Транспорт – ключевая система городского организма, которую можно сравнить с кровообращением. Для соответствующего выполнения связывающей, коммуникационной и обеспечивающей функции необходимо осуществлять качественное управление транспортной системой. Возникает необходимость нового подхода в регулировании транспортной сети города и в этих условиях для оптимизации транспортных потоков, управления миграционными внутригородскими процессами, обеспечения более эффективного использования дорожного фонда целесообразно рассмотреть использование возможностей больших данных. Эти данные – сильнейшая движущая сила современного умного города. Чтобы получить доступ к релевантной информации, которая позволит строить долгосрочную управленческую политику, город наполнен датчиками, сенсорами, видеокамерами с подключением к высокоскоростной инфраструктуре передачи данных. О том, как именно Big Data помогает в решении вопросов, связанных с безопасностью и качеством автомобильных дорог, рассказал Вячеслав Лукин– Генеральный директор компании Edge Vision. Компания более трех лет занимается аналитикой транспортных потоков, используя технологии компьютерного зрения. Вячеслав рассказал о некоторых кейсах, которые были включены в программу «Развитие транспортной системы, приказ №129 от 30.04.19» Министерства транспорта Российской Федерации. Он отметил, что в рамках проекта развивалось несколько направлений работы: оптимизация транспортных потоков, создание достоверной базы данных, повышение безопасности городских объектов, аналитика состояния и покрытия дорог и увеличение эффективности парковочных зон. «Наиболее проблемный для России кейс – оптимизация стоимости содержания дороги. Зачастую, выделенного бюджета на содержание дороги либо не хватает, либо он заканчивается раньше определённого срока, либо не удается обеспечить необходимый уровень содержания дороги. Проблема лежит достаточно глубоко и, помимо ошибок в расчетах бюджета, следует учитывать, что состояние покрытия дороги ухудшается не линейно. При появлении дефектов на дороге, вкладывать средства в содержание дороги либо уже поздно, либо неэффективно. Оставшееся время эксплуатации дороги при появлении видимых нарушений составляет менее 20%. Более эффективно содержать дороги можно с помощью сбора статистики. Например, автономный видеокомплекс, установленный на федеральной трассе, собирает информацию по транспортному потоку, по интенсивности движения, по классификации автомобилей, по средней и максимальной скорости. Структура транспортного потока и его интенсивность значительно влияют на состояние дороги, поэтому для проактивных действий необходимо владеть данной информацией. В Европе такие подходы используются давно и они показали на практике, что можно достигнуть более 50% экономии на содержании дороги при правильном планировании активностей по содержанию дороги. Traffic-based вместо time-based подхода позволяет реагировать на опережение» — считает эксперт.

Технологии big data помогают и в вопросах  оптимизации транспортных потоков. Основная сложность, по мнению Вячеслава, заключается в том, что «оптимизация» предполагает действие, направленное на улучшение чего-то, что работает уже сейчас. «Зачастую, «real-time» данных, на базе которых можно делать выводы и принимать решения, попросту нет» — признался эксперт. Вячеслав отметил, что сбор данных для планирования дорожной сети происходит в ручном режиме, тем самым, этот подход более подвержен человеческому фактору: «Оценить ситуацию в моменте во всем городе становится просто невозможно. Для того чтобы начать оптимизацию нужен фундамент, понимание количества автомобилей, распределения движения на перекрестках и количества пешеходов. С помощью существующих камер, которые установлены на перекрестках можно собирать нужную информацию, получать данные по транспортным потокам и по их распределению. Интеллектуальное управление движением дает не только актуальную информацию по распределению потока, но и способно адаптивно управлять светофорами и реверсивным движением для увеличения пропускной способности одного направления в определенные часы. Пилотный проект в Москве на Алтуфьевском шоссе является примером применения механизма адаптивного управления светофором для увеличения средней скорости потока. Как показал результат, скорректированный план светофоров помог улучшить среднюю скорость транспортного потока и на 15% увеличил пропускную способность перекрестка, что в абсолютном значении насчитывает более 300 автомобилей в час. Если такие решения будут внедряться на сети перекрестков, можно рассчитывать еще более оптимальные алгоритмы работы светофора». 

Генеральный директор компании Edge Vision также отметил неутешительную статистику аварийности и жертв ДТП. По его мнению, работа с большими данными существенно улучшит ситуацию: «Если мыслить глобально, то косвенный ущерб за каждое ДТП несет государство. Последствия ДТП для государства включают в себя потерю времени на устранение ДТП и прямые медицинские расходы. Более 80% смертей в ДТП происходят в течении 5 минут после аварии, а среднее время реагирования экстренных служб на ДТП в зависимости от города составляет от 10-40 минут. Если повлиять на скорость реагирования МЧС или скорой помощи с нашей стороны невозможно, то процесс моментального оповещения о случившемся ДТП оптимизировать достаточно легко. Камеры, которые анализируют транспортные потоки могут детектировать события, которые происходят на дороге. По расчетам, время реакции на ДТП можно снизить более чем в 10 раз, в свою очередь, смертность снизиться на 15,8%, что сохранит более 2000 жизней в год. Помимо основного эффекта, снижается время разбора ДТП с 4-8 часов до 30 минут без выезда на место». 

Можно сказать, что дальнейшее развитие систем сбора, хранения и обработки данных позволит отслеживать долгосрочные тенденции и планировать развитие мегаполисов. Учитывая, что к 2050 году около 85 процентов людей будут жить в городах, причем, каждый седьмой в мегаполисах, самыми комфортными условиями для жизни смогут похвастаться те города, которые быстро среагируют на изменения среды и потребности человека.