Eifeh Strom
a&s International

Skutkiem szybko postępującej urbanizacji na całym świecie są m.in. zatłoczone drogi. Aby przeciwdziałać narastającym problemom, miasta wdrażają systemy zarządzania ruchem, które wchodzą w skład inteligentnych systemów transportowe (ITS).

Zaawansowane systemy zarządzania ruchem (ATMS – Advanced Traffic Management Systems) w sposób ciągły monitorują drogi, przesyłając menedżerom ruchu mnóstwo cennych informacji. Na ich podstawie mogą oni podejmować właściwe decyzje zmierzające do rozładowania zatorów komunikacyjnych i upłynnienia ruchu.
Zdaniem analityków z MarketsandMarkets w 2018 r. segment ATMS miał największy udział w całym rynku ITS. I ma się to nie zmienić do 2023 r. Ogólny wzrost rynku wynika z konieczności poprawy bezpieczeństwa publicznego, narastających problemów z tworzeniem korków w ruchu drogowym oraz inicjatyw rządowych na rzecz skuteczniejszego zarządzania ruchem.

Zatłoczone drogi wymagają zaawansowanych systemów zarządzania ruchem
Monitorując drogi w sposób ciągły, systemy ATMS oceniają natężenie ruchu, wspomagają jego uczestników w dotarciu do celu, wykrywają wypadki, a także gromadzą dane statystyczne pomocne w poprawie płynności ruchu.
W roku 2018 kierowcy w najbardziej zatłoczonych miastach tracili nawet 272 godziny, stojąc w korkach. Przekłada się to na straty finansowe o wartości miliardów dolarów. Brak płynności ruchu stwarza też problemy związane z zarządzaniem kryzysowym, m.in. reagowaniem na wypadki, przyczynia się także do wzrostu zanieczyszczeń i emisji dwutlenku węgla.
Dzięki postępowi w zakresie technologii sieciowych, usługom w chmurze, oprogramowaniu zdolnemu do autooptymalizacji i ulepszonym interfejsom operatora w systemach zarządzania ruchem dostęp do informacji staje się łatwiejszy. Tym samym działania zmierzające do likwidowania zatorów drogowych mogą być szybsze i skuteczniejsze.

Zwiększanie płynności ruchu nie tylko skraca czas i poprawia jakość podróży, ale także zmniejsza ryzyko wypadków, usprawnia interwencje oraz ogranicza emisję CO2. Inwestując w technologie zarządzania ruchem, zarówno sprzętowe, jak i programowe, zdolne do generowania danych w czasie rzeczywistym oraz po ich przetworzeniu, miasta mają większe możliwości reagowania na sytuacje kryzysowe i angażowania się w planowanie optymalnej przepustowości dróg. Różne organizacje na całym świecie, na szczeblach zarówno regionalnym, jak i krajowym inicjują projekty mające na celu zmniejszenie zatłoczenia na drogach i poprawę bezpieczeństwa. Ze względu na wysokie koszty inwestycji i brak zaangażowania sektora prywatnego w niektórych regionach możliwości są jednak ograniczone.

Preferencje i potrzeby użytkowników
W obliczu coraz większych korków na drogach i ulicach miast oraz problemów z zarządzaniem ruchem sięga się po inne formy transportu, np. MaaS (Mobility-as-a-Service), czyli mobilność w formie usługi.

