مدیریت یکپارچه و هوشمند در بزرگراه های تهران برای نخستین بار

تین نیوز | مدیریت یکپارچه، مکانیزه و هوشمند بزرگراه‌های تهران، برای اولین بار در سطح کشور در مجموعه بزرگراهی کریدور دماوند - شهران در فاز اجرایی قرار گرفت.

به گزارش تین نیوز از روابط عمومی شرکت کنترل ترافیک تهران، مدیر عامل شرکت کنترل ترافیک تهران گفت: کریدور 35 کیلومتری دماوند - شهران به عنوان اولین بزرگراه مدیریت شده در شهر تهران، از شرق به غرب از تقاطع بزرگراه بابایی با بزرگراه یاسینی شروع شده و پس از عبور از بزرگراه‌های بابایی، صدر هم‌سطح و صدر طبقاتی وارد تونل نیایش و سپس بزرگراه نیایش و بزرگراه شهید آبشناسان شده و تا میدان شهران امتداد می‌یابد.

این کریدور که به علت حساسیت بالای پل نیایش و بزرگراه طبقاتی صدر انتخاب شده است، به تمامی بزرگراه‌های شمالی - جنوبی اصلی شهر تهران متصل است و آماربرداری‌های انجام شده نشان می‌دهد که در ساعات اوج بیش از یکصد هزار خودرو در حال استفاده از این کریدور هستند. این حجم بالا، ضرورت مدیریت پویا و در لحظه این بزرگراه را نشان می‌دهد.

وزیری افزود: در فرآیند مدیریت بزرگراهی با کمک مجموعه‌ای از شناسگرها، دوربین‌ها، تابلوها، بزرگراه به صورت لحظه ای رصد می‌شود و هرگونه اتفاق یا حادثه‌ای در آن به صورت هوشمند مدیریت می گردد و  تجهیزاتی که در این سامانه به کار گرفته می‌شوند عبارتند از انواع دوربین‌های ثبت تخلفات نظیر دوربین‌های ثبت تخلفات سرعت، عبور وسایل نقلیه سنگین از خط سرعت، تردد در خط اضطرار برای وسایل نقلیه شخصی و عبور از خط ممتد( تغییر غیرمجاز لاین عبوری)، شناساگر‌های تشخیص وضعیت ترافیک، دوربین‌های نظارت تصویری، تابلوهای پیام متغیر خبری، تابلو‌های سرعت متغیر و تابلوهای کنترل خط، ایستگاه‌های هواشناسی، سنسورهای تشخیص زمان سفر و کنترل مبادی ورودی به بزرگراه (رمپ مترینگ).

همه این سیستم‌ها در فرآیندی یکپارچه مدیریت می‌شوند، برای مثال چنانچه یخ‌زدگی در سطح راه رخ دهد، ایستگاه‌های هواشناسی در سطح راه هشدارهای لازم را به سامانه مدیریت مرکزی می‌دهند تا سرعت در مناطق یخ‌زده در طول بزرگراه کاهش یابد و هشدارهای لازم به رانندگان بر روی تابلوهای خبری مندرج در سطح راه به نمایش درآید.

وی در ادامه با بیان اینکه ایمنی یکی از مباحث اصلی مدیریت بزرگراهی است، گفت: این امر به کمک اعمال شدید‌تر قوانین، رصد دقیق وضعیت ترافیکی، تغییر وضعیت راه در شرایط بحرانی و اجرای خطوط اضطرار جهت واکنش سریع به حوادث رخ داده در سطح بزرگراه انجام می‌شود و با وجود خطوط ویژه وسایل نقلیه امدادی، دسترسی آن‌ها به محل حادثه و انتقال مجروحان تسریع یافته و ایمنی افزایش می‌یابد. بعلاوه در شرایط نامناسب جوی و در هنگام وقوع حوادث نیز امکان تغییر حداکثر سرعت مجاز و تغییر پیام‌های نمایش داده شده در سطح بزرگراه وجود دارد.

وزیری با اشاره به اینکه مهم‌ترین بارزه این مدیریت هوشمند، اصلاح رفتارها و ارتقای فرهنگ رانندگی در سطح بزرگراه‌ها است گفت: نمونه‌های موفق اصلاح رفتارهای ترافیکی در تونل‌های شهری و بزرگراه طبقاتی صدر نشان می‌دهد که با بالا بردن استانداردهای مهندسی و اعمال قانون، امکان بهبود رفتارهای ترافیکی رانندگان وجود دارد. امید است با بهره‌گیری از امکانات حاصله از فن‌آوری بتوان کیفیت تجربه رانندگان در بزرگراه‌های تهران افزایش یابد.

