что такое трафик на дороге
Как навигатор собирает информацию о пробках. По количеству смартфонов? Важные ответы
Одна из самых удобных и полезных функций навигатора – показ пробок на дорогах. Даже если вы идеально знаете город, лучше него не сможете проложить оптимальный маршрут с учетом заторов.
Но у навигатора нет своих собственных глаз. Каким образом эти приложения понимают, где образовалась пробка?
Разбираемся, как это работает.
Откуда вообще навигатор берёт данные о пробках?
Есть два типа данных, которые работают в совокупности и помогают картографическим сервисам понять, где образовывается дорожный затор.
Для начала, у навигатора на сервере есть база знаний: информация о дорогах на карте, скоростных ограничениях и правилах проезда, дорожных знаках, POI (points of interest) – особых объектах, от супермаркетов и достопримечательностей до постов ГИБДД и дорожных камер.
Это условно статические данные, они не меняются мгновенно. Разве что кусок дороги закроют на ремонт или откроют новую заправку.
Динамические данные не менее важны. Это информация о дорожной ситуации, которая постоянно меняется. Координаты автомобилей, сообщения водителей и пассажиров, отметки о ДТП и так далее. Всё это динамические данные.
Что для навигатора называется пробкой?
В целом, пробка – это когда сравнительно много машин движется по дороге с небольшой скоростью (вплоть до нулевой). Но в этом определении есть два допущения:
Во-первых, что такое сравнительно много машин? В каждой навигационной программе этот параметр задается по-своему. Но в любом случае если одна машина едет по проселочной дороге со скоростью 10 км/ч, навигатор здесь пробку не покажет – слишком мало данных.
Во-вторых, что такое небольшая скорость? Та, что значительно меньше средней и/или максимально разрешенной на этом участке дороги. Как быть в ситуации, если на участке разрешено ехать 60 км/ч, но поток едет 30 км/ч практически всегда?
От сервиса к сервису, эти допущения различаются. Точные данные никто не раскрывает, ведь это основы алгоритмов, и их хранят в секрете. К тому же они вариативны и могут изменяться даже в реальном времени в зависимости от сезонности, времени суток, общей ситуации на дороге и так далее.
Откуда навигатор получает динамические данные?
Когда вы устанавливаете навигационное приложение, активируете GPS и подключаетесь к сети, то автоматически отправляете данные на сервер навигационной системы. Во многих приложениях можно также создавать сообщения и информировать о ДТП, засадах полиции и т.д.
Например, в Яндекс.Картах и Яндекс.Навигаторе можно поставить в настройках галочку “Сообщать о пробках” и передавать свои данные в сервис Яндекс.Пробки. Стандартный набор: ваши координаты (широта и долгота), скорость, направление движения.
Данные всегда обезличены. Сервис не знает вашего имени, номера вашего авто и т.д. Информация, которую передает приложение, не привязывается к вашей учетной записи. Но трек (след движения по карте) строится для конкретного объекта.
Сообщения с данными отправляются каждые несколько секунд. Старые данные удаляются и не участвуют в расчете.
Сервис Яндекс.Пробки получает данные не только от обычных водителей, но и от компаний-партнеров. Это службы такси, доставки и другие фирмы, машины которых регулярно ездят по городу.
Наконец, информация берется с датчиков на дорогах. Их устанавливает и обслуживает ЦОДД (Центр организации дорожного движения) и другие ведомства.
Но датчики есть лишь в крупных городах (на Москву примерно 7 тыс. устройств). К тому же автомобилистов с навигаторами куда больше.
Как навигатор анализирует данные других пользователей
Обработка данных от всех доступных источников всегда происходит на сервере. В приложении-клиенте (то, что видите вы на экране смартфона) лишь выдается готовый результат.
Если платформа видит, что на каком-то участке карты скорость автомобилей массово уменьшается, она пересчитывает загруженность дорог. Соответственно, перерисовывается карта с учетом интенсивности движения и пробок.
Сообщения об авариях, постах и тому подобном тоже анализируются. Когда один пользователь ставит отметку, другие участники, которые находятся неподалеку, могут её подтвердить или опровергнуть.
Таким образом, не получится заспамить карту ложными сообщениями. А когда последствия ДТП уберут с дороги, исчезнет и отметка о нем.
Обычно системы анализируют карты по кластерам: исследуют данные на небольших участках, а затем сопоставляют их с информацией от “соседей”. Это позволяет распределить нагрузку и обновлять карту чаще.
