พระราม 4 โมเดล ปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า
พระราม 4 โมเดล ปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า มูลนิธิโตโยต้า โมบิลิตี้ ร่วมกับพันธมิตรแถลงผลงาน โครงการบริหารจัดการข้อมู
มูลนิธิโตโยต้า โมบิลิตี้ร่วมกับพันธมิตรได้แก่ กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล และจุฬาลงกรณ์มหาวิทยาลัย จัดพิธีปิดโครงการพระราม 4 โมเดล: การปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า (พระราม 4 โมเดล) เพื่ออธิบายสิ่งที่ได้เรียนรู้และข้อเสนอแนะจากโครงการที่ดำเนินการมากว่า 3 ปีโดยการใช้ข้อมูลเป็นศูนย์กลางเพื่อหาแนวทางลดปัญหาจราจรในกรุงเทพฯ
โครงการดังกล่าวเริ่มขึ้นในเดือนพฤศจิกายน 2562 โดยมุ่งเน้นที่ถนนพระราม 4 เป็นพื้นที่ทดลองทำการรวบรวมข้อมูล และหาข้อมูลเชิงลึกเกี่ยวกับการใช้ข้อมูลอย่างมีประสิทธิภาพในการลดปัญหาและเพิ่มประสิทธิภาพการจัดการจราจร
โครงการพระราม 4 โมเดล เป็นโครงการต่อเนื่องจาก “โครงการสาทรโมเดล” และดำเนินการโดยทีมงานเดียวกันตั้งแต่ปี 2558-2560 ประสบความสำเร็จเป็นอย่างดีจากการดำเนินมาตรการแก้ปัญหาอันหลากหลาย บริการถรับส่ง Smart Shuttle Bus การเหลื่อมเวลาทำงาน บริการจอดแล้วจร (Park & Ride) และนำมาสู่ข้อเสนอแนะเพื่อแก้ปัญหาการจราจร และนำเสนอแก่หน่วยงานรัฐและกรุงเทพมหานครเพื่อขยายไปยังพื้นที่อื่นๆ ในกรุงเทพ และมาตรการหลายๆ อย่างเช่น การจัดช่องจราจรพิเศษ ซึ่งยังคงดำเนินการอยู่จนถึงปัจจุบัน
แนวทางดำเนินงานและวัตถุประสงค์
โครงการสาทรโมเดลดำเนินการประสบความสำเร็จ แต่อย่างไรก็ตามเป็นการดำเนินการที่อาศัยวิธีการลองผิดลองถูกจากสมมติฐานที่ตั้งขึ้น ทางพันธมิตรเชื่อว่ามีวิธีการที่ถูกต้องและแม่นยำมากกว่า โดยใช้หลักการทางวิทยาศาสตร์ในการจัดการจราจร พระราม 4 โมเดลจึงเกิดขึ้นโดยเป็นโครงการที่ออกแบบโดยจุฬาลงกรณ์มหาวิทยาลัยและมูลนิธิโตโยต้า โมบิลิตี้ เพื่อศึกษาและทดสอบความสามารถในการใช้วิธีแก้ปัญหาขั้นสูง โดยใช้ข้อมูลที่มีมนุษย์เป็นศูนย์กลางเพื่อแก้ปัญหาการจราจรบนถนนพระราม 4
สาเหตุที่เลือกถนนเส้นนี้เนื่องจากเป็นพื้นที่ที่มีการจราจรคับคั่งที่สุดแห่งหนึ่งในกรุงเทพฯ และเป็นพื้นที่ที่ทางภาครัฐให้ความสำคัญ โดยมีมูลนิธิโตโยต้า โมบิลิตี้ ให้การสนับสนุนเงินทุน จำนวน 52 ล้านบาท และคาดหวังผลลัพธ์ใน 3 ประการ
- ใช้ข้อมูลเพื่อแสดงภาพข้อมูลการจราจรให้มีประสิทธิภาพมากขึ้น รวมถึงการเชื่อมโยงของชุดข้อมูลต่างๆ
