ما منسجم هستند. بنابراین یکی از راهکارهای پیشنهادی تابلوهای راهنما است که به راننده اعلام می‌کند با توجه به شدت و ضعف ترافیک تا رسیدن به مقصد مورد نظر چقدر زمان صرف می‌شود که این کار به واسطه پردازنده‌ای که ترافیک را رصد کرده و سرعت یک خودرو را معیار قرار می‌دهد در برخی مسیرها تعیین می‌شود. در حال حاضر، در برخی خیابان‌های تهران مانند رسالت چنین تابلوهایی دیده می‌شود؛ اما به‌دلیل شدت ترافیک این زمان‌بندی معمولا دقیق نیست.

سرمایه‌گذاری پیش از اتلاف هزینه

درحالی‌که کشور از فقدان تجهیزات سیستم‌های هوشمند رنج می‌برد، در بسیاری از نقاط دنیا این امکان به دولت‌ها این اجازه را می‌دهد تا گره‌های ترافیکی را بهینه‌تر مدیریت کنند. به گفته مهندس عباس نعمت‌اللهی، کارشناس سامانه‌های هوشند کنترل ترافیک، آنچه در حال حاضر برای نسل آینده سامانه‌های هوشمند ترافیکی پیش‌بینی می‌شود ارتباط بین انسان و سیستم‌ها است که براساس اطلاعات سنسورها و آنچه طراح ارائه می‌کند، انجام می‌شود. او به «دنیای اقتصاد» می‌گوید: متاسفانه، شهرداری‌های بزرگ و ازجمله شهرداری تهران در ارتباط با فناوری‌های مدرن و های‌تک که هزینه‌بر هستند، اقدام موثری انجام نمی‌دهد و متاسفانه در ایران تفکری حاکم است که به مفهوم بهره‌وری و آنچه منافع ما را در آینده تامین می‌کند، اولویتی نمی‌دهد. مثلا شما رقمی را از میزان سوختی که خودروها در ترافیک مصرف می‌کنند و میزان وقتی که تلف می‌شود و میزان خسارتی را که بر اثر آلودگی هوا به دست می‌آید محاسبه و آن را تبدیل به ریال کنید که می‌توان آنچه را به دست می‌آید به عنوان هزینه‌های مجهز شدن زیرساخت‌ها پیش از آن سرمایه‌گذاری کنید. با این روش جلوی خیلی از هزینه‌های از دست رفته را خواهید گرفت. او در این زمینه کشور عمان را مثال می‌زند: در عمان سر هر چهارراه ۱۶ دوربین از جهت‌های مختلف کار گذاشته شده که از این طریق هم در کنترل ترافیک قادر به مدیریت هستید و هم تخلف‌های انسانی. این درحالی است که در چهارراه‌های کشور ما یک در میان دوربین وجود دارد که در بیشتر مواقع هم کار نمی‌کنند. این نشان‌دهنده عدم تمایل شهرداری و راهنمایی و رانندگی برای سرمایه‌گذاری در زیرساخت‌ها است. شبکه معابر یک سیستم کمک‌رسان هوشمند است که در نقاط کور ترافیک به خودروها اطلاع‌رسانی می‌کند تا برای در جریان قرارگرفتن میزان ترافیک مسیر و استفاده از مسیرهای جایگزین حق انتخاب داشته باشند. این مهم با استفاده از نظارت‌های ماهواره‌ای و GPS‌هایی است که شهروندان می‌توانند در خودروهایشان آن را تعبیه کنند. مسلما وقتی در این زمینه‌ها سرمایه‌گذاری نکنیم، آسیب‌های آن را هم خواهیم دید. او اضافه می‌کند: متاسفانه ما در استفاده از ابزارهای قدیمی مثل هدایت‌کننده‌های مکانیکی هم ناتوان هستیم. در گذشته راه‌اندازی سامانه تکنولوژیک ۱۱۰ انجام شد که کار خوبی برای بهبود ترافیک بود، اما همین پروژه هم متوقف شد و حالا می‌بینید که عملا خدمات‌رسانی امدادی در شهرهای بزرگ قفل شده است.

بهبود فناوری‌های مدیریت ترافیک در دانشگاه شریف

پژوهشگران دانشگاه صنعتی شریف با ارائه دو روش جدید برای تلفیق داده‌های ناهمزمان در شبکه‌های حسگر، گامی در توسعه فناوری‌های مرتبط با مدیریت ترافیک خودروها برداشتند.

به گزارش خبرگزاری مهر، تلفیق داده‌های ناهمزمان و پردازش آنها در فرآیندهای سرعت بالا، یکی از چالش‌های مهم در شبکه‌های حسگر است که این شبکه‌ها از حسگرهای مختلفی تشکیل شده‌اند و لازم است برای پردازش آنها در فرآیندهای سرعت بالا، اطلاعات این حسگرها با یکدیگر تلفیق شود.

بر اساس پایان‌نامه‌ای که به تازگی در دانشگاه صنعتی شریف به نگارش درآمده است، این‌گونه شبکه‌ها عمدتا در فناوری‌های مرتبط با مدیریت ترافیک خودروها در خیابان‌ها و جاده‌ها، همچنین در سامانه‌های مدیریت ترافیک هواپیماها و خودروهای سرویس‌دهنده به آنها در فرودگاه‌ها و در سامانه‌های دستیار راننده کاربرد دارند، چرا که در تمامی این فناوری‌ها لازم است متغیرهای مورد نیاز با خطای کم تخمین زده شوند.

پدیده ناهمزمانی در شبکه حسگرها از چالش‌های فنی جدی است که همواره مهندسان در این‌گونه شبکه‌های پیشرفته با آن دست به گریبانند. هادی طالبی، دانشجوی مقطع دکترا، تحت راهنمایی دکتر علی محمد افشین همت‌یار، استاد دانشکده مهندسی رایانه دانشگاه صنعتی شریف تلاش کردند در پژوهشی، دو روش برای تلفیق و رهگیری بی‌درنگ هدف‌های با سرعت بالا با فرض ناهمزمانی حسگرها، که نمونه‌ای عملی از کاربرد شبکه حسگرها در فرآیندهای سرعت بالا هستند ارائه کنند. بر اساس پایان‌‌نامه دکتر طالبی تحت عنوان: «تلفیق داده‌های ناهمزمان در شبکه‌های حسگر گسترده به صورت بی‌درنگ» روش نخست بر پایه تخمین زمان واقعی نمونه‌گیری است، هر حسگر از فیلتر کالمن خود استفاده کرده تا براساس داده‌های نمونه‌گیری شده، بهترین تخمین از متغیرهای حالت را به دست آورد.

خروجی فیلتر همراه با سنجه‌هایی از خطا برای کانون ارسال می‌شود. در آنجا با بهره‌برداری از داده رسیده از یک حسگر و نتیجه تلفیق داده‌های قبل و همچنین قانون تغییر فرآیند، زمان واقعی نمونه‌گیری داده رسیده، نسبت به محور زمان مرکز تلفیق تخمین زده می‌شود.