Треки автомобилей, которые едут по одному участку в одинаковом направлении, объединяются по совпадающим отрезкам. Скорости усредняются, и это дает понимание дорожной картины.
Важный момент: новые данные не полностью перекрывают старые. Просто у старых данных обычно меньший вес при принятии решения на сервере.
Именно поэтому машина, которая едет на “аварийке” со скоростью 10 км/ч, не заставит систему думать, что образовалась пробка. Но когда медленных машин станет больше, навигатор покажет затор.
Как навигатор понимает, в каком ряду вы едете и почему тормозите?
Средняя точность GPS – 6-8 метров, а в условиях плотной застройки ещё меньше. Так что приложение не может определить, в каком ряду вы едете. Но может подумать, что вы врезались в столб или прошли сквозь угол здания.
Если приложение будет строить ваш трек четко по полученным от вас координатам, получится что-то странное. Поэтому система аналитики навигатора сопоставляет ваши динамические данные со статической картой города и, учитывая знаки и разметку, оптимизирует ваш трек.
Навигатор понимает, что вы не могли выехать на тротуар или встречную полосу, а затем продолжить двигаться с прежней скоростью. Поэтому ваш путь на карте выглядит нормальным.
Кроме того, вы можете замедлиться перед въездом во двор или на парковку. Но приложение поймет это, проанализировав поведение водителей, которые едут рядом с вами, и не будет рисовать здесь пробку.
С другой стороны, если кто-то решил объехать пробку по обочине или по полосе для общественного транспорта, его скорость разбавит общую картину. И дорога, к примеру, может из красной стать желтой.
Отчасти погрешность GPS, ГЛОНАСС и других навигационных систем снижается за счет A-GPS и определения положения по вышкам мобильной связи и Wi-Fi. Но уже через несколько лет, с обновлением спутников и технологий позиционирования, проблема должна исчезнуть.
Как навигатор отличает водителей от пешеходов?
Действительно, если объект движется вдоль дороги со скоростью 5-6 км/ч, это может быть и не машина в пробке, а пешеход. Как отличить авто от пешехода?
Платформа на сервере анализирует скорость объекта в течение какого-то времени. Затем она сравнивает характер движения и находит признаки пешехода или автомобиля.
К примеру, пешеход вряд ли сможет идти быстрее 10 км/ч (это скорость вполне бодрого бега). А автомобиль со средней скоростью 10 км/ч будет двигаться в пробке неравномерно: часть времени стоять, часть – достаточно быстро подъезжать к впереди стоящему, а в отдельные моменты разгоняться до куда больших скоростей.
Почему это важно? Платформа должна отсеивать данные от пешеходов и показать реальную скорость движения авто в городе.
Как рассчитываются баллы пробок?
Чтобы водителю было проще ориентироваться в карте с учетом загруженности дорог, скорости на различных участках показывают цветом. К примеру, Яндекс.Навигатор берёт данные из сервиса Яндекс.Пробки. Это отдельный слой данных, интегрированный в общую систему Яндекс.Карт.
Включить этот слой можно кнопкой “Дорожная ситуация”. Если данных о пробках нет или они не нужны, слой просто не показывается.
В крупных городах пробки также отображают в баллах: 0 – пробок нет, 10 – пробки максимальные. Баллы означают следующее:
Навигационная платформа рассчитывает, за сколько водители в среднем проезжают определенные участки по пустой дороге. Это время считается эталонным и пересчитывается, в общем-то, редко.
Затем эталонные значения сравнивают с фактическими. Полученные значения проецируют на шкалу пробок для конкретного города.
Для каждого города при расчете баллов используются свои коэффициенты. Например, если в Москве вы потратите на дорогу вдвое больше времени, чем если бы ехали ночью по пустому шоссе, это пять баллов.
В Санкт-Петербурге аналогичные заторы оценят в 6-7 баллов, ведь здесь максимальные пробки меньше.
Навигаторы становятся умнее с каждым днём
Навигационные платформы накапливают данные, чтобы точнее рассчитывать время в пути по определенному маршруту. Эти данные помогают предсказать, где вскоре образуется пробка, и объехать её.
Применяются и технологии искусственного интеллекта. Они позволяют связать, казалось бы, несвязанные события – настоящее машинное обучение на той самой «биг дате». К примеру, если система постоянно будет видеть, что пробка на одном перекрестке приводит к разгрузке определенных маршрутов, она заранее поведет вас по ним.