- ระบุสาเหตุที่แท้จริง และแนวทางแก้ไขที่เป็นไปได้ของการจราจรติดขัด และเหตุการณ์ต่างๆ โดยใช้ข้อมูลเชิงลึกจากชุดข้อมูลต่างๆ และตรวจสอบความถูกต้องโดยการวัดเชิงคุณภาพ
- สรุปและแบ่งปันสิ่งที่เรียนรู้ และข้อเสนอแนะในแง่ของวิธีการ/หลักการแก่ผู้ที่เกี่ยวข้อง
1. การรวบรวมข้อมูลและการแสดงภาพทางกราฟฟิก (Visualization)
ในขั้นตอนของการรวบรวมข้อมูล จุฬาลงกรณ์มหาวิทยาลัยได้ทำการติดตั้งอุปกรณ์ต่างๆ สำหรับการรวบรวมข้อมูล เช่น CCTV-AI (13 จุด) เซนเซอร์บลูทูธ (50 ตัว) และเซนเซอร์ NDRS (10 เครื่อง) นอกจากนี้บริษัทแกร็บแท็กซี่ (ประเทศไทย) จำกัด และมูลนิธิ iTIC ซึ่งเป็นผู้ให้การสนับสนุนด้านข้อมูล ได้ช่วยเหลือในการให้ข้อมูล GPS รถแท็กซี่แก่โครงการ ด้วยผลกระทบของโควิด 19 ทำให้ขั้นตอนการรวบรวมข้อมูลได้รับผลกระทบเกิดความล่าช้า แต่ท้ายสุดทางทีมงานก็สามารถดำเนินการติดตั้งและเก็บรวมข้อมูลที่จำเป็นได้สำเร็จ
ด้วยความเชี่ยวชาญของทีมนักวิจัยของจุฬาลงกรณ์มหาวิทยาลัยและแนวทางการแก้ปัญหาและการจัดการแบบลีน (ลดการสูญเปล่า) ของโตโยต้า เราได้พัฒนา Data Visualization Platforms (รูปที่ 1) เป็นส่วนหนึ่งของวิธีแก้ปัญหาในการวางแผนการจราจรในกรุงแทพ และเพื่อสนับสนุนการจัดการจราจรแบบเรียลไทม์โดยตำรวจจราจร ทีมงานได้พัฒนา “ข้อมูลจราจรแบบเรียลไทม์” (real-time traffic data) หรือ “war room” ซึ่งจะมีข้อมูลจราจรต่างๆ เพื่อทำให้ตำรวจจราจรสามารถมองเห็น เข้าใจสภาพการจราจร ทำให้บริหารจัดการการจราจรได้ดีขึ้น ตัวอย่างของการแสดงภาพจากแพลตฟอร์มใหม่ เช่น
100 จุดฝืด (100 friction points) : รวบรวมข้อมูลย้อนหลังผ่าน GPS Probe ทำให้สามารถจำแนกระดับของการจราจรที่ติดขัดได้อย่างแม่นยำ และแสดงภาพความเร็วการจราจรเป็นกิโลเมตร/ชั่วโมงตามช่วงเวลาเร่งด่วนเช้า-เย็น และจัดอันดับเป็น 100 อันดับแรกเพื่อสนับสนุนทางกรุงเทพมหานคร ในการจัดลำดับความสำคัญของพื้นที่ในการแก้ไขปัญหา
Historical Speed Map : แสดงข้อมูลความเร็วในอดีต ช่วยให้วิเคราะห์ตามโซนและถนนแต่ละเส้นได้ สามารถเลือกแสดงผลได้จาก 3 ตัวเลือก 1) Free-Flow Speed (FFS), 2) Travel Time Index (TTI) และ 3) Road Segment Speed
Travel Time Map : แสดงข้อมูลเวลาที่ใช้ในการเดินทางในอดีต ทำให้เห็นสภาพการจราจรในวันและเวลาต่างๆ