وی در پایان گفت: برنامه مشابهی برای کریدورهای بزرگراه شهید زین‌الدین - همت - خرازی و همچنین کریدور آزادگان در دست مطالعه است.

لینک مطلب

مدیریت ناوگان سازمانی

بر خلاف گذشته نه چندان دور که سیستم‌های موقعیت‌یابی فقط در صنایع حساس و نظامی و به طور محدود استفاده می‌شد، امروزه استفاده از این سیستم‌ها بسیار رواج پیدا کرده است به طوریکه تمامی گوشی‌های تلفن همراه هوشمند و تبلت‌ها دارای سیستم‌های موقعیت‌یاب GPS و حتی GLONNAS هستند. رواج سیستم‌های موقعیت‌یابی به همین‌جا ختم نمی‌شود. دستگاه‌های مختلفی مثل دستگاه‌های موقعیت‌یاب خودرویی، موقعیت‌یاب‌های شخصی قابل حمل، موقعیت‌یاب‌های ورزشی مثل ساعت، کفش و دست‌بند، موقعیت‌یاب‌های نصب شده بر روی دوربین‌های دیجیتال همه نشان‌دهنده‌ی محبوبیت این سیستم و فواید بسیار آن است. از این رو لازم است به وسیله ابزارهایی از وسایل فوق استفاده بهینه انجام گیرد. به عنوان مثال بسیاری از دستگاه‌های ردیاب خودرویی دارای نمایشگری است که موقعیت فعلی وسیله را در لحظه نشان می‌دهد، امروزه این دستگاه‌ها قادر هستند علاوه بر اطلاعات لحظه‌ای اطلاعات مسیرهای ممکن برای رسیدن به مقصد را مشخص کنند. این امر نشان دهنده‌ی اهمیت نحوه پردازش و ارائه اطلاعات به هر کاربر بسته به نوع و محل استفاده آن است.

سامانه مدیریت ناوگان نیز از این امر مستثنی نمی‌باشد. کاربرها، شرکت‌ها و وسایل نقلیه مختلف مشخص‌کننده‌ی نیازها می‌باشند. برای مثال نیاز شرکت‌های پخش مواد غذایی با نیاز شرکت‌های ترانزیت بین‌المللی کاملاً متفاوت می‌باشد. هم‌اکنون سامانه مدیریت ناوگان شرکت ویراتک و همچنین دستگاه‌های موقعیت‌یاب استفاده شده، علاوه بر ویژگی‌های عمومی سامانه‌های مدیریت ناوگان، دارای ویژگی‌های مختلفی است که سطح وسیعی از نیازها و درخواست‌های مشتری را پاسخ می‌دهد.

مدیریت ناوگان یک محصول کاملا تخصصی در سازمان‌ها است.

مدیریت ناوگان یا AVL تنها به مشاهده خودروهای سازمان بر روی نقشه و یا مشاهده گزارش سرعت خودرو در طول روز منحصر نمی‌شود. مدیریت ناوگان یک محصول کاملا تخصصی بوده و بسیاری از فرآیندها و نیازمندی‌های سازمان‌ها درگیر با این سامانه می‌باشند که این مسئله در محصول مدیریت ناوگان ویراتک (ره‌نگر) به خوبی دیده شده است.

به صورت عمومی، معماری مدیریت ناوگان سازمانی به شکل زیر است:

این معماری از اجزاء زیر تشکیل شده است:

• درگاه ارتباط با ناوگان که می‌تواند از طریق بستر gsm‌ یا دیگر بسترهای رادیویی ممکن شود.
• اطلاعات پایه ناوگان سازمان که در بر دارنده این اطلاعات برای استفاده در دیگر سامانه‌ها است.
• ابر نگهداری مکان با توجه به حجم زیاد داده‌های مکانی نیاز به وجود یک معماری درست برای نگهداری این حجم داده وجود دارد.
• ابر پردازشی ناوگان که به دلیل وجود الگوریتم‌های هوشمند و پیچیده بر روی حجم بالای داده‌های مکانی نیاز به یک نگاه در حوزه پردازش ابری در ناوگان وجود دارد.
• تعمیر و نگهداری ناوگان
• هوش تجاری ناوگان که یکی از مهم‌ترین بخش‌های سیستم است که می‌تواند گزارشات تخصصی زیادی در خصوص ناوگان برای مدیران ایجاد کند.
• درگاه خدمات سرویس‌گرای ناوگان همه خدمات ناوگان برای استفاده در فرآیندهای سازمانی و دیگر سامانه‌های سازمان به صورت سرویس‌گرا در اختیار قرار داده می‌شود.
• فرآیندهای کسب و کار سازمانی مدیریت ناوگان را در داخل فرآیندهای سازمان معنا می‌کند.
• سرویس‌های کسب و کار شامل کلیه خدماتی که در نهایت سازمان از طریق ناوگان خود به مردم و مشتریان خود ارائه می‌کند.

