ऐसा हर ड्राइवर के साथ होता है, जो शायद उससे ज्यादा या शायद उसे पसंद होता है: एक नियोजित मार्ग के साथ यात्रा करें, और किसी तरह रास्ते में हर एक प्रकाश को हिट करने का प्रबंधन करता है। न केवल निराशा होती है, बल्कि उस स्टॉप-एंड-गो में ईंधन की बर्बादी होती है, समय और यहां तक कि ग्रिडलॉक भी हो सकता है, जिससे एक पूरे शहर को रोक दिया जाता है।
एमआईटी में सिविल और पर्यावरण इंजीनियरिंग के सहायक प्रोफेसर कैरोलिना ओसोरियो द्वारा विकसित नया सिमुलेशन सॉफ्टवेयर, इसके पहले किसी भी सॉफ्टवेयर की तुलना में अधिक प्रभावी तरीके से यातायात को सुचारू करने का वादा करता है। वर्तमान प्रणालियों की क्षमताओं से परे ट्रैफिक लाइटों के समय का अनुकूलन करके, उनके मॉडलों को 22 घंटे तक भीड़-घंटे की यात्रा में कटौती करने के लिए दिखाया गया है।
ट्रैफिक-लाइट टाइमिंग सिस्टम आमतौर पर दो तरीकों में से एक में काम करते हैं। एक बड़े शहर या क्षेत्रीय पैमाने पर, सिस्टम मनाया यातायात के आधार पर प्रकाश समय निर्धारित करते हैं; इन्हें प्रवाह आधारित मॉडल कहा जाता है। अन्य सिमुलेटर अधिक सूक्ष्म पैमाने पर काम करते हैं, जो व्यक्तिगत चालकों के कार्यों और आदतों को ध्यान में रखते हैं। ये सिमुलेटर यह अनुमान लगाने में मदद करने के लिए कृत्रिम बुद्धिमत्ता के एक प्रकार के रूप में कार्य करते हैं कि ड्राइवर के व्यवहार और निर्णय दिए गए ट्रैफ़िक परिस्थितियों में कैसे बदल सकते हैं। यह उन मिनटों के अंतर और व्यक्तिगत निर्णय हैं जो प्रवाह-आधारित मॉडल को ऑफ-किल्टर फेंकते हैं।
"मुझे इस बात पर ध्यान देने की आवश्यकता है कि लोग मेरे परिवर्तनों पर कैसे प्रतिक्रिया देंगे। यदि यात्रा का समय एक धमनी [सड़क] पर बढ़ता है, तो लोग डायवर्ट कर सकते हैं, "ओसोरियो बताते हैं।" अधिकांश सिग्नल-टाइमिंग सॉफ़्टवेयर वर्तमान या ऐतिहासिक ट्रैफ़िक पैटर्न को देखता है। यह ध्यान में नहीं रखता है कि यात्रा कैसे बदल सकती है। "
यह समस्या अधिक से अधिक संकेत परिवर्तनों को लागू करने के रूप में मिश्रित कर सकती है। उदाहरण के लिए, उदाहरण के लिए, आपके पास काम करने के लिए आवागमन के लिए दो संभावित मार्ग हैं: मार्ग A और मार्ग B. मार्ग ए पर यातायात का प्रवाह बदल गया है, लेकिन जो लोग पहले से ही रूट बी ले रहे थे, वे अपने विकल्पों पर पुनर्विचार करने के लिए इच्छुक हो सकते हैं। आगे जटिल मामलों में यह है कि उन परिवर्तनों और विविधताओं को बाहर की ओर कैसे काट सकते हैं और इस क्षेत्र की बाकी सड़कों और चौराहों को प्रभावित करते हैं।
स्पष्ट समाधान सभी परिदृश्यों के लिए प्रवाह-आधारित और व्यक्तिगत मॉडल दोनों को चलाना है। लेकिन यातायात प्रवाह के हर संभव क्रम का अनुकरण संभव नहीं है। कंप्यूटिंग शक्ति की मात्रा जो एक पूरे शहर के लिए इस तरह के एक जटिल सिमुलेशन को पूरा करने में लग सकती है, सिस्टम लागत को निषेधात्मक बना देगा।
उस मुद्दे के आसपास काम करने के लिए, निष्ठा और विश्वसनीयता का त्याग किए बिना, ओसोरियो की प्रणाली दोनों दुनिया के सर्वश्रेष्ठ को जोड़ती है। यह केवल सर्वश्रेष्ठ प्रवाह-आधारित परिदृश्यों को लेता है, जैसा कि सामान्य समय सॉफ़्टवेयर द्वारा पहचाना जाता है, और केवल उन मामलों पर ड्राइवर-विशिष्ट सिमुलेशन चलाता है।
उदाहरण के लिए, एक ऐसा चौराहा, जिसमें पूर्व और पश्चिम की तुलना में उत्तर और दक्षिण में बहुत अधिक यातायात प्रवाह है। सरल मॉडल का कारण हो सकता है कि ट्रैफिक लाइट को उत्तर-दक्षिण की गलियों में पूर्व-पश्चिम की तुलना में अधिक हरे समय के लिए अनुमति देनी चाहिए। फिर, अधिक-जटिल सिमुलेशन यह आकलन करने में मदद कर सकते हैं कि उन रोशनी को कितनी देर तक होना चाहिए और इस तरह के बदलाव के लहर प्रभाव का भी अनुमान लगाना चाहिए।