Origin Destination Maps (OD-Maps): OD Maps แสดงภาพการเดินทางระหว่างจุดต้นทางและปลายทางของการเดินทางที่เลือก ข้อมูลเส้นทางการเดินทางและปริมาณการเดินทางดังกล่าวช่วยในการบริหารจัดการจราจรและหาแนวทางแก้ไข การเลือกและศึกษาตามวันที่และเวลาที่สนใจจะสามารถทำให้การวางแผนมีความถูกต้องมากยิ่งขึ้น นอกจากนี้การเลือกโดยการเจาะจงต้นทางหรือปลายทางที่คนนิยมใช้เดินทาง ณ ชั่วโมงที่กำหนดของวันนั้นๆ ก็สามารถนำมาสู่การวางแผนการระบบขนส่งสาธารณะมากขึ้นหรือ share mobility
2. ระบุสาเหตุของปัญหาการจราจรและเหตุการณ์ต่างๆ
จากการหาข้อมูลเบื้องต้น ทำให้ทราบว่ามี 3 จุดที่รถติดมากที่อยู่บนถนนพระราม 4 และเชื่อมต่อกับพระราม 4 ซึ่งทำให้การจราจรติดขัด (รูปที่ 2) ได้แก่
A. พื้นที่พระโขนง (เชื่อมต่อกับพื้นที่อ่อนนุช):
จุดที่เป็นคอขวดคือบริเวณซูเปอร์มาร์เก็ตขนาดใหญ่ย่านอ่อนนุช จากข้อมูลและการวิเคราะห์เชิงคุณภาพ ทำให้ทราบว่ามีสาเหตุมาจากการข้ามทางม้าลายของคนเดินเท้าอยู่ตลอดเวลา และการจอดรถของวินมอเตอร์ไซด์และรถสองแถว (รูปที่ 3) ดังนั้น ในส่วนหนึ่งของการทดลองทางสังคมของเรา จึงดำเนินมาตรการหลักสองประการ ก) จัดระเบียบคนข้ามถนนที่ทางม้าลาย และ ข) ย้ายตำแหน่งที่จอดรถของรถสองแถวให้ห่างจากหน้าซูเปอร์มาร์เก็ตขนาดใหญ่ออกไป ด้วยมาตรการเหล่านี้ เราสามารถลดเวลาการข้ามถนนบนทางม้าลายได้ 23 นาทีในช่วงเวลาเร่งด่วน (15:00-18:00 น.) และทำให้การจราจรคล่องตัวขึ้น 10%
การจัดการผู้สัญจร | จำนวนผู้สัญจร
(หน่วย : คนต่อกลุ่ม) |
เวลา (ระหว่าง 16:00 -19:00 น.) | จำนวนยานพาหนะที่วิ่งระหว่างสัญญาณไฟเขียว | ความเร็วเฉลี่ย
(กม./ชม.) |
ก่อนการทดลอง | 7 คน | 92 นาที | 4,080 | 12.0 |
หลังการทดลอง | 19 คน | 69 นาที | 4,500 | 13.0 |
ผลลัพธ์ | ประหยัดเวลา 23 นาที (+25%) | 420 (+10%) | 1.0 (+8%) |
ข้อเสนอแนะ : จากผลการทดลองทางสังคม ทีมงานได้เสนอข้อเสนอแนะการจัดการการจราจรหน้าซูเปอร์มาร์เก็ตขนาดใหญ่ หรือการติดตั้งสัญญาณไฟจราจรอัตโนมัติและสอดคล้องกับสัญญาณไฟที่แยกอ่อนนุช และการพิจารณาจุดจอดที่เหมาะสมสำหรับมอเตอร์ไซด์รับจ้าง (รูปที่ 4)
B. พื้นที่เกษมราษฎร์:
เนื่องจากสภาพทางกายภาพของถนนที่แคบ (เป็นวงเล็กๆ จากแยกม้าศึกไปยังถนนพระราม 4) และมีการตัดกันของกระแสรถที่วิ่งออกมาจากซอยสุขุมวิท 22 และถนนพระราม 4 จึงทำให้เกิดปัญหารถติดขัดบ่อยครั้งในแยกม้าศึกและเกษมราษฎร์ จากการศึกษาสิ่งที่จะช่วยให้การจราจรดีขึ้นคือ การประสานงานกันอย่างมีประสิทธิภาพของตำรวจที่แต่ละแยก ทำให้ตำรวจมีข้อมูลของสภาพการจราจรมากขึ้น
