فرصت‌های اقتصادی «هوشمندسازی ترافیکی» در ایران

به گزارش «یدکی مارکتز»،نظم بخشیدن به فعالیت اتوبوس‌ها، یکی از رویاهای مدیریت شهری در ایران است. هرچند اکنون بسیاری از خطوط اتوبوسرانی شهرهای مختلف در جهان با نظم بسیار بالا کار می‌کنند اما فعالیت اتوبوس‌ها در ایران هنوز نامنظم است. بر این اساس، به‌رغم‌آنکه تابلوهای نمایشگر زمان رسیدن اتوبوس در بسیاری از ایستگاه‌های اتوبوس در تهران نصب شده‌اند اما همچنان برنامه‌ریزی دقیقی برای فعالیت اتوبوس‌ها مشاهده نمی‌شود و حتی در مواردی همین نمایشگرها هم کار نمی‌کنند. در این میان، اصفهان به‌عنوان اولین‌شهر ایران، با راه‌اندازی سامانه‌ای موسوم به AVL، این مشکل را حل کرده است. اما چرا هوشمندسازی ترافیکی در ایران و فرصت‌های اقتصادی ناظر به آن، موردتوجه قرار نمی‌گیرد؟
تهران عقب‌تر از اصفهان اما در این میان به نظر می‌رسد شرکت‌های دانش‌بنیان داخلی به کمک مدیریت شهری آمده‌اند و این بار تهران از اصفهان عقب مانده است. فروردین‌ماه امسال سامانه توسعه هوشمند ناوگان اتوبوسرانی (موسوم به AVL) و ارتقای سیستم پرداخت الکترونیکی (موسوم به AFC) با هزینه‌ای بالغ‌بر 90میلیاردتومان در شهر اصفهان افتتاح شدند. در این طرح، حدود یک‌هزار و 10اتوبوس در ناوگان اتوبوسرانی شهری اصفهان به این سامانه‌ها مجهز شدند.اما این سامانه‌ها اساسا چه گره‌ای را از کار برنامه‌ریزی سامانه‌های اتوبوسرانی شهری بازمی‌کنند؟ آن طور که اعلام شده، با بهره‌برداری از سامانه‌های جدید، امکان شارژ کارت‌بلیت و حساب شهروندی به صورت آنلاین ، اطلاع مسافر از زمان رسیدن اتوبوس بعدی با استفاده از نمایشگرهای نصب‌شده در ایستگاه‌های اتوبوس به‌صورت آنلاین، امکان خرید بلیت تک‌سفره با QR code در شبکه اتوبوسرانی شهری، استاندارد شدن زمان سرفاصله حرکت با پایش اتوبوس‌ها در تمام خطوط و امکان مشاهده فهرست خطوط عبوری از یک ایستگاه خاص هم میسر خواهد بود. همچنین به‌دلیل رصد و نظارت زمان توقف اتوبوس‌ها در مبدأ و مقصد از طریق سامانه، کاهش توقف اتوبوس‌ها، کاهش مصرف سوخت و رضایت بیشتر مسافر حاصل می‌شود که تمام اینها درنهایت رضایت و آرامش بیشتر شهروندان و ترغیب آنان به استفاده از حمل‌ونقل عمومی را به همراه دارد. قدرت‌الله نوروزی، شهردار وقت اصفهان در همان زمان گفت: «امروز مردم اصفهان به‌عنوان اولین شهروندان کشور از امکانی بهره‌مند می‌شوند که به کمک آن دیگر نیازی نیست بی‌اطلاع وارد ایستگاه شوند، برای سوار شدن به اتوبوس به صورت نقدی پول پرداخت کنند یا سردرگم باشند. مدیران نیز می‌توانند به صورت کامل بر رفت‌وآمد اتوبوس‌ها تسلط پیدا کرده و مدیریت بهتری بر کنترل ترافیک و انتظام بخشی به امور خدمت‌رسانی به مردم داشته باشند.
