Jak nawigacja przewiduje korek

Droga przed samochodem wygląda na pustą, ale nawigacja już dolicza siedem minut opóźnienia. Na ekranie odcinek za najbliższym skrzyżowaniem zmienia kolor z zielonego na czerwony. Korek, przed którym ostrzega aplikacja, jeszcze nie dotarł do miejsca widocznego przez szybę.

To może wyglądać jak cyfrowa przepowiednia. W rzeczywistości nawigacja nie widzi przyszłości. Rozpoznaje proces, który już się rozpoczął, lecz na razie jest widoczny głównie w danych.

Satelita nie obserwuje ulicy

Pierwsze nieporozumienie kryje się w samym określeniu „GPS”. System satelitarny nie monitoruje samochodów i nie przesyła do aplikacji obrazu skrzyżowania. Dostarcza sygnały pozwalające odbiornikowi ustalić położenie i bardzo dokładny czas. Telefon może dodatkowo korzystać z innych systemów satelitarnych, sieci komórkowej, Wi-Fi i własnych czujników.

Dopiero oprogramowanie na urządzeniu i serwery operatora mapy zamieniają kolejne pozycje w informację o ruchu. Jeżeli urządzenie znajdowało się w jednym miejscu, a chwilę później kilkadziesiąt metrów dalej, można oszacować prędkość i kierunek przemieszczania się. Pojedynczy pomiar mówi niewiele. Tysiące podobnych obserwacji mogą jednak pokazać, że ruch na danym odcinku wyraźnie zwalnia.

„Zbiorcze dane o lokalizacji mogą służyć do rozpoznawania warunków ruchu na drogach” - Google Maps, tłumaczenie redakcji.

Operatorzy opisują takie obserwacje jako dane zbiorcze lub zanonimizowane. Konkretne zasady przetwarzania, przechowywania i łączenia informacji zależą jednak od aplikacji, ustawień konta oraz udzielonych zgód. Użytkownik może widzieć jedynie kolor drogi, ale pod nim działa rozbudowany system zbierania, filtrowania i agregowania danych.

Punkt GPS trzeba przypiąć do drogi

Surowa lokalizacja nie jest jeszcze informacją o korku. W gęstej zabudowie sygnał może odbijać się od budynków, a punkt na mapie przeskoczyć na równoległą jezdnię, chodnik albo sąsiednią ulicę. W tunelu sygnał może zniknąć całkowicie.

Dlatego system wykonuje proces nazywany map matchingiem. Analizuje nie tylko pojedynczą współrzędną, ale również wcześniejszy tor ruchu, kierunek, prędkość i układ dróg. Na tej podstawie wybiera najbardziej prawdopodobny odcinek, po którym porusza się pojazd.

Dopiero wtedy można zacząć porównywać przejazdy. Droga zostaje podzielona na krótsze fragmenty, dla których oblicza się bieżącą prędkość, czas przejazdu i opóźnienie względem ruchu swobodnego. Samochody oraz telefony działają tu jak ruchome sondy. W branży używa się określenia floating car data.

System musi przy tym odrzucać pomiary niewiarygodne. Telefon poruszający się powoli może należeć do pieszego idącego chodnikiem. Pojazd mógł zatrzymać się na parkingu, zjechać na stację paliw albo przejeżdżać drogą serwisową. Bez filtrowania takie obserwacje mogłyby stworzyć korek, którego nie ma.

Z teraźniejszości powstaje prognoza

Bieżąca prędkość odpowiada przede wszystkim na pytanie, co dzieje się teraz. Kierowca potrzebuje jednak informacji o tym, co zastanie za dziesięć, dwadzieścia lub pięćdziesiąt minut. Dlatego dane na żywo są łączone z historią.

Model może wiedzieć, że w zwykły wtorek o 7:20 dany odcinek zaczyna zwalniać, a w wakacje pozostaje przejezdny dłużej. Może rozpoznawać różnice między poniedziałkiem a piątkiem, początkiem roku szkolnego a feriami, porannym szczytem a wieczorem. Nie oznacza to prostego kopiowania wczorajszego ruchu. Historia tworzy punkt odniesienia, który jest korygowany przez to, co wydarza się w tej chwili.

Publiczne opisy systemów Google i TomTom wskazują na łączenie historycznych profili prędkości, bieżących pomiarów, informacji o zdarzeniach, zamknięciach i remontach. Niektórzy dostawcy uwzględniają również pogodę, święta oraz duże wydarzenia. Dokładne algorytmy i wagi poszczególnych danych są tajemnicą firm.

