Back to blog
هوش مصنوعی شهری

ساعت شروع پلکانی مدارس؛ راهکاری برای ترافیک صبح

ساعت شروع پلکانی مدارس بدون هیچ تغییر فیزیکی در معابر، در مطالعات جهانی تا ۲۷ درصد کاهش طول صف داده است. روش مدل‌سازی و اجرای پایلوت آن را اینجا بخوانید.

تیم قطره۱۱ شهریور ۱۴۰۵7 min read
ساعت شروع پلکانی مدارس؛ راهکاری برای ترافیک صبح

اگر بخش بزرگی از فشار ترافیک صبحگاهی از تمرکز سفرها در یک پنجره باریک زمانی می‌آید، طبیعی‌ترین راهکار این است که همان پنجره را پهن‌تر کنیم. ساعت شروع پلکانی مدارس دقیقاً همین کار را می‌کند: به‌جای آنکه همه مدارس یک منطقه در یک ساعت مشخص شروع به کار کنند، ساعت شروع آن‌ها با فاصله‌های پانزده تا سی دقیقه‌ای از هم جدا می‌شود.

جذابیت این راهکار در نسبت اثر به هزینه آن است. هیچ خیابانی عریض نمی‌شود، هیچ پلی ساخته نمی‌شود و هیچ تجهیزات تازه‌ای نصب نمی‌شود. آنچه تغییر می‌کند فقط یک عدد در تقویم کاری چند مدرسه است. اما همین تغییر، چون بر گلوگاه اصلی یعنی هم‌زمانی تقاضا اثر می‌گذارد، نتایج قابل‌توجهی در مطالعات بین‌المللی داشته است.

شواهد عددی از مطالعات جهانی

دو دسته شواهد در این زمینه وجود دارد: شبیه‌سازی‌های مبتنی بر مدل، و اندازه‌گیری میدانی پس از اجرا.

در حوزه شبیه‌سازی، پژوهشی که مسئله زمان‌بندی ساعت شروع مدارس را به‌صورت یک مسئله بهینه‌سازی دوسطحی مدل کرد، نشان داد با بازآرایی ساعت‌های شروع، میانگین طول صف از ۲٫۸۴ به ۲٫۰۸ خودرو کاهش می‌یابد؛ یعنی حدود ۲۷ درصد بهبود، صرفاً از محل جابه‌جایی ساعت‌ها و بدون هیچ تغییر فیزیکی در شبکه.

در حوزه اندازه‌گیری میدانی، مطالعه‌ای در بانکوک اثر پلکانی‌کردن ساعت شروع را بر سرعت متوسط تردد سنجید و افزایش ۶٫۹ درصدی سرعت در ساعت هفت صبح را گزارش کرد. تفاوت این عدد با نتیجه شبیه‌سازی طبیعی است: شبیه‌سازی حالت بهینه را نشان می‌دهد، اجرای میدانی حالت واقعی را با همه محدودیت‌هایش.

نکته مشترک هر دو مطالعه این است که اثر از جنس «پهن‌کردن قله» است، نه «کم‌کردن تعداد سفر». تعداد دانش‌آموزان و خودروها ثابت می‌ماند؛ فقط دیگر همه در یک لحظه وارد شبکه نمی‌شوند.

چرا اختلاف کوچک زمانی اثر بزرگ دارد؟

پاسخ در رفتار غیرخطی شبکه معابر است. تا وقتی حجم ورودی به یک تقاطع کمتر از ظرفیت آن باشد، خودروها با تأخیر اندکی عبور می‌کنند. اما به‌محض آنکه حجم از ظرفیت عبور کند، صف تشکیل می‌شود و طول صف با گذر زمان انباشته می‌شود، نه اینکه ثابت بماند.

این یعنی هر خودرویی که از پنجره اوج خارج شود، فقط سهم خودش را از صف کم نمی‌کند؛ اثر انباشتی خودش بر همه خودروهای پشت سرش را هم حذف می‌کند. به همین دلیل جابه‌جایی بیست درصد از سفرها به بیست دقیقه بعد، بسیار بیشتر از بیست درصد بهبود می‌دهد. همین منطق پشت داده‌های سهم‌سنجی است که در مقاله ترافیک مهرماه شرح داده‌ایم.