Zanim miasta wdrożą rozwiązania do zarządzania ruchem na drogach, muszą skupić się nie tylko na bieżących potrzebach użytkowników, ale także brać pod uwagę przyszłe zmiany.
Tradycyjne systemy zarządzania ruchem wykorzystują zarówno urządzenia, jak i inteligentne oprogramowanie, m.in. do analizy wizyjnej. Takie rozwiązania zazwyczaj składają się z kilku modułów: gromadzących informacje (czujniki, kamery, stacje pogodowe, czytników tablic rejestracyjnych itp.), dostarczających informacje dla użytkowników dróg (panele informacyjne, telefoniczne centra obsługi) oraz przetwarzających informacje (np. w zakresie czasu podróży, poziomu usług itp.). Dochodzą do tego centra zarządzania, które zbierają, przetwarzają i rozpowszechniają informacje przydatne dla użytkowników dróg.
W miarę jak miasta się rozrastają, przybywa mieszkańców i pojazdów, a ulice coraz bardziej się korkują, zarządzanie ruchem staje się coraz bardziej złożone. Z tego powodu dochodzi do zmian w zachowaniu osób dojeżdżających do pracy czy przemieszczających się. Miasto musi poznać te nowe wzorce, by sprostać potrzebom użytkowników dróg. Ważnymi aspektami zarządzania ruchem stają się: kontrola dostępu, kontrola jakości powietrza, podatek od liczby przejechanych kilometrów czy systemy premiowania określonego zachowania.

Do osiągnięcia tego celu niezbędna jest szersza automatyzacja zadań i wykorzystanie dostępnych technologii ułatwiających pracę operatora. Umożliwia ją postęp w obszarach wspomagania decyzji i prognozowania oraz dostępność coraz doskonalszych pulpitów nawigacyjnych dających wgląd w ruch drogowy w czasie rzeczywistym i większą świadomość sytuacyjną, dzięki czemu można podejmować bardziej przemyślane decyzje. Ważne jest też zarządzanie przestrzenią publiczną, m.in. miejscami parkingowymi, ulicami i drogami – zapewnienie dostępności do tych zasobów staje się coraz bardziej istotne, szczególnie na wjazdach do centrów miast.
Aby sprostać wyzwaniom, miasta muszą postawić na cyfryzację swoich usług. Wtedy informacje będą mogły być gromadzone na bieżąco, a użytkownicy uzyskają do nich bezpośredni dostęp. Zarządzający infrastrukturą muszą także potrafić analizować wielkie zbiory danych gromadzonych w czasie rzeczywistym, by zasilać nimi „inteligencję” zdolną poprawić sytuację na drogach.

Najważniejsze obecnie aspekty transformacji dotyczą jednak pojawiających się alternatywnych środków transportu, w tym tzw. mikromobilności (rowery publiczne, hulajnogi itp.) oraz mobilności w formie usługi (MaaS). MaaS integruje w ramach jednej platformy i konta użytkownika (na aplikacji w smartfonie) dostęp do całej oferty transportu publicznego, mobilności współdzielonej i na żądanie. Przewiduje się, że ostatecznie nowe modele obejmą również połączone w sieci samochody i pojazdy autonomiczne.
Strategia zarządców dróg i autostrad będzie ewoluować w kierunku oferty MaaS dla użytkowników samochodów. Obejmie ona inteligentne rozwiązania do pobierania opłat na drodze za dostęp do niektórych tras albo do wprowadzenia opłat modułowych i płatności w czasie rzeczywistym, których wysokość będzie zależała od warunków drogowych, dnia lub godziny, zajętości pojazdu itp. Radykalna zmiana doświadczeń z jazdy może nastąpić, gdy komunikacja stanie się bezpieczniejsza, a Internet Rzeczy (IoT) będzie stymulował rozwój połączonych i autonomicznych samochodów. Postęp technologiczny zapewni dostęp również użytkownikom do różnych informacji związanych z ruchem drogowym, pomagając w bezpieczniejszym prowadzeniu pojazdów.

Zmiany te po części wymuszają użytkownicy oczekujący wygodniejszych oraz łatwiejszych w zarządzaniu i kontroli środków transportu. Operatorzy autobusów, metra lub pociągów wkrótce będą dysponować zintegrowanym systemem zarządzania trasami, scentralizowanym oraz połączonym z informacjami dotyczącymi ruchu i podróżujących. Takim, w którym uczenie maszynowe i duże zbiory danych (big data) ułatwią redefiniowanie tras w czasie rzeczywistym lub wyznaczanie tras dostosowanych dla użytkowników różnych środków transportu.

Co decyduje o tym, że system zarządzania ruchem jest zaawansowany
Dodanie inteligentnych podsystemów do rozwiązań ATMS sprawia, że ich możliwości zarządzania zatorami komunikacyjnymi na drogach stają się jeszcze bardziej zaawansowane.