Współczesne modele mogą traktować sieć dróg jak graf. Skrzyżowania stają się jego węzłami, a odcinki ulic połączeniami. Dzięki temu algorytm nie analizuje każdej drogi w izolacji. Jeżeli ruch zwalnia na ulicy prowadzącej do konkretnego węzła, może to wkrótce wpłynąć na kilka sąsiednich odcinków.

Modele grafowe uczą się zarówno zależności przestrzennych, jak i zmian zachodzących w czasie. Nie pytają wyłącznie: „jak szybko jadą auta tutaj?”. Sprawdzają również: „co dzieje się przed tym miejscem, za nim i na drogach, z których za chwilę nadjadą kolejne pojazdy?”.

Skrzyżowanie jest wąskim gardłem

Wyobraźmy sobie uproszczony przypadek. Do skrzyżowania prowadzą trzy zatłoczone ulice. Na jednej z nich samochody nadal jadą płynnie, lecz na dwóch pozostałych średnia prędkość zaczyna szybko spadać. Czas postoju przed światłami wydłuża się, a kolejne grupy pojazdów docierają szybciej, niż poprzednie zdążą przejechać.

W takiej sytuacji kolejka rośnie z każdym cyklem sygnalizacji. Sam początek zatoru znajduje się przy światłach, ale jego koniec przesuwa się wstecz, przeciwnie do kierunku jazdy. Kierowca kilka przecznic dalej może jeszcze widzieć pustą drogę, choć fala spowolnienia już zmierza w jego stronę.

System nie zawsze musi znać aktualną fazę sygnalizacji świetlnej. Często wystarczy, że widzi jej skutki: powtarzające się zatrzymania, wydłużenie czasu przejazdu oraz coraz wolniejsze opuszczanie odcinka. Zarządcy ruchu mogą dodatkowo korzystać z pętli indukcyjnych, radarów, kamer i detektorów znajdujących się przy skrzyżowaniach. W połączonych systemach sterowania można przewidywać, kiedy grupa pojazdów dotrze do kolejnego węzła.

Badania nad dynamiką zatorów pokazują, że tempo rozrastania się korka może być wczesnym sygnałem jego późniejszej skali. Algorytm nie musi więc czekać, aż cała okolica stanie. Obserwuje prędkość wzrostu przeciążenia i sposób, w jaki rozchodzi się ono po sieci.

Prognoza może zmienić własny wynik

Nawigacja nie jest nieomylna. Niespodziewany wypadek, awaria świateł, źle zgłoszone zamknięcie albo gwałtowna ulewa mogą w kilka minut unieważnić wcześniejszą prognozę. Na rzadko uczęszczanej drodze może brakować wystarczającej liczby urządzeń, a błędne dopasowanie pozycji do ulicy zaburzy obliczenia.

„Czas rzeczywisty” nie oznacza też absolutnej natychmiastowości. Dane muszą zostać wysłane, zagregowane, zweryfikowane i przeliczone. Opóźnienie może być krótkie, ale nigdy nie znika całkowicie.

Dochodzi jeszcze jeden paradoks. Kiedy aplikacja ostrzega tysiące kierowców i proponuje objazd, część z nich zmienia trasę. Prognoza wpływa wtedy na rzeczywistość, którą miała jedynie opisywać. Zator na głównej drodze może osłabnąć, a ruch przenieść się na boczne ulice. Model musi ponownie przeliczyć sytuację.

Warto zapamiętać: nawigacja nie przewiduje korka dzięki samemu GPS. Łączy pierwsze oznaki spowolnienia z historią i zależnościami w całej sieci dróg.

Kiedy więc ekran czerwienieje, choć ulica przed nami pozostaje pusta, aplikacja nie zagląda w przyszłość. Widzi wcześniejszy fragment tego samego procesu: wolniejsze przejazdy, rosnącą kolejkę i zbliżającą się falę pojazdów. Korek jeszcze nie stanął nam na drodze, ale w danych już się rozpoczął.

Satelita nie obserwuje ulicy

Punkt GPS trzeba przypiąć do drogi

Z teraźniejszości powstaje prognoza

Skrzyżowanie jest wąskim gardłem

Prognoza może zmienić własny wynik

ŹRÓDŁA

Powiązane wpisy