نقش هوش مصنوعی: انتخاب ترکیب درست ساعت‌ها

پلکانی‌کردن ساعت‌ها ایده ساده‌ای است، اما اجرای درست آن ساده نیست. اگر ساعت‌ها بدون تحلیل جابه‌جا شوند، ممکن است دو مدرسه‌ای که در یک مسیر قرار دارند هر دو به ساعت شلوغ‌تری منتقل شوند و نتیجه بدتر از قبل شود.

مسئله واقعی این است: با فرض مجموعه‌ای از مدارس، موقعیت مکانی آن‌ها، مسیرهای دسترسی مشترک و ظرفیت هر تقاطع، چه تخصیصی از ساعت‌های شروع، مجموع تأخیر شبکه را کمینه می‌کند؟ این یک مسئله بهینه‌سازی ترکیبی با فضای جست‌وجوی بسیار بزرگ است. برای ده مدرسه و چهار بازه زمانی، بیش از یک میلیون ترکیب ممکن وجود دارد و ارزیابی هر ترکیب نیازمند شبیه‌سازی کل شبکه است.

اینجاست که مدل‌سازی محاسباتی ضروری می‌شود:

  • شبیه‌سازی جریان ترافیک اثر هر ترکیب پیشنهادی را پیش از اجرا برآورد می‌کند.
  • الگوریتم‌های بهینه‌سازی فضای ترکیب‌ها را هوشمندانه جست‌وجو می‌کنند، به‌جای بررسی کامل که عملاً ناممکن است.
  • مدل‌های پیش‌بینی تقاضا رفتار احتمالی خانواده‌ها را در پاسخ به تغییر ساعت لحاظ می‌کنند؛ چون بخشی از خانواده‌ها ممکن است در واکنش به ساعت جدید، شیوه سفر خود را تغییر دهند.

خروجی این فرآیند یک جدول ساعت پیشنهادی است که پیش از هرگونه تصمیم اجرایی، اثر برآوردی‌اش مشخص است. در چارچوب دوقلوی دیجیتال شهری می‌توان همین سناریوها را در کنار سایر تغییرات شبکه ارزیابی کرد، و خروجی نهایی می‌تواند مستقیماً به برنامه زمان‌بندی چراغ‌های تطبیقی خورانده شود تا هر دو لایه با هم هماهنگ باشند.

ملاحظات اجرایی که نباید نادیده گرفته شوند

هیچ راهکار حمل‌ونقلی در خلأ اجرا نمی‌شود. تجربه بین‌المللی نشان می‌دهد سه ملاحظه، موفقیت یا شکست چنین برنامه‌ای را تعیین می‌کند:

  • هماهنگی با برنامه خانواده‌ها. بسیاری از خانواده‌ها فرزندانشان را در مسیر رفتن به محل کار می‌رسانند. ساعت جدید باید با ساعت‌های اداری رایج سازگار باشد، وگرنه بار از شبکه معابر به خانواده‌ها منتقل می‌شود.
  • خانواده‌های چندفرزندی با مدارس متفاوت. اگر دو فرزند یک خانواده در دو مدرسه با ساعت‌های متفاوت باشند، ممکن است تعداد سفرها افزایش یابد. مدل باید مدارس هم‌محله را به‌گونه‌ای گروه‌بندی کند که این حالت به حداقل برسد.
  • سرویس مدارس. ساعت‌های پلکانی می‌تواند امکان استفاده از یک ناوگان سرویس برای چند مدرسه را فراهم کند، که خود کاهش سفر جداگانه‌ای به همراه دارد. این فرصت باید از ابتدا در طراحی دیده شود.

این ملاحظات دلیل دیگری است بر اینکه چنین برنامه‌ای باید ابتدا در مقیاس محدود آزمایش شود.

نقشه راه اجرای پایلوت

گام یک: انتخاب منطقه پایلوت

یک منطقه با چند مدرسه که مسیرهای دسترسی مشترک دارند، ترجیحاً منطقه‌ای که در تحلیل سهم‌سنجی بیشترین اثر را نشان داده است.

گام دو: اندازه‌گیری وضعیت پایه

پیش از هر تغییر، شاخص‌های ترافیکی باید برای چند هفته ثبت شوند. بدون خط پایه، اثر برنامه قابل اثبات نیست و ارزیابی به برداشت شخصی تقلیل می‌یابد.

گام سه: مدل‌سازی و انتخاب سناریو

ساخت مدل شبیه‌سازی منطقه و ارزیابی چند ترکیب ساعت. خروجی این مرحله دو یا سه سناریوی برتر با اثر برآوردی هرکدام است.

