A BME kutatói olyan AI-alapú forgalomszervezési rendszeren dolgoznak, amely nemcsak enyhíti, hanem meg is előzi a közlekedési torlódásokat. A projekt egyelőre Isztambulnak készül, de akár nemzetközi piacon is megállhatja a helyét – értesült az fmbusiness.hu portal.

Aki városban sokat közlekedik autóval, annak alapélménye, hogy a közlekedési lámpák meglehetősen kiszámíthatóan működnek – esetleg napszakonként más-más ciklusokkal, de egyébként nincs eltérés a zöld és a piros változásának ritmusában. Mivel a közlekedés távolról sem ilyen kiszámítható, könnyen belátható, hogy a forgalomszervezésnek nem ez a legjobb módja – vélik a Budapesti Műszaki és Gazdaságtudományi Egyetem kutatói.

A BME Villamosmérnöki és Informatikai Karának kutatói japán és török kollégáikkal azon dolgoznak, hogy a jövő lámpái mereven programozott robotok helyett algoritmusok által dinamikusan irányított, a forgalom alakulását megjósolni képes, ahhoz előre alkalmazkodó okoseszközök legyenek.

TRALICO - Multi-Input Deep Learning for Congestion Prediction and Traffic Light Control

A Multi-Input Deep Learning for Congestion Prediction and Traffic Light Control (TRALICO) nevű projekt másfél éve indult. A BME-n fejlesztettek egy teljesen új neurális hálót, amely hamarosan eljut az éles tesztek fázisába – mondta Simon Vilmos a bme.hu oldalon, a Hálózati Rendszerek és Szolgáltatások Tanszék docense, a projekt BME-s koordinátora.

A tesztek helyszíne Isztambul, és nemcsak azért, mert közismerten sok dugótól szenved, hanem mert elég jól ellátott forgalomszámlálási adatokkal. Aszfaltba ágyazott, radaros és Bluetooth-szenzorok küldik a számokat a város közlekedési szakembereinek, sőt mobilcellás adataik is vannak – ezekre jól tud támaszkodni egy mesterségesintelligencia-alapú megoldás.

Nem a torlódást kell kezelni, hanem azt megelőzni

„A helyi forgalomirányító központban jó ideje kísérleteznek azzal, hogy kameraképek vagy más jelek alapján valós időben belenyúlnak a lámpák működésébe. Az ilyen utólagos, kézműves módszerek helyett azonban a cél egy olyan predikciós modell fejlesztése, amely a forgalom alakulását képes előre jelezni, és időben, szinkronizáltan beavatkozni. Tehát nem kezeli a torlódást, hanem elejét veszi a keletkezésének” – mondta Simon Vilmos.

A fejlesztés ebben az értelemben tehtát úttörő jellegű – a TRALICO-hoz hasonló rendszereket a hírek szerint néhány kínai nagyvárosban használtak már, City Brain néven, de hogy ezek pontosan mire alkalmasak, arról nem tudni szinte semmit.

Pár másodperc változtatás is kilométeres dugókat tud okozni vagy megelőzni

Az új, még az időjárási adatokat is figyelembe vevő neurális hálóról és a mögötte álló megoldásokról szóló tanulmány jelenleg elfogadás alatt van egy Q1-es folyóiratnál – tudta meg az fmbusiness.hu. Közben zajlanak a tesztek, egyelőre szimulátorokon. Élesben ez majd úgy fest, hogy egy interfészen ott lesznek a fázistervek, amelyekkel nagyjából fél órára előre be lehet avatkozni. Az ember nem gondolná, de pár másodperc változtatás is kilométeres dugókat tud okozni vagy megelőzni.

A magyar kutatók szeptemberben egy nemzetközi konferencián külön szekcióban mutatják be az eredményeiket, amelyen részt vesznek a török és japán partnerek mellett más egyetemek, kutatóintézetek képviselői is. Simon Vilmos tartja majd a konferencia egyik nyitóelőadását (keynote), bemutatva az MI alkalmazásának lehetőségeit a közlekedésszervezésben.

Városokkal kötött partnerség

A városokkal kötött további partnerségi megállapodások azért lennének fontosak, mert az önkormányzatoknál rengeteg a kihasználatlan adat, amelyet jó lehetne hasznosítani, míg cégektől vásárolni ilyesmit nagyon drága. Érdeklődés van más török és magyar városok részéről is – értesült az FM Business szerkesztősége.

Forrás, illusztráció: BME