Общество, 03 дек 2015, 10:29
Роман Горбачев Надежда Мороз

Математика дорог: как «Платон» поможет бороться с пробками

Скандальная система «Платон» позволяет собирать не только новые налоги, но и уникальные данные о дорожной ситуации в стране. Если мы хотим иметь такие же дороги, как в Германии, без «Платона» не обойтись
Читать в полной версии

«Платон» мне друг

Ключевая функция системы «Платон» — сбор налога на автотранспорт грузоподъемностью свыше 12 т за пользование федеральными трассами. На дорогах России появится около 2 млн транспондеров (приемопередающих устройств), которые считывают информацию о перемещении грузовиков. По новым правилам, проезд по федеральным трассам облагается налогом в 1,5 руб./км. После старта системы начался протест водителей, который продолжается до сих пор.

Дальнобойщики протестуют по понятной причине: государство вдруг решило брать деньги за то, что раньше было бесплатным, при этом система то и дело дает сбои. Многие даже готовы платить налог, но не могут сделать этого. Позиция настолько внятная, что завоевывает общественные симпатии.

Однако есть другой взгляд на проблему: для ученых и аналитиков ценность системы состоит совсем не в поступлении дополнительных денег в бюджет, а в том, что полученные данные о передвижении грузовиков могут открыть новые способы управления дорожной ситуацией в стране и изучить проблемы, которые обычно вызывает движение больших грузовиков на федеральных трассах.

Другой монорельс

В прошлом году ГК «Мортон» запланировала строительство нового микрорайона около Новорижского шоссе, но столкнулась с транспортной проблемой — добираться до района на машине было очень сложно.

Очевидным решением было бы нанять какой-нибудь частный автобусный парк и организовать новые маршруты до микрорайона, но это обрекло бы жителей на многочасовое стояние в пробках по пути домой и сильно снизило бы привлекательность микрорайона. Строительство дополнительной дороги или съездов выходило слишком дорогим, поэтому оставался вариант альтернативного транспорта.

Остановились на монорельсе — относительно дешевом и эффективном решении. Но не на таком, как печально известный маршрут «Тимирязевская» — «ВДНХ», а по модели немецкого подвесного монорельса H-Bahn, который соединяет аэропорт Дюссельдорфа с железнодорожной станцией и полностью автоматизирован, движение осуществляется без машиниста. Для разработки системы автоматического управления движением транспортной системы типа H-Bahn был создан консорциум исполнителей с участием Московского физико-технического института. Среди научно-технических задач, решенных МФТИ в рамках данного проекта, — разработка математической модели и проведение моделирования дорожно-транспортной ситуации с учетом введения монорельса в эксплуатацию.

Для анализа мы построили математическую модель, которая учитывала ряд ключевых факторов, в частности загруженность дорог в разное время суток и ближайшие точки притяжения пассажирского трафика. Все эти данные были дополнительными условиями в математическом графе, менявшемся по заданной формуле в зависимости от этих значений.

Перед нами стояла задача сравнить среднее время, которое потратил бы человек, добираясь до дома на машине, со временем, которое заняла бы поездка на гипотетическом монорельсе. Кроме целесообразности построения самой монорельсовой ветки необходимо было также понять первичные технические нюансы, включая количество вагонов в подвижном составе. В итоге модель показала, что транспортная система H-Bahn действительно будет эффективным решением. Теперь университету предстоит разработать технические решения для системы автоматического управления будущей ветки подвесного монорельса. Возможно, ее когда-нибудь действительно построят.

Когда нет данных

Ключевая проблема, с которой мы столкнулись, — нехватка данных. Математическая модель должна строиться на эмпирических показателях, но эти показатели надо где-то брать. Мы обращались и в Московский метрополитен и в ЦОДД, анализировали дорожный поток по камерам видеонаблюдения. Соответствие разработанной модели предъявляемым к ней требованиям было подтверждено в процессе верификации и валидации. Стоит отметить, что можно было бы сильно сократить время предварительного этапа работы, если бы о дорожной ситуации было больше данных.