เพื่อให้จัดการการจราจรได้ดีขึ้น (รูปที่ 5) ทางโครงการจึงได้จัดกิจกรรม Knowledge Management ด้านการจราจรหลายครั้ง (เพื่อให้การประสานงานระหว่างตำรวจแต่ละแยกให้ดีขึ้น) และติดตั้งจอแสดงข้อมูลการจราจรแบบเรียลไทม์ (รูปที่ 6) ตลอดพื้นที่พระราม4 (เช่น ข้อมูลสัญญาณไฟจราจร ข้อมูลอุบัติการณ์ต่างๆ แผนที่สภาพการจราจร และกล้องวงจรปิด) ส่งผลให้เราสามารถลดระยะเวลาความผิดปกติของการเปิดสัญญาณไฟโดยเฉลี่ย 10% ต่อวัน (รูปที่ 7)
นอกจากนี้ ห้องควบคุมการจราจรแบบเรียลไทม์ที่ติดตั้งอยู่ 12 ป้อมตำรวจในโครงการพระราม 4 ได้ถูกส่งมอบให้กับตำรวจจราจร เพื่อจะนำไปใช้บรรเทาปัญหาการจราจรติดขัดในกรุงเทพฯ ต่อไป ภายหลังสิ้นสุดการทดลองใช้ในโครงการพระราม 4 โมเดล
C. พื้นที่ฝั่งตะวันตก
เนื่องด้วยข้อจำกัดในการมองเห็นสภาพการจราจรและเหตุการณ์ต่างๆ บนสะพานไทย-ญี่ปุ่น ทำให้ตรวจพบปัญหาที่เกิดขึ้นบนสะพานได้ล่าช้า ทำให้เกิดปัญหาการจราจรติดขัด และขยายไปยังพื้นที่และถนนเส้นอื่นๆ โครงการจึงทำการติดตั้งกล้องวงจรปิดด้วยเทคโนโลยี AI เพื่อตรวจจับเหตุการณ์ความผิดปกติบนสะพานไทย-ญี่ปุ่น ไม่ว่าจะเป็นรถเสียหรือรถชน และเมื่อตรวจพบระบบจะทำการแจ้งเตือนตำรวจจราจรที่ป้อมสามย่านทันที (รูปที่ 8)
3. สรุปข้อค้นพบและข้อเสนอแนะในแง่ของระเบียบวิธี
ทีมงานโมเดลพระราม 4 ได้เล็งเห็นถึงศักยภาพของการจัดการจราจรที่ขับเคลื่อนด้วยข้อมูลผ่านโครงการนี้อย่างชัดเจน การใช้ข้อมูลในอดีตสำหรับดูแนวโน้มที่สามารถรองรับการออกแบบโครงสร้างพื้นฐานด้านการจราจร เช่น เวลาเปิด-ปิดสัญญาณไฟ หรือตารางเวลาและเส้นทางของระบบขนส่งสาธารณะได้อย่างชัดเจน นอกจากนี้ข้อมูลแบบเรียลไทม์ที่มีอย่างเหมาะสมก็สามารถช่วยสนับสนุนการจัดการจราจรและบังคับใช้
รวมถึงการจัดการเหตุการณ์ต่างๆ และความผิดปกติที่เกิดขึ้น สิ่งต่างๆ เหล่านี้แสดงให้เห็นถึงความจำเป็นในการที่จะมีแพลตฟอร์มในการแชร์ข้อมูลแบบเปิดมากขึ้นและประสานความร่วมมือของหน่วยงานที่เกี่ยวข้อง
ผลการวิจัยที่ได้จากโมเดลพระราม 4 ถูกรวบรวมและจัดพิมพ์ในรูปแบบ e-Book เพื่อแบ่งปันเป็นองค์ความรู้ให้กับผู้ที่สนใจ โดยสามารถดาวน์โหลดได้ที่ (เฉพาะภาษาไทย) https://service.rama4model.in.th/documents/eBook_Rama4Model.pdf
นอกจากนั้น ทีมงานยังได้ตระหนักถึงความท้าทายบางประการที่พบในโครงการนี้ ได้แก่:
