Naukowiec z Warszawy zbiera światowe nagrody. Znalazł sposób na to, jak odkorkować polskie miasta

Paweł Gora, jeden z dziesiątki najlepszych polskich naukowców przed 35 rokiem życia według MiT technology Review
Paweł Gora, jeden z dziesiątki najlepszych polskich naukowców przed 35 rokiem życia według MiT technology Review arch. własne
Jeździ głównie rowerem i komunikacją publiczną, ale o ruchu samochodowym i kierowcach wie więcej, niż oni sami. Jako jeden z niewielu na świecie rozumie, czemu w miastach robią się korki i uczy się im zapobiegać. Pracę Pawła Gory docenił prestiżowy MIT Technological Review, uznając go za jednego z 10 najlepszych polskich naukowców przed 35 rokiem życia.

Jaki jest pański talent?

Jestem przede wszystkim naukowcem, matematykiem i informatykiem, ale projekty, które realizuję, są bardzo interdyscyplinarne. Współpracuję z wieloma naukowcami z różnych krajów, a to, co robię, znacznie wykracza poza samą matematykę i informatykę. Badania, które prowadzę, mają szansę przyczynić się do tego, że w przyszłości ruch drogowy w miastach będzie lepszy, miasta będą lepiej zorganizowane. Dojście do etapu wdrożenia zajmie jeszcze trochę czasu i pracy.



Skąd się biorą korki?

Powody mogą być różne, ale ogólnie można powiedzieć: "Przepustowość sieci transportowej nie jest wystarczająca w porównaniu do aktualnego zapotrzebowania". A powody tego mogą być różne: wypadek, zła pogoda, złe ustawienie sygnalizacji świetlnej, niewłaściwe zaplanowanie infrastruktury drogowej (np. parkingów, sieci drogowej), za dużo samochodów w porównaniu do zaplanowanej, przewidzianej przepustowości dróg (np. wielu ludzi jednocześnie wyjeżdża z miasta lub do niego wjeżdża), 1 samochód, który jedzie wolno i blokuje drogę.
Czasami, przy dużej liczbie pojazdów, korki mogą tworzyć się zupełnie spontanicznie, bez wyraźnej przyczyny, wystarczy, że jeden z kierowców się zagapi, kilku trochę za bardzo zahamuje, a interakcja wielu takich uczestników ruchu może powodować emergentne pojawienie się zjawiska korka. Nie da się więc pewnie zupełnie zlikwidować korków, ale w pewnych sytuacjach można im zapobiegać (np. odpowiednio sterując sygnalizacją świetlną lub szybciej je rozładowywać i łagodzić ich skutki).

Pracuje pan nad ruchem samochodowym, ale porusza się głównie komunikacją miejską i rowerem.

Cóż, gdy się chce walczyć z korkami, to trzeba starać się samemu optymalizować ruch. Możemy wymyślać coraz więcej rozwiązań technologicznych, ale to się okaże mało skuteczne, jeżeli pojazdów będzie po prostu za dużo w porównaniu do przepustowości dróg. Wtedy nie pomogą nawet najbardziej wyrafinowane metody zarządzania ruchem. Trzeba więc zachęcać do tego, żeby w miarę możliwości korzystać z komunikacji publicznej, roweru lub współdzielenia pojazdu z innymi użytkownikami. Można się poruszać z korzyścią dla zdrowia, zadbać o kondycję i przyczynić się do tego, że na drogach będzie mniej samochodów, a ruch bardziej płynny dla wszystkich.

W czym jest pan lepszy od Google’a, który też przecież zbiera dane z urządzeń mobilnych i pokazuje nam gdzie jest korek?

Google "pokazuje" informacje o ruchu, w pewnym sensie jest też systemem zarządzania ruchem, bo na podstawie tych informacji ludzie podejmują decyzje dotyczące podróży (np. którą trasę wybrać), ale Google nie mówi, jak będzie wyglądał ruch w sytuacjach nietypowych, gdy zdarzy się wypadek, droga będzie zablokowana, w okolicy będzie manifestacja, koncert czy impreza sportowa, spadnie deszcz czy śnieg, a przez to ruch będzie wyglądał zupełnie inaczej, niż zazwyczaj. Google Maps nie mówi nam też, jak będzie wyglądać ruch, gdy powstaną nowe drogi, parkingi, nie podpowie też jak optymalnie ustawiać sygnalizację świetlną lub rozbudowywać infrastrukturę.