Systemy ATMS są już same w sobie rozwiniętą formą rozwiązania do zarządzania ruchem. Dołączenie do nich inteligentnych podsystemów czyni je jeszcze bardziej skutecznymi. Podstawowym celem ATMS jest likwidowanie zatorów komunikacyjnych poprzez efektywniejsze wykorzystanie istniejącej infrastruktury dzięki stosowaniu technologii wykrywania, komunikacji i przetwarzania danych.
System staje się jeszcze wydajniejszy i bardziej efektywny, gdy dodatkowo wdroży się takie kluczowe podsystemy, jak systemy wykrywania incydentów, systemy opłat za przejazd i systemy zarządzania parkingami. Obecnie jest on uzupełniany także o zaawansowane funkcje gromadzenia informacji z różnych źródeł danych (np. Google Maps), a także z aplikacji mobilnych zbierających anonimowe dane GPS. Kolejnych danych dostarczają stacje pogody i systemy rozpoznawania tablic rejestracyjnych (LPR).

Kluczowa dla osiągnięcia najlepszej wydajności ATMS jest integracja informacji i współpraca z systemami gromadzenia danych o ruchu na poziomach krajowym, regionalnym i lokalnym. Pomocna w tym jest rosnąca dostępność czujników i technologii, które można wykorzystać do gromadzenia informacji o ruchu. Integracja danych z wielu źródeł ma na celu poszerzenie wiedzy nt. bieżącego stanu ruchu. Wymiana i zbieranie informacje może dotyczyć samych pojazdów – z pomocą przychodzi tu technologia połączonych samochodów, czyli inteligentnych aut skomunikowanych z Internetem.

ATMS nie jest już tylko systemem sterowania i kontroli ruchu, musi także zarządzać i przetwarzać ogromne zbiory danych dostarczanych z urządzeń Internetu Rzeczy (IoT) oraz rozwiązań V2X (vehicle-to-everything). System ATMS musi ewoluować, aby uwzględnić możliwości komunikacji pojazdów z pojazdami za pośrednictwem V2X, bez udziału tradycyjnej infrastruktury drogowej. V2X zmienia sposób zarządzania ruchem oraz interakcji z pojazdami i kierowcami.
Teraz, gdy rozwiązania V2I (vehicle-to-infrastructure) zyskały wyraźną ścieżkę rozwoju i wdrożeń, będą stanowić szkielet bezpośredniej interakcji z pojazdami i kierowcami uzupełniając zadania aplikacji bezpieczeństwa V2V (vehicle-to-vehicle).

Uczenie maszynowe i uczenie głębokie jako miary inteligencji
Dzięki pogłębionej analizie danych dotyczących ruchu systemy zarządzania stają się bardziej inteligentne i efektywne.

Rozpoznawanie tablic rejestracyjnych (LPR) jest najbardziej znaną i szeroko wykorzystywaną w systemach zarządzania ruchem technologią analizy wizyjnej. Znajduje zastosowanie w systemach kontroli dostępu, billingu i rozwiązaniach security. W miarę rozwoju sztucznej inteligencji coraz powszechniej wykorzystuje się także uczenie maszynowe (machine learning) i głębokie (deep learning).
Dzięki temu w systemach zarządzania ruchem dostępna jest bardziej zaawansowana analityka wizji. Najczęściej dotyczy wykrywania w czasie rzeczywistym nietypowych sytuacji na drodze – nieoczekiwanego zatrzymania się pojazdu, tworzenia się kolejki samochodów, pojazdu jadącego pod prąd itp.