На той же Яндекс.Карте есть режим “Дорожная ситуация”. По нему можно посмотреть прогноз пробок в определенный день и время. Это поможет спланировать свой день и не терять слишком много времени на дорогу.
Конечно, внезапные ДТП и заторы из-за отключившихся светофоров могут нарушить все планы. Но в целом прогнозы Яндекс.Пробок и Google Maps работают довольно точно.
Почему уровни пробок в разных сервисах отличаются?
Прежде всего, что для одного сервиса – зеленый уровень пробок, для другого желтый. Нет единых стандартов.
Кроме того, чем больше пользователей у навигатора, тем больше данных получает платформа и тем точнее картина. Если одним навигатором пользуются 10 водителей в потоке, а другим – один, причем едет он с минимальной скоростью, то сами понимаете, где данные будут объективнее.
Наконец, для обработки и передачи данных даже в одной навигационной платформе используется множество серверов. В результате вы можете параллельно открыть две вкладки с пробками в браузере, и даже они будут отличаться. Так происходит потому, что данные поступают с разных серверов.
А почему до сих пор можно попасть в пробку, которой нет на карте?
Сбор и анализ данных занимает время. Старые данные влияют на свежие. Сегодня не существует единственно верного способа, который бы позволил навигационной системе показывать загрузку дорог действительно в режиме реального времени.
Карты всегда обновляются с небольшим опозданием – от 1-2 до 5-10 минут. Поэтому именно вы, попав в пробку, можете первым передать данные навигационной платформе. Она накопит некоторое количество подобных сообщений и покажет пробку всем.
Есть ли жизнь без пробок
По дорогам России курсирует более 42 млн автомобилей, по данным за 2018 год. Значительная часть российского автопарка приходится на города, где автомобили конкурируют за место на улицах с другим транспортом и пешеходами. Как следствие — регулярные пробки, из-за которых обычные жители теряют терпение и время, а бизнес — деньги. Новые ИТ-решения позволяют построить будущее без пробок и заторов.
Как рождаются пробки
В реальной жизни от автомобильных пробок избавиться нельзя, считает Всеволод Морозов, руководитель группы системного анализа компании «А+С Транспроект». « Пробки – обратная сторона роста уровня благосостояния, так как автомобильных пробок нет там, где подавляющая часть населения не может позволить себе машину. Другое дело, что понятие «заторов» в разных городах отличается – то что для Мюнхена является критической ситуацией, условно, в Стамбуле – хорошая дорожная обстановка», – говорит эксперт.
От пробок чаще страдают крупные города. Это связано и с большим количеством автомобилей у жителей, а также необходимостью обеспечить работу городского и коммунального транспорта, не говоря уже про пешеходное движение. Еще одна причина пробок – архитектурные просчеты. Например, когда после второй мировой войны отстраивались города Советского союза, никто из архитекторов не мог предположить, что через полвека количество автомобильного транспорта вырастет в разы.
Но даже сейчас у архитекторов часто нет понимания, как решить проблему с трафиком.
Количество часов, потерянных в пробках водителями в разных городах
Ключевая причина транспортных проблем заключается в неоднозначной градостроительной политике, которая разрешает строить многоэтажные гетто как на окраинах, так и в черте города. При этом вопросы транспортного обслуживания данных территорий никак не решаются. Как вариант возможного решения проблемы заторов нужно полностью сменить парадигму, как градостроительного развития, так и мобильности населения.
Но есть и еще один вариант решения проблемы. Это применение ИТ-разработок и «умных» технологий. «ИТ позволяют решить проблему с пробками за счет грамотного распределения трафика. Сейчас широко применяются решения, которые отслеживают нагрузку на участки дорог через датчики и камеры наблюдения. Но это только информация, которая позволяет осознать проблему, понять, какие узкие места на дорогах создают пробки и как с этим бороться», — рассказывает профессор математики, эксперт по созданию интеллектуальных автоматизированых решений Владимир Крылов.
По его словам, информационные технологии просто необходимо использовать в городах и на магистралях. В первую очередь для того, чтобы получать достоверные данные о нагрузках на дорожную сеть. Иными словами, камеры, датчики позволяют узнать количество машин на дороге, время их прохождения через контрольные точки и моментально оценивать возникающие заторы. Вторая задача ИТ — автоматически воздействовать на ситуацию, чтобы ускорить транспорт.