W rozwiązaniu, nad którym pracuję, będzie można wprowadzać dodatkowe dane, zmienić parametry – domyślną prędkość, wyłączyć lub dodać niektóre odcinki – i zasymulować, jak będzie wtedy wyglądać ruch, a przy pomocy metod sztucznej inteligencji można również łatwiej planować transporti optymalnie zarządzać ruchem w sytuacjach nietypowych. Na przykład zmienić ustawienia sygnalizacji świetlnej albo zasugerować inne, lepsze trasy przejazdu.

Rozumiem, że można w sposób zautomatyzowany zarządzać sygnalizacją świetlną. Ale jak powiadomić poszczególnych kierowców, że jak teraz pojadą w prawo, to ominą korek?

Coś takiego robią już w tej chwili programy do nawigacji samochodowej i właśnie np. Google Maps. Moje podejście jest jednak inne. W części swoich badań zakładam, że kierowcy są racjonalni i wybierają (np. korzystając z Google Maps) tę trasę, która będzie dla nich najlepsza, najszybsza, najwygodniejsza. Mając dane o tym, jak jeżdżą, w jakie dni, i dokładając do tego dane zbierane na bieżąco, wystarczy dobrać do tego odpowiednie ustawienia sygnalizacji świetlnej, zakładając, że kierowcy swoich tras nie zmienią. Nie jest więc potrzebne ich informowanie.
Natomiast potencjalnie jest możliwe znalezienie optymalnej konfiguracji tras, które chcemy przekazać kierowcom, by zoptymalizowali swój przejazd. Ale z tym wiąże się sporo zagrożeń, z których najpoważniejsze jest takie, że nie mamy żadnej pewności, iż kierowcy będą słuchać tych porad. Przecież każdy może powiedzieć „Ja wiem lepiej i nikt nie będzie mi mówił, którędy mam jechać”. W przyszłości będziemy mieć jednak pojazdy autonomiczne, sterowane przez program komputerowy, a nie przez człowieka, więc wtedy można będzie znacznie łatwiej zarządzać ruchem.

Czy to są na razie rozważania teoretyczne, czy pańskie badania przyczyniły się już gdzieś do zmniejszenia korków czy rozładowania przynajmniej części na przykład Warszawy?

Jeszcze na to za wcześnie, na razie jest to etap prac badawczych. Natomiast wyniki są na tyle obiecujące, że już pewne wnioski na ich podstawie można wyciągać. Metody, które udało się opracować, mogą okazać się lepsze, niż to, w jaki sposób dziś zarządza się ruchem drogowym, planuje się transport czy nawet miasta. Są to przede wszystkim nowe technologie, związane z wykorzystaniem sztucznej inteligencji, metod uczenia maszynowego, które w ostatnim czasie zaczynają rewolucjonizować każdą dziedzinę naszego życia i w przyszłości będzie to widoczne w jeszcze większym stopniu.

Coś podobnego działa na przykład w aplikacjach taksówkarskich czy Uberze. Aplikacja na bieżąco podpowiada kierowcom którędy jechać. Ostatnio mocno zdziwiłem się kierunkiem, w którym podążał mój kierowca, tymczasem trasa lekko objazdowa była dużo szybsza i wygodniejsza.

Owszem, ale to jest podpowiadanie podobne do systemów nawigacji samochodowej i takie rozwiązania istnieją od wielu lat. Na dodatek nawigacja podpowiada trasę tylko dla jednego kierowcy. Z urządzeń nawigacyjnych korzysta nieduża część kierowców. Ja pracuję również nad rozwiązaniami, które zakładają, że wszyscy kierowcy będą wyposażeni w urządzenia nawigacyjne, które będą się mogły komunikować z systemem zarządzania ruchem. Ten system będzie mógł im powiedzieć, jakimi trasami jechać, by ruch był optymalny w skali globalnej. Bo proszę zauważyć, że jeżeli nawigacja podpowie kierowcom, że dana trasa jest aktualnie najlepsza, to ona szybko może przestać być najlepszą opcją. Trzeba uwzględnić, ilu kierowców korzysta z danej aplikacji.

A jakie są inne potencjalne zastosowania pańskich badań?