Ważne jest także gromadzenie statystycznych danych o ruchu, m.in. zliczanie i klasyfikacja pojazdów, określanie ich średniej prędkości, odległości między pojazdami itp. W warunkach miejskich przydatne będą też dodatkowe funkcje analizy obrazu, np. zarządzanie oświetleniem czy określanie zajętości miejsc parkingowych.
Po dokonaniu modyfikacji i uzupełnień istniejącego ekosystemu sprzętowego zaawansowaną analitykę wizji można zastosować także w starszych systemach. W tym celu w centrum danych trzeba wdrożyć serwery zdolne do obsługi uczenia maszynowego. Zainstalowane na nich oprogramowanie przetwarza informacje z kanałów wizji i zgodnie z wymaganiami klienta stosuje reguły określone dla danego użytkownika.
Analityka wizji oparta na standardowym komputerowym rozpoznawaniu obrazu z użyciem kamer, których głównym celem jest monitoring wizyjny, nie może w pełni wykorzystać swojego potencjału. Umożliwia to dopiero integracja technologii deep learning z profesjonalnym systemem analizy obrazu.

Pozytywny wpływ na systemy zarządzania ruchem ma również zaawansowane przetwarzanie wizji na brzegu sieci bądź przetwarzanie scentralizowane. W celu ograniczenia wielkości strumieni wizyjnych w sieciach obciążonych lub o niskiej przepustowości obecnie w kamery wbudowuje się procesory o większej mocy obliczeniowej lub przetwarza dane w systemach lokalnych. Dotyczy to zwłaszcza obszarów miejskich o rozproszonej architekturze i niewystarczającym zasięgu sieci, gdzie wdraża się wbudowane rozwiązania analityczne. Wyniki analiz są przekazywane z terenu do systemów wyższego poziomu w centrach zarządzania ruchem.
Obecnie modele uczenia maszynowego, wytrenowane przez programistów na komputerach z odpowiednimi zasobami GPU, mogą być przenoszone na maszyny lokalne o słabszej mocy.

Gdy analiza obrazu staje się coraz bardziej złożona, to właśnie uczenie maszynowe i głębokie umożliwiają skuteczne wykrywanie zdarzeń. Uczenie maszynowe optymalizuje algorytmy analizy, eliminując wady tradycyjnych technik. Identyfikuje wzorce, ciągle ucząc się systemu, i poprawia na bieżąco efektywność działania. Jest to szczególnie istotne w trudnych warunkach zewnętrznych, w jakich działają systemy zarządzania ruchem. Uczenie maszynowe wspomaga rozpoznawanie tablic rejestracyjnych nawet, gdy mają zakryte lub brudne fragmenty, usuwa fragmenty obrazu z zakłóceniami, eliminuje informacje spowodowane cieniami w ciągu dnia i poprawia wiarygodność danych dostarczanych w nocy. Ten ciągły cykl uczenia się i aktualizowania zwiększa możliwości predykcyjne systemu oraz zapewnia dokładniejsze wyniki.
Dostosowywanie głębokiego uczenia i uzyskiwanie bardziej zaawansowanych funkcji polega na przeprowadzaniu przez człowieka treningów w celu stworzenia modeli rozpoznawania, które mogą znaleźć szersze zastosowane. Inteligentne kamery można połączyć z tradycyjnymi czujnikami i uzupełniać informacje o atrybuty dodatkowe, dotyczące stref wejścia/wyjścia, oceny ryzyka wypadku, analizy zachowania i alertów. Wzbogaca to systemy zarządzania mobilnością o dane niestandardowe.
Co ważne, system analizy obrazu nie powinien być traktowany jako samodzielne rozwiązanie, ale jako część bardziej złożonej architektury zarządzania ruchem. Działa on w ścisłej integracji z innymi elementami (pamięcią masową, urządzeniami sieciowymi, systemem VMS, SCADA, platformą ITS itp.), które trzeba dostarczyć i wdrożyć.

Zaawansowane technologie kamer usprawniają zarządzanie ruchem
Postęp w technologiach kamerowych, a jednocześnie bardziej przystępne ich ceny pozwalają włączyć je do rozwiązań zarządzania ruchem.