Как ускорить транспорт
Кроме планирования городской инфраструктуры, с пробками можно бороться разными способами. Например, грамотно регулируя транспортные потоки с учетом времени суток, дорожной обстановки и других факторов. Традиционно в городах применяют общую систему регулирования трафика с помощью знаков и светофоров. Знаки — это пассивный способ где-то замедлять поток, где-то ускорять и тем самым минимизировать риск образования пробок. Что касается светофоров, то они работают по специальным программам, которые контролирует служба по организации дорожного движения.
«Используется ИТ-платформа, которая включает в себя аппаратную и программную часть. Управление трафиком строится на множестве показателей. Например, учитывается время суток, параметр стандартной загруженности конкретного уличного участка, дополнительно датчиками считывается реальная дорожная ситуация. Платформа позволяет гибко применять так называемую «зеленую волну», чтобы предупредить создание пробки или, например, решить проблему с затором, который возник из-за дорожного происшествия, и транспорт начал скапливаться в определенной точке, нарушая ритм движения», — говорит технический специалист Дмитрий Паршин.
Раньше специалисты службы по организации дорожного движения настраивали программы светофоров фактически вручную, без учета дополнительных данных. Проще говоря, в зависимости от времени суток светофор включался в одном режиме, затем менялся вечером. Сейчас уличное движение — это полноценное ИТ-решение, которое позволяет учитывать множество факторов и данных с приборов и датчиков.
Доктор технических наук, профессор МАДИ, директор Института транспортного планирования Российской академии транспорта Михаил Якимов считает, что к решению проблемы с пробками нужно подходить комплексно. «Не стоит выделять в отдельную задачу или в проблему управление транспортными потоками в современном мегаполисе. Сама цель или задача может быть сформулирована гораздо шире – это максимально эффективное удовлетворение транспортных потребностей жителей мегаполиса», — говорит он.
Чего же не хватает для решения проблемы с пробками? Ведь есть работающая ИТ-система, с применением приборов и датчиков, есть автоматизированное регулирование потоков. Эксперты говорят, что проблема не решается из-за отсутствия механизмов прямого воздействия на транспорт. Проще говоря, автоматизированная система не может перекрывать улицы или задавать транспорту объездные маршруты в реальном времени. Для этого нужно перейти на новый этап развития ИТ-технологий.
Можно ли без ИТ
Эксперты считают, что проблема пробок не решается только техническими инструментами. Нельзя изобрести чудо-светофор или поставить датчики на дорогах, чтобы транспорт в городе забегал без проблем. Технологии управления де-факто находятся на втором месте.
Способы решения задачи регулирования дорожного движения и управления транспортными потоками зависят от политик градостроительства, транспортного обслуживания. И здесь существуют разные подходы:
Директор Института транспортного планирования Российской академии транспорта полагает, что чаще всего вопросами эффективного управления транспорта заняты богатые страны, в которых зарегистрировано больше количество личных авто. К этим странам можно отнести США, Великобританию, часть европейских государств. Именно страны и города в этих странах стоит считать полигонами, на которых впервые опробовались основные подходы по управлению и регулированию дорожным движением.
«Без ИТ решить проблему с пробками можно, только если раскатать во всех городах широкие дороги, на которых транспорт не будет скапливаться. А ведь машин становится все больше и больше, значит, и дороги должны становиться шире и шире, особенно если отказаться от развития умных систем регулирования. Другой вопрос, может ли позволить себе Москва снести жилые здания или другие постройки ради широких дорог. Думаю, что без ИТ-систем обойтись не получится», — отмечает Владимир Крылов.
Почему нет программы «из коробки»
Казалось бы, за долгие годы борьбы с пробками можно было разработать универсальное программно-техническое решение. Городские власти с удовольствием бы купили «коробку от пробок» с набором, скажем датчиков, светофоров и камер. Но увы, подобных решение просто не существует. «Таких ИТ-решений нет и быть, в принципе не может. Все дело в том, что в России нет универсальных городов. Каждый город не похож на другой по архитектуре и транспортному наполнению. Соответственно сложно предложить, какое-то техническое решение, которое устроит всех. Даже сегодня, когда мы говорим о том, что искусственный интеллект может обрабатывать большие объемы данных и, по сути, управлять городским трафиком, нельзя обучить один искусственный мозг для всех городов. В каждом случае потребуется обучать ИИ на примере конкретных улиц и транспортных потоков», — считает технический специалист Дмитрий Паршин.