گام چهار: هماهنگی و اطلاع‌رسانی

اجرای موفق نیازمند همراهی مدیران مدارس و خانواده‌هاست. اطلاع‌رسانی باید پیش از شروع سال تحصیلی و با توضیح روشن دلیل تغییر انجام شود.

گام پنج: توانمندسازی تیم داخلی

مدل شبیه‌سازی باید سال به سال به‌روز شود، چون مدارس، جمعیت دانش‌آموزی و شبکه معابر تغییر می‌کنند. تیم داخلی سازمان باید بتواند این کار را انجام دهد. یک دوره آموزشی هوش مصنوعی متناسب با سطح تیم، همراه با مشاور هوش مصنوعی برای آموزش، تضمین می‌کند که ابزار پس از پایان پروژه زنده بماند.

گام شش: ارزیابی و تعمیم

پس از یک ترم، شاخص‌ها با خط پایه مقایسه می‌شوند. تنها در صورت اثبات اثر مثبت، برنامه به مناطق دیگر گسترش می‌یابد.

پرسش‌های متداول

ساعت شروع پلکانی مدارس دقیقاً یعنی چه؟

یعنی مدارس یک منطقه به‌جای شروع هم‌زمان، با فاصله‌های پانزده تا سی دقیقه‌ای شروع به کار کنند تا تقاضای سفر در پنجره زمانی وسیع‌تری پخش شود.

چه میزان بهبود گزارش شده است؟

شبیه‌سازی مبتنی بر بهینه‌سازی دوسطحی، کاهش میانگین طول صف از ۲٫۸۴ به ۲٫۰۸ خودرو (حدود ۲۷ درصد) را نشان داد. مطالعه میدانی در بانکوک افزایش ۶٫۹ درصدی سرعت تردد در ساعت هفت صبح را گزارش کرد. این نتایج مربوط به شهرهای دیگر است و نتیجه هر شهر باید جداگانه سنجیده شود.

فاصله زمانی مناسب بین ساعت‌ها چقدر است؟

در مطالعات موجود، فاصله‌های پانزده تا سی دقیقه‌ای رایج‌ترین انتخاب بوده‌اند. فاصله بهینه به ظرفیت شبکه و تعداد مدارس هم‌مسیر بستگی دارد و از مدل‌سازی به دست می‌آید.

آیا این کار برنامه خانواده‌ها را به هم نمی‌ریزد؟

این مهم‌ترین ملاحظه طراحی است. ساعت‌های پیشنهادی باید با ساعت‌های اداری رایج سازگار باشند و مدارس هم‌محله طوری گروه‌بندی شوند که خانواده‌های چندفرزندی دچار سفر اضافه نشوند.

اجرای پایلوت چقدر طول می‌کشد؟

یک چرخه کامل شامل اندازه‌گیری خط پایه، مدل‌سازی، اجرا و ارزیابی، معمولاً یک سال تحصیلی زمان می‌برد تا نتیجه قابل اتکا باشد.

خدمات مرتبط قطره

  • علم داده برای مدل‌سازی تقاضای سفر و ساخت خط پایه
  • مشاوره هوش مصنوعی در کسب‌وکار برای طراحی سناریوها و ارزیابی اثر پیش از اجرا
  • اتوماسیون هوش مصنوعی برای اجرای خودکار شبیه‌سازی‌ها و تولید گزارش دوره‌ای
  • بینایی ماشین برای پایش تجمیعی ترافیک در دوره ارزیابی
  • دوره آموزشی هوش مصنوعی برای تیم‌های فنی سازمان‌های شهری
  • مشاور هوش مصنوعی برای آموزش جهت طراحی برنامه یادگیری تیم
  • چت‌بات برای پاسخ به پرسش‌های خانواده‌ها درباره ساعت‌های جدید
  • روباتیک و سامانه‌های خودکار در پروژه‌های شهری

قطره در پارک علم و فناوری البرز مستقر است و این خدمات را به‌عنوان مکمل برنامه‌های جاری سازمان‌ها ارائه می‌کند.

منابع

  • مطالعه بهینه‌سازی دوسطحی زمان‌بندی ساعت شروع مدارس، منتشرشده در arXiv
  • مطالعه میدانی اثر ساعت شروع پلکانی بر سرعت تردد در بانکوک