«کلان‌داده» و هوشمندسازی ناموفق ترافیک در ایران در حالی که هوشمندسازی شهرها دستکم دو دهه است که در ایران هم مطرح شده است اما آیا می‌توان به عملکرد دولت‌ها، شوراهای شهر و شهرداری‌های کشور در این زمینه نمره قبولی داد؟ محمدعلی سادسی، پژوهشگر حوزه شهرسازی در این مورد به روزنامه «دنیای‌خودرو» می‌گوید: «هوشمندسازی شهرها در ایران موفق نبوده و حتی با وجود آنکه توجیه مالی زیادی هم برای ایجاد سامانه‌های هوشمند در شهرهای ایران وجود دارد، متاسفانه در این زمینه جذب سرمایه‌ صورت نگرفته است.» او ادامه می‌دهد: «زمینه‌های هوشمندسازی ترافیکی فراوان هستند و عمده آنها با مبحث «کلان داده» ارتباط دارند. با یک مثال توضیح می‌دهم؛ زمانی که استفاده از اولین مسیریاب خارجی در ایران رایج شد، برای بسیاری از کاربران عادی این پرسش وجود داشت که شیوه کار این مسیریاب ازجمله در گزارش محل تصادفات، محل استقرار خودروهای پلیس و مواردی از این دست چگونه است؟ خیلی‌ها فکر می کردند که نرم‌افزارهای مسیریاب با ماهواره کار می‌کنند، در حالی که این مسیریاب‌ها، داده‌های خود را از تجمیع هزاران هزار داده‌ای به دست می‌آورند که کاربران عادی آنها را بارگذاری می‌کنند. البته، بارگذاری داده‌ها می‌تواند غیرآگاهانه باشد. به‌عنوان‌مثال، با روشن ماندن گزینه «موقعیت» روی گوشی هوشمند، یک داده‌پرداز مرکزی می‌تواند داده‌های عبورومرور شما را برای مدت طولانی تحلیل کند و حتی به شما گزینه‌های حمل‌ونقل عمومی در محدوده را پیشنهاد بدهد.» سادسی ادامه می‌دهد: «فواید استفاده از «کلان‌داده» در حوزه ترافیک بی‌شمارند، چراکه ترافیک، پدیده‌ای وابسته به کنش‌های عوامل متعددی است که پیش‌بینی خروجی‌ها براساس ورودی‌ها را برای هرنوع سیستم پردازشگری بسیار دشوار می‌کند. به‌عنوان نمونه، اگر تمام خودروها به یک سیستم داده‌پردازی مرکزی متصل باشند، می‌توانیم نقشه دقیقی از پرترددترین مسیرهای شهری داشته باشیم که برنامه‌ریزی‌های آتی برای ساخت پارکینگ، بازه‌های زمانی تجدید آسفالت خیابان و حتی اعزام اکیپ‌های پلیس راهنمایی‌ورانندگی را آسان‌تر کند.همچنین می‌توانیم نقاط پرحادثه را نیز شناسایی کنیم و این امر برای نصب تابلوهای ترافیکی هم به ما کمک خواهد کرد.» این پژوهشگر شهرسازی ادامه می‌دهد: «تجمیع و تفسیر داده‌های گسترده در مورد عبور و مرور شهروندان در زیرساخت‌های سیستم حمل‌ونقل عمومی یکی دیگر از فواید استفاده از «کلان‌داده» در مدیریت ترافیک شهری است. بر این اساس، با تجمیع داده‌های دستگاه بارکدخوانی بلیت‌ها، می‌توان بررسی کرد بارگذاری فلان خط اتوبوس در ساعات مختلف روز، ماه و حتی فصول مختلف به چه شکل است. به عنوان نمونه، ممکن است مسافران یک خط خاص، به‌دلیل آب‌وهوای خاص محلی، در زمستان‌ها بیش از تابستان‌ها مشتری اتوبوس باشند. به این ترتیب، مدیران ترافیکی منطقه می‌توانند تعداد اتوبوس‌های فعال در این خط در فصل تابستان را کم کنند و آنها را به خط‌های دیگری که نیاز بیشتری دارند تخصیص بدهند. این قبیل داده‌ها، فرصت‌های اقتصادی بیشماری هم برای استارت‌آپ‌های بخش خصوصی فراهم می‌کنند. باز هم به‌عنوان نمونه، می‌توان استارت‌آپی داشت که با شناسایی ساعات اوج ترافیک در محدوده‌های خاص (مثلا زمانی که ادارات تعطیل می‌شوند) به این محدوده ون-تاکسی اعزام و از سرریز مسافران سیستم حمل‌ونقل عمومی، سود کسب کند.»