समाधान स्केलेबल है। "मान लें कि मेरे पास 100 अलग-अलग सिग्नल टाइमिंग थे जिन्हें मैं परीक्षण करना चाहता था, " ओसोरियो कहते हैं। “सरल मॉडल आपको 100 के सबसेट का एक विचार दे सकता है जिसमें बड़ी क्षमता हो सकती है। फिर, हम सिमुलेशन को सबसेट पर चलाते हैं। "
रंगीन रेखाएँ लॉज़ेन, स्विट्जरलैंड में मुख्य सड़कों का प्रतिनिधित्व करती हैं। पारंपरिक ट्रैफिक लाइट प्रोग्रामिंग के साथ बाएं नक्शे में कई लाल रेखाएं हैं जो लंबी आवागमन का प्रतिनिधित्व करती हैं। सही नक्शा, जो शोधकर्ता की बेहतर प्रणाली का उपयोग करता है, में कई हरी रेखाएं होती हैं जो लघु आवागमन का प्रतिनिधित्व करती हैं। (कैरोलिना ओसोरियो के सौजन्य से) ऑसोरियो के पेपर, जो जर्नल ट्रांसपोर्टेशन साइंस में प्रकाशित होगा, ने अपने मॉडल को लॉज़ेन, स्विट्जरलैंड में एक ऐसे क्षेत्र में यातायात के लिए लागू किया, जहां वह कभी रहती थी। अध्ययन में 47 सड़कों और 15 चौराहों (जिनमें से नौ पर ट्रैफिक लाइट हैं) के ट्रैफिक डेटा के साथ काम करते हुए, अध्ययन ने शाम के पहले घंटे के पहले घंटे के लिए अपने एल्गोरिदम को लागू किया। सिमुलेशन ने यात्रा के समय में लगभग एक-चौथाई की कटौती की।
यातायात-प्रवाह सिमुलेटर जो ओसोरियो को अपने मॉडल में खिलाते हैं, वे आमतौर पर शहरों द्वारा खुद बनाए जाते हैं। नगरपालिका अन्य तरीकों के साथ प्रचलित यातायात की स्थिति और खदान की जनगणना की जानकारी के बारे में अपना डेटा एकत्र करती है, उन मॉडलों को बनाने के लिए जिन पर उन्हें भरोसा होता है। फिर वे अपने बुनियादी ढांचे, लोकप्रिय स्थलों, पैदल यातायात और अन्य प्रासंगिक प्राथमिकताओं के बारे में मेटाडेटा के साथ एम्बेडेड अपने सिमुलेशन को ओसोरियो को सौंप देते हैं।
उदाहरण के लिए, मैनहट्टन में, इस बात पर विशेष प्रतिबंध हैं कि पैदल चलने वालों को कितने समय के लिए अधिकार होना चाहिए। मैनहट्टन में उच्च यातायात वाले क्षेत्रों में पीक अवधि के दौरान प्रवाह का प्रबंधन करने के लिए न्यूयॉर्क शहर परिवहन विभाग पहले से ही ओसोरियो की टीम के साथ सहयोग कर रहा है।
NYC DOT के लिए सिस्टम इंजीनियरिंग के एक डिप्टी डायरेक्टर मोहम्मद तलास ने MIT न्यूज़ को बताया, "ऐसा मॉडल मैनहट्टन में हमारी सक्रिय यातायात-प्रबंधन प्रणाली को मान्य कर सकता है और हमें अपनी प्रक्रियाओं को ठीक करने और नेटवर्क संचालन में सुधार करने की अनुमति देता है।"
शहर के लक्ष्यों के आधार पर, ओसोरियो कहते हैं, मॉडल विभिन्न कारकों के लिए अनुकूलन करने में मदद कर सकता है। उदाहरण के लिए, यह चालकों को ईंधन अर्थव्यवस्था को बढ़ावा देने में मदद करने के लिए समय यातायात कर सकता है।
उनकी टीम पहले से ही कई परियोजनाओं पर कंपनियों के साथ सहयोग कर रही है। वे भविष्य की स्वायत्त कारों के ड्राइवरों को ईंधन बचाने के लिए स्वायत्त मोड में टॉगल करने के आदर्श समय और स्थानों की पहचान करने में मदद करने के प्रयास में शामिल हैं। प्रगति में एक और काम कार-शेयरिंग प्रोग्राम, जैसे कि ज़िपकार, अपने पिक-अप और ड्रॉप-ऑफ स्थानों का बेहतर पता लगाने देगा, ताकि ग्राहक अपनी यात्रा के समय का अधिक विश्वसनीय ढंग से अनुमान लगा सकें।
लॉज़ेन परीक्षण सहित ऑसोरियो के सभी कार्य अभी भी सिमुलेशन चरण में हैं, और सड़क पर उसके यातायात-समय के पाठ को लागू करने के लिए कोई निश्चित समयरेखा नहीं है।
"लेकिन यही कारण है कि हम इन चीजों को करते हैं, " वह कहती है, "उन्हें वास्तविक दुनिया में लागू करने के लिए।"