(a) การเก็บรวบรวมข้อมูลเพื่อใช้งาน: ในปัจจุบัน แม้ว่าเราจะมีความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการรวบรวมและใช้ประโยชน์จากข้อมูล แต่การได้รับข้อมูลอย่างเพียงพอและการจัดเก็บข้อมูลก็ยังคงเป็นสิ่งที่ท้าทาย อีกทั้งยังมีราคาแพง จึงมีความจำเป็นที่จะต้องลงทุนในเทคโนโลยีเพื่อใช้การเก็บรวบรวมข้อมูล (เช่น กล้องวงจรปิดพร้อม AI) และร่วมมือกับพันธมิตรต่างๆ ซึ่งมีข้อมูลที่จำเป็น รวมถึงมีแนวทางที่เป็นประโยชน์ร่วมกันเพื่อแบ่งปันข้อมูล
(b) การแบ่งปันข้อมูล: เป็นสิ่งสำคัญที่จะต้องพิจารณาแนวทางการแบ่งปันข้อมูล (มีการรักษาความปลอดภัยอย่างเหมาะสม) กับหน่วยงานเอกชนหรือภาครัฐที่ต้องการทำงานด้านการจัดการการรับ-ส่งข้อมูล แนวทางการแบ่งปันข้อมูลแบบเปิดจึงจำเป็นต้องมีการศึกษาเพิ่มเติม
(c) ความเชี่ยวชาญและการพัฒนาทรัพยากรบุคคล: จำเป็นต้องลงทุนเพื่อพัฒนานักวิทยาศาสตร์ข้อมูล (data scientist) และผู้เชี่ยวชาญด้านการจัดการจราจร (ร่วมกับการวางผังเมือง) ซึ่งควรได้รับการฝึกอบรมและพัฒนาเพื่อศึกษาข้อมูล ทำงานเกี่ยวกับการวิเคราะห์และแบบจำลอง และสร้างการใช้งานที่หลากหลาย เพื่อปรับปรุงการจัดการจราจรของเมืองอย่างต่อเนื่อง
(d) การบังคับใช้: มีความจำเป็นต้องมีกับการบังคับใช้การจัดการจราจรที่เข้มข้นขึ้นเพื่อให้แน่ใจว่าการฝ่าฝืน (โดยเฉพาะการจอดรถ พฤติกรรมการขับขี่ ฯลฯ) และอุบัติการณ์ต่างๆ จะลดลง ซึ่งจะเป็นการลดจุดที่มีปัญหารถติดทำให้รถติดน้อยลง
เมื่อภายหลังสิ้นสุดโครงการแล้ว พันธมิตรบางท่านได้แสดงความคิดเห็นต่อโมเดลพระราม 4 ดังนี้
ดร. ชัชชาติ สิทธิพันธุ์ ผู้ว่าราชการกรุงเทพมหานคร กล่าวว่า “การแก้ปัญหาการจราจรถือเป็นหนึ่งในสิ่งที่ทางกรุงเทพมหานครให้ความสำคัญเป็นอย่างมาก เพราะจะช่วยให้คุณภาพชีวิตของชาวกรุงเทพฯ ดีขึ้น นั่นคือเหตุผลที่เราพยายามมุ่งเน้นส่งเสริมการใช้เทคโนโลยีและข้อมูล เพื่อให้การจัดการจราจรมีประสิทธิภาพมากขึ้น เพื่อมุ่งสู่เป้าหมายนี้ เราได้ริเริ่มนโยบายต่างๆ เพื่อปรับปรุงการจราจร การจัดตั้งศูนย์ควบคุมการจราจร (Traffic Command Center) และการจัดการจราจรอัจฉริยะ