با نگاه به معماری فوق متوجه می‌شویم که مدیریت ناوگان سازمانی یک مقوله کاملا تخصصی بوده که هر یک از مولفه‌های مربوط به ناوگان می‌تواند نقش موثری در طراحی این معماری داشته باشد. همانطور که در معماری نیز مشخص است، در سطح فرآیندهای کسب و کار سازمانی، سرویس‌هایی که سامانه هوشمند مدیریت ناوگان باید در سطح سازمان ارائه دهد مشخص می‌شود. این سرویس‌ها در نهایت در قالب سرویس‌هایی در سطح کسب و کار سازمان را تکمیل می‌کنند و به این ترتیب است که یک سازمان می‌تواند به صورت عملیاتی و مفید از یک سیستم مدیریت ناوگان استفاده نماید.

در کنار این موضوع، مسائلی از قبیل مدیریت داده‌ها، وجود حجم بالای داده‌های مکانی در سیستم‌های مدیریت ناوگان نیز در این معماری به خوبی دیده شده که در چارچوب معماری و حجم ناوگان سازمان باید راه‌حل‌های مناسبی در این چارچوب برای آن در نظر گرفته شود.

همچنین، هوش تجاری ناوگان مجموعه‌ای از قابلیت‌های و خدمات عمومی در سطح ناوگان‌های مختلف می‌تواند ارائه دهد. همچنین هوش تجاری هر ناوگان تخصصی خود تحلیل‌هایی مستقل نیاز دارد که می‌تواند باعث ایجاد گزارشات و تحلیل‌های سطح بالایی در خصوص ناوگان سازمانی شده و بتواند ما را به سمت دریافت بازخوردهای مناسب و ارائه راه‌حل‌هایی برای رسیدن به وضعیت مطلوب راهنمایی کند.

بدون در نظر گرفتن این دیدگاه، مدیریت ناوگان قطعا پس از چند سال راه‌اندازی در سازمان ارزش خود را از دست داده و به دلیل اینکه توقعات مدیران را از یک همچین سیستمی محقق نمی‌سازد، به یک مسئله بی ارزش و هزینه آفرین در سازمان تبدیل می‌شود. مسئله‌ای که متاسفانه به دلیل نبود بلوغ در سامانه‌های ارائه شده در حال حاضر در سطح کشور دامن‌گیر مدیران و سازمان‌ها شده است. این مسئله به خوبی در راه حل ارائه شده در ره‌نگر، سامانه هوشمند مدیریت ناوگان ویراتک دیده شده و به همین دلیل، متخصصان و مشاورانی در حوزه حمل و نقل، ما را در تحلیل سیستم‌ها و کسب و کارهای سازمانی برای رسیدن به یک محصول تخصصی در سطح سازمان همراهی کرده‌اند.

لینک مطلب ویراتک شریف

تشخیص الگوی تصادف و اعلام تصادف به صورت برخط

با دریافت اطلاعات مسیر حرکت خودروها به صورت برخط و تشخیص الگوی حرکتی آن‌ها در هر بخش از خیابان‌ها، می‌توان این الگوها را با الگوهای زمان سفر که در پایگاه داده الگوهای ترافیکی نگهداری می‌شود، منطبق کرد. در نتیجه با ترکیب نتایج می‌توان، یک وضعیت خاص ترافیکی را تشخیص داد. برای مثال اگر زمان سفر در یک بخش، به صورت ناگهانی تغییر کند، نشان از یک واقعه مانند تصادف دارد. از سوی دیگر در این پایان‌نامه الگوهای ترافیکی گوناگون مانند تصادف را مورد بررسی قرار می‌دهیم. به این ترتیب با تطبیق این الگوها با هم، می‌توانیم وقایعی مانند تصادف را به صورت برخط تشخیص دهیم.

در ابتدا باید تشخیص وقوع یک واقعه خاص در یک نقطه تفسیر شود. در واقع ما به راحتی نمی‌توانیم وقوع یک تصادف در یک نقطه خاص را بیان کنیم، بلکه تنها می‌توان صحبت از احتمال وقوع یک تصادف یا حادثه در یک نقطه خاص کرد. ساختار ساده شده‌ی یک تصادف به صورت کلی در شکل ۸ نشان داده شده است.