«Платон» при всем своем несовершенстве, присущем большинству технических систем на первых этапах внедрения, позволяет собрать данные с важнейшего компонента любого трафика — грузового автотранспорта.

Транспондеры и маршрутные карты составят детальную карту передвижений фур — при грамотной аналитике это может решить сразу несколько проблем. Мы сможем точнее прогнозировать урон дорожному покрытию с течением времени (для его компенсации плату и ввели), оптимизировать логистические процессы. Сможем вводить ограничения скорости на нужных участках из-за интенсивного движения грузовиков и, таким образом, предотвращать ДТП. У системы «Платон» большой потенциал прогрессивного управления федеральными трассами страны.

Западный опыт

В Германии, где функционирует схожая с «Платоном» система TollCollect, данные централизованно собираются государством и наряду с данными с платных дорог анализируются для улучшения транспортной ситуации — страна строит дороги именно там, где они нужны.

Известен футуристический проект «умных дорог» в Голландии — напичканных сенсорами участков трасс, которые будут собирать не только данные о скорости проезжающих машин и их количестве, но также смогут, например, зажигать фонари, только когда мимо них проезжает автомобиль, тем самым экономя электроэнергию.

Проблема в том, что в России пока еще формируется культура сбора и хранения данных. В Москве дела обстоят чуть лучше, чем в регионах: в провинции найти какую-то информацию для построения математических моделей почти невозможно. Поэтому при введении в эксплуатацию разных объектов недвижимости или дорожной инфраструктуры, будь то торговый центр или новая развязка, мало кто уделяет должное внимание предварительному планированию и просчету рисков. В итоге это приводит к пробкам, появлению транспортно малодоступных и «глухих» районов, торговые центры стоят без посетителей, в жилые комплексы люди не хотят въезжать. Математические модели, подобные той, что была построена нами для «Мортона», могут сильно помочь и государству, и бизнесу, спрогнозировав ситуацию на годы вперед, но для этого нужны данные.

Очевидно, что никто не будет ставить дорогостоящие устройства ради одного только сбора данных. Большие массивы всегда собираются как «побочный продукт» от работы устройств, поставленных с другой целью, например фискальной.

Сегодня даже в Москве мы не наблюдаем централизованного процесса сбора данных с транспорта, оснащенного ГЛОНАСС и высокотехнологичными валидаторами. Эти данные копятся, какое-то время хранятся, но в итоге исчезают, никем не замеченные, это происходит повсеместно. Однако даже с тем, что мы имеем уже сегодня, можно было бы сделать многое для повышения эффективности городской инфраструктуры: рассчитать пассажиропотоки в местах строительства новых жилых комплексов и торговых центров, спрогнозировать эффективность выделенных полос общественного транспорта и многое другое. Для этого нужно изменить свое отношение к данным. Тогда мы сможем сильно улучшить дорожную ситуацию и жизнь граждан.

Об авторах
Роман Горбачев заведующий Лабораторией волновых процессов и систем управления МФТИ Надежда Мороз научный сотрудник Лаборатории волновых процессов и систем управления МФТИ
Точка зрения авторов, статьи которых публикуются в разделе «Мнения», может не совпадать с мнением редакции.
Pro
Солнечный удар по экономике: как вспышки на Солнце повлияют на рынки
Pro
Неочевидный Оман: где еще возможно россиянам открыть счета за рубежом
Pro
40 лет с Excel: уничтожит ли ИИ главный офисный инструмент
Pro
Лицо «нового мира»: что предсказывает на 2025 год обложка The Economist
Pro
Эра кидфлюенсинга: как родители зарабатывают на собственных детях
Pro
Новый офисный синдром — ложное выгорание: как с этим бороться начальнику
Pro
Квартира по подписке: как девелоперский бизнес превратится в экосистемы
Pro
Как внешние стимулы и гормоны влияют на наши решения — Роберт Сапольски