Jak wynika z raportu MarketsandMarkets, segment kamer dozoru wizyjnego na globalnym rynku zarządzania ruchem osiągnie największy potencjał do 2023 r. Analitycy zwracają uwagę na korzyści, jakie kamery oferują osobom dojeżdżającym do pracy. Dostarczają ważne dane o ruchu i pojazdach, monitorując ruch uliczny i rejestrując jego wzorce na potrzeby analiz, ale mogą też wystawić mandat za naruszenie przepisów ruchu drogowego.
Przetwarzanie obrazów i monitoring wizyjny wiążą się z wieloma możliwościami w rozwiązaniach zarządzania ruchem. Otwierają się teraz, gdy procesory stają się coraz wydajniejsze, pamięć masowa tanieje, a wbudowane funkcje analityczne upowszechniają się. Tradycyjne kamery monitorujące drogi mają jednak wiele wad, jeśli chodzi o całodobowe zarządzanie ruchem. Widoczność może być utrudniona w zależności od pory i warunków zewnętrznych – słabego oświetlenia w nocy albo gdy urządzenie jest skierowane bezpośrednio na słońce, a także przy niesprzyjających warunkach atmosferycznych, co wpływa na skuteczność wykrywania i dokładność pomiarów.

Kamery termowizyjne, w przeciwieństwie do kamer działających w świetle widzialnym, są mniej podatne na warunki zewnętrzne, takie jak pogoda i oświetlenie. Ich ceny znacznie spadły w ostatnich latach. W rezultacie te rozwiązania na rynku monitoringu miejskiego i monitorowania dróg stały się bardziej dostępne dla klientów. Niektórzy producenci w swoich kamerach integrują obie technologie.
Rośnie także popyt na radarowe systemy pomiaru ruchu. Taki radar to nic innego jak czujnik mikrofalowy (lub laserowy), który mierzy prędkość i wykonuje zdjęcia samochodów poruszających się powyżej określonej prędkości. Dodanie funkcji radaru i obrazowania termowizyjnego do tradycyjnej kamery poprawia skuteczność wykrywania pojazdu, zwłaszcza w warunkach słabego oświetlenia w nocy. Na popularności zyskują też kamery panoramiczne 360 stopni, z obiektywem typu „rybie oko” lub wieloprzetwornikowe. Takie urządzenia mogą zapewnić pełny widok skrzyżowania. Ich cena także przestaje być barierą.

Systemy sieciowe muszą obsłużyć cały transfer danych pochodzących ze wszystkich kamer. Przykładowo we wdrożeniu drogowym obejmującym 500 kamer sieć dla przekazu HD z jednej kamery będzie musiała zapewnić przepływność od 4 do 8 Mb/s. Do rejestrowania w czasie rzeczywistym obrazów ze wszystkich 500 kamer będzie więc potrzebne w centrum monitoringu pasmo 4 Gb/s. Wdrożenie sieci mogącej je zagwarantować nie jest już dzisiaj żadnym problemem. Nie można jednak zaniedbywać tego obszaru, bo przy braku odpowiednich systemów sieciowych trudno będzie uzyskać oczekiwaną wydajność i efektywność kamer oraz całego systemu zarządzania ruchem.

Inteligentniejsze rozwiązania do pobierania opłat poprawiają przepływność na drogach
Systemy opłat drogowych diametralnie zmieniły się od czasów, gdy istniały tylko rozwiązania wymagające zatrzymania się kierowcy w punkcie poboru opłat i fizycznego zapłacenia należnej kwoty. Dzięki wykorzystaniu technologii rozpoznawania tablic rejestracyjnych oraz RFID elektroniczny pobór opłat (ETC) zyskuje na popularności na całym świecie.
Według analityków z MarketsandMarkets globalny rynek rozwiązań ETC ma do 2023 r. osiągnąć wartość 20,7 mld USD, przy średniej rocznej stopie wzrostu na poziomie 8,5 proc. Za rosnącą popularnością tych systemów stoją m.in. działania mające na w celu ograniczenie zatorów komunikacyjnych i usprawnienie ruchu drogowego. Elektroniczne systemy opłat za przejazd są wdrażane również w celu sfinansowania nowej infrastruktury drogowej i utrzymania istniejącej. Te czynniki, obok wielu innych korzyści, będą w dalszym ciągu stymulować wzrost światowego rynku ETC.