รวมถึงการใช้ Big data และ AI ซึ่งในโครงการพระราม 4 โดยมูลนิธิโตโยต้า โมบิลิตี้ และจุฬาลงกรณ์มหาวิทยาลัย ได้ดำเนินการซึ่งสอดคล้องกับจุดมุ่งหมายเหล่านี้ และได้แสดงให้เห็นอย่างชัดเจนถึงประโยชน์ของข้อมูลเชิงลึกและการจัดการด้วยข้อมูลโดยมีมนุษย์เป็นศูนย์กลาง (Human Centric Data Driven Insight and Management) เพื่อปรับปรุงสภาพการจราจรและการบริหารจัดการ ผมขอขอบคุณมูลนิธิโตโยต้า โมบิลิตี้ และจุฬาลงกรณ์มหาวิทยาลัยที่ให้การสนับสนุนเป็นอย่างดี และผมได้สั่งการให้กทม.ดำเนินการและขยายผลแนวทางแก้ไขไปยังพื้นที่อื่นๆ ในกรุงเทพมหานครต่อไป”
รศ.ดร. สรวิศ นฤปิติ อาจารย์ประจำคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย กล่าวว่า “จุฬาลงกรณ์มหาวิทยาลัยมีความภูมิใจมากที่ได้ร่วมเข้าทำงานกับ TMF และหน่วยงานภาครัฐต่างๆ ภายใต้โครงการพระราม 4 โมเดลเพื่อสร้างต้นแบบของการใช้วิชาการเพื่อสร้างกระบวนการคิด และการนำเทคโนโลยีข้อมูล มาทำให้เห็นเป็นรูปธรรม เกิดผลลัพธ์ที่เป็นประโยชน์ต่อสังคม ทำให้เกิดการเรียนรู้ นำไปขยายผลปฏิบัติใช้ในวงกว้างในประเทศ และ เป็นตัวอย่างที่ดีของเมืองต่างๆ ของโลกต่อไป”
มร. ปาซานา คุมาร์ กาเนซ ผู้อำนวยการมูลนิธิโตโยต้า โมบิลิตี้ กล่าวว่า “มูลนิธิโตโยต้า โมบิลิตี้ ดำเนินงานภายใต้หลักการ 3 ข้อ คือ นวัตกรรม ความยั่งยืน และความร่วมมือ และด้วยจุดมุ่งหมายเหล่านี้เพื่อส่งเสริม Mobility for All วิธีการแก้ปัญหาการจราจรแบบเดิมที่ทำกันอยู่ทุกวันนี้และทำอยู่ในหลายๆ ประเทศ คือ การแก้ปัญหาผ่านกระบวนการลองผิดลองถูก ข้อมูลที่มีการตรวจสอบเชิงคุณภาพโดยยึดมนุษย์เป็นศูนย์กลางจะช่วยให้เราสามารถระบุสาเหตุที่แน่ชัดและบรรเทาผลกระทบที่ตรงกับสภาพความเป็นจริง และลักษณะเฉพาะของแต่ละเมือง
แม้ว่าโครงการของเราจะเป็นโครงการทดลอง แต่เราได้รวบรวมข้อมูลเชิงลึกและคำแนะนำมากมายที่เราเชื่อว่าจะช่วยพัฒนาศาสตร์ของการจัดการจราจรและการวางผังเมืองด้วยการใช้ข้อมูล เราเชื่อในการทำงานร่วมกันโดยใช้ข้อมูลและข้อมูลเชิงลึกจากมนุษย์ในการระบุและขจัดอุปสรรคที่ขัดขวางไม่ให้ผู้คนและสินค้าเดินทางได้อย่างอิสระซึ่งโครงการนี้เป็นครั้งแรกในประเทศไทย
และเราขอขอบคุณพันธมิตรของเราทั้งหมด กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล จุฬาลงกรณ์มหาวิทยาลัย บริษัท แกร็บแท็กซี่ (ประเทศไทย) จำกัด มูลนิธิ ITIC บริษัท โตโยต้า มอเตอร์ ประเทศไทย จำกัด และอื่นๆ อีกมากมาย ซึ่งการสนับสนุนอันล้ำค่าทำให้โครงการนี้เป็นรากฐานสำหรับความพยายามขับเคลื่อนข้อมูลในอนาคต”
เรื่อง : ณัฐพล จีระมงคลกุล
เรียบเรียงข้อมูลโดย GRANDPRIX ONLINE
ติดตามข่าวสาร ยานยนต์ รถจักรยานยนต์ รถใหม่ ได้ที่ www.grandprix.co.th