Na przykład optymalne ustawienia parkingów w mieście. Wiedząc o tym skąd i dokąd podróżują ludzie, można symulować ruch i badać, gdzie i jak duże powinny być parkingi. Podobnie może być ze stacjami ładowania dla pojazdów elektrycznych, których przypuszczalnie w Polsce będzie się pojawiać coraz więcej. Ale zanim to się stanie, trzeba sprawdzić, gdzie budować stacje ładowania dla takich pojazdów, by było to optymalne z punktu widzenia użytkowników oraz sieci energetycznej.

Ponoć może pan też pomóc firmom kurierskim?

Tak, szczególnie w znajdowaniu optymalnej trasy dla jednego konkretnego pojazdu albo ustalenie mu ścieżek na cały dzień pracy łącznie z kolejkowaniem punktów. Inne ciekawe zastosowanie to pojazdy autonomiczne, w których projektowane są algorytmy jazdy. Od nich zależy to, jak zachowa się samochód, gdy jego detektory wykryją taką a nie inną sytuację na drodze. W moim środowisku symulacyjnym można będzie testować pojazdy autonomiczne przed wypuszczeniem ich na drogęi badać, jak zmienia się poziom bezpieczeństwa i efektywności ruchu w zależności od tego jakie algorytmy są zaimplementowane w pojeździe.

Kolejne ciekawe zastosowanie to ubezpieczenia, na przykład od korków. W Chinach już pojawiają się takie rozwiązania. Jeśli ktoś wie, że będzie jechał na lotnisko i boi się spóźnienia, może wykupić ubezpieczenie. Dzięki odpowiednim danym będzie możliwe, oszacowanie ryzyka pojawienia się korka oraz jego rozmiarów i wyliczenie składki ubezpieczeniowej.
Podobne rozwiązania, służące do zarządzania ruchem i planowania transportu, mogą okazać się skuteczne również w przypadku dronów, gdy będzie ich w powietrzu już tak dużo, że będą musiały zacząć powstawać „powietrzne drogi”, aby drony mogły nam bezpiecznie i bezkolizyjnie dostarczać przesyłki. Nad podobnymi rozwiązaniami pracuje też amerykańska agencja kosmiczna - NASA.

Teoretycznie mógłby pan ulepszyć mapy i nawigację Google.

Firma (ale i podobne systemy) potencjalnie mogłaby być odbiorcą takich rozwiązań jak predykcja czasów przejazdu do informowania podróżnych. W tej chwili Google wyświetla informacje o tym, co dzieje się w danej chwili lub w sytuacjach typowych. Dzięki predykcji mógłby jednak informować o tym, co się stanie za 10 czy 15 minut, ale również jutro oraz w sytuacjach nietypowych, na przykład wypadku lub, gdy wybudujemy nową drogę.

Czy jakieś firmy są już zainteresowane pańskimi badaniami?

W tej chwili współpracuję w międzynarodowym projekcie badawczym z firmą CE-Traffic, która zajmuje się zbieraniem, agregowaniem i analizą danych o ruchu drogowym z urządzeń mobilnych, tzw. floating car data. Współpracujemy w tematach związanych z predykcją.

Te samochody trzeba fizycznie policzyć. Jak Pan to robi? Sieć kamer, czujniki?

Korzystam częściowo z danych, które są dostępne publicznie. Na przykład w Warszawie prowadzone są badania ruchu. Wiadomo, skąd i dokąd podróżują ludzie, w jakim celu. Dane opisują też, jakie są gęstości zaludnienia w poszczególnych obszarach, natężenia ruchu na poszczególnych odcinkach.

Obecnie faktycznie najczęściej pobiera się dane z kamer czy pętli indukcyjnych montowanych w jezdniach. Są to jednak rozwiązania dosyć drogie, inwazyjne – bo trzeba zamontować dodatkowe elementy w infrastrukturze drogowej. Natomiast w przypadku floating car data, a więc zbierania danych z urządzeń mobilnych, pozyskiwanie danych o rzeczywistym ruchu będzie łatwiejsze. Mowa o urządzeniach, z którymi podróżują ludzie, lub tych, które slużą do lokalizacji i komunikacji a w przyszłości będą najprawdopodobniej montowane w każdym pojeździe. Uważam, że to jest przyszłość detekcji ruchu, a ciekawym rozwiązaniem może być też monitorowanie ruchu z góry, przy pomocy dronów.

POLUB NAS NA FACEBOOKU

Trwa ładowanie komentarzy...