Улицы города — это огромная база данных. Но нужно перенести ее в цифровую форму, чтобы компьютерные системы и искусственный интеллект смогли ее проанализировать. Для этого требуются датчики и единая система «умный город». Доступ к такому цифровому профилю умного города позволит появится решениям, которых пока нет, в том числе для управления трафиком. Например, идея компании Philips в том, чтобы к уже существующим методам регулирования трафика добавить управление «светом», рассказывает ведущий специалист Philips Research Александр Синицын. Уже тестируется модель, при которой направлять транспорт можно будет через специальные световые табло и освещение улиц. Именно с помощью света, освещая или затемняя определенные районы, технологическая компания намерена бороться одновременно и с преступностью и с пробками.
Города поумнеют, а дороги?
Идея интегрировать искусственный интеллект в городскую инфраструктуру широко эксплуатируется. Уже несколько лет крупные компании разрабатывают системы для автоматизации управления городскими системами. Например в Великобритании, на отдельных трассах, под дорожным полотном установлена система датчиков. Она позволяет диспетчерам следить за загрузкой дороги. Система называется Midas или Motorway Incident Detection and Automatic Signalling.
Еще одно необычное решение описывает патент, который был подан корпорацией Ford, — применение криптовалюты и технологии блокчейн для управления трафиком. Фактические речь идет о стимулировании водителей за определенное поведение на дороге. Например, за проезд по участку дороги с заданной скоростью водителю будет начислено вознаграждение в виде криптовалюты. Заработать премию можно за манеру вождения или внимательное отношение к водителям других транспортных средств. Компания Ford предлагает внедрить «совместно управляемую систему объединения и проезда» ( CMMP ). Она должна мониторить, записывать и оценивать поведение участников движения на дорогах.
Другой автогигант Volkswagen пошел еще дальше и намерен разработать квантовый компьютер для анализа дорожной обстановки. Издание Engadget, считает, что квантовый компьютер заменит текущие модели трафика, разрабатываемые суперкомпьютерами.
Еще один проект по строительству «умных» дорог реализуется в Москве. Система уже построена и, по данным РБК, включает 3,7 тысяч датчиков мониторинга транспортных потоков, 2,6 тыс. светофорных объектов (в столице около 40 тыс. светофоров), 236 дорожных табло, 2,7 тыс. камер телеобзора и 48 метеостанций. Примечательно, что буквально на днях структура «Ростеха» выиграла тендер на обеспечение работы этой системы стоимостью в 17 млрд рублей. Суть решения, которое работает в Москве и России, в сборе и анализе данных о дорожной обстановке. На основании этого анализа принимаются решения по управлению трафиком. Данные о нагрузке собираются через видеокамеру или датчики движения — по количеству машин, которые пересекли определенную линию. Датчики нужны прежде всего для сбора данных, но информацию с них еще нужно обработать и на ее основе принять решение — включить или выключить светофор, перекрыть въезд или наоборот открыть новые линии для проезда транспорта. Однако лучше всего, считают эксперты, если поумнеет не дорога или города, а сам транспорт.
Беспилотный транспорт и интернет машин
Действительно, беспилотный транспорт — элегантное решение всех проблем городского трафика, считает Владимир Крылов.
«Несомненно выдающиеся успехи ИИ в поддержке автопилотов четвертого уровня (не требующих внимания водителя). Беспилотные автомобили сегодня реальность. Следующий шаг внедрения ИИ в транспортную область мне видится как развитие транспортных систем, на основе обменивающихся информацией подвижных средств и предметов окружения: дорожных знаков, светофоров, мостов, сооружений, участков дороги. Никакая другая технология, кроме ИИ не представляется решением для координированного и безопасного поддержания таких систем. Кстати, общее название этого направление разработок — Connected Vehicles », — говорит Владимир Крылов.
Использование беспилотных автомобилей и системы подключаемых объектов дорожного окружения кардинально изменит ситуацию на дорогах. Нас ждет «интернет-машин», по аналогии с «интернетом вещей», где приборы свободно обмениваются между собой информацией.
Кстати, на днях предприниматель Илон Маск представил специальный чип, которые ускорит производство автопилотируемых авто. К 2020 году миллион автомобилей получит полноценный беспилотный режим.
Искусственный интеллект получит возможность не просто манипулировать светофорами, но и перенаправлять транспортные потоки, фактически гибко изменять нагрузку на дорожную сеть. Через несколько лет проблема с пробками на дорогах может решиться окончательно.