با بروز یک تصادف گرفتگی بعد از آن شروع شده و طول این گرفتگی با گذشت زمان بیشتر می‌شود. با نگاه به مدل موجود در معماری مبتنی بر مسیر، اگر یک گرفتگی در یک قطعه خیابان ایجاد شود، این گرفتگی به مرور به قطعه‌های منتهی به قطعه مورد نظر منتقل شده و این روند ادامه پیدا خواهد کرد. جریان ورود خودروها به قطعه مورد نظر بیش از جریان خروجی شده و نسبت ورود به خروج، رشد طول صف ایجاد شده را مشخص می‌کند. این رشد از ابتدای قطعه و با ایجاد شاخه‌های مختلف دیگر به راحتی قابل تشخیص نمی‌باشد. ولی به طور کلی خود مسئله‌ای است که در پایان این فصل کمی به آن پرداخته خواهد شد. در نهایت برای ساده‌سازی مسئله فرض می‌کنیم در طول زمان‌های مشخص قطعه خیابان‌های منتهی به مرور مسدود می‌شوند و تاثیر تصادف در خیابان‌های یک سطح بعد هم دیده خواهد شد. در واقع اگر فاصله هر قطعه تا قطعه تصادف را در نظر بگیریم، فرض می‌کنیم بعد از زمان T (عددی بین ۲ تا ۵ دقیقه) تاثیر تصادف در قطعات با فاصله ۱ دیده شده و بعد از زمان ۲T تاثیر تصادف در قطعات با فاصله ۲ دیده می‌شود و این روند در طول زمان ادامه پیدا می‌کند. همچنین فرض می‌کنیم با گذشت زمان حداکثری T_a، حتی در صورتی که نمونه‌ای از محل مورد نظر عبور نکند، مشکل تصادف مرتفع خواهد شد.

از نگاه مشاهده‌گر، با دیدن یک گرفتگی در یک قطعه، پی می‌بریم که در قطعه مورد نظر یا قطعات بعدی گرفتگی ایجاد شده است. در نتیجه به صورت احتمالی، احتمال بروز تصادف در قطعه خیابان‌های بعد از قطعه مشاهده شده، بررسی می‌شود.

طبق شکل ۲، فرض می‌کنیم مشاهده در قطعه S و تصادف در قطعه A اتفاق افتاده باشد. فرض می‌کنیم احتمال تصادف در قطعه مشاهده شده µ و با هر یک واحد فاصله قطعات از محل مشاهده، احتمال بروز تصادف در α ضرب شود و احتمال وقوع تصادف تا زمانی جلو می‌رود که از حد T_a نگذرد. به این ترتیب قطعات با فاصله حداکثر k برای احتمال تصادف در نظر گرفته می‌شوند. برای مثال در شکل ۹، احتمال وقوع تصادف (مقدار µ) با فرض مشخص کردن α به شکل زیر محاسبه می‌شود (فرض می‌کنیم احتمال تصادف تا ۲ قطعه خیابان بعد از محل مشاهده ممکن می‌باشد، در واقع k=2):

با ادامه حرکت مشاهده‌گر، اگر مشاهده‌گر از یکی از قطعه‌های غیر از S’ حرکت کند، تنها احتمال تصادف معطوف به دو مسیر دیگر شده و بار دیگر قابل اندازه‌گیری می‌باشد. همچنین با این اتفاق احتمال وجود تصادف در قطعه S کماکان باقی می‌ماند. در نتیجه که در مثال شکل ۸ برابر می‌شود با:

همچنین اگر مشاهده‌گر از قطعه S’ حرکت کند، این احتمال معطوف به قطعه S’ و قطعات بعد از آن می‌شود با این تفاوت که حد تخمین ۱ واحد کاهش پیدا کرده و احتمال تصادف تا k-1 رده محاسبه می‌شود. به این ترتیب برای مثال شکل ۸ خواهیم داشت:

حال فرض می‌کنیم مشاهداتی از نمونه‌های مختلف در یک منطقه بدست بیاید. در این صورت باید روشی برای برهم‌نهی احتمالات داشته باشیم. هر یک از مشاهدات ما فضای احتمالاتی برای تصادف بوجود می‌آورد. حال فرض کنید فضای احتمالاتی دو مشاهده اشتراک داشته باشد. وجود دو مشاهده گرفتگی می‌تواند نشان از دو تصادف مختلف داشته باشد، ولی بدلیل آنکه دو مشاهده در نزدیکی یکدیگر اتفاق افتاده و دارای اشتراک می‌باشند، با کمی اغماض می‌توان فرض کرد که تصادف در محل اشتراک دو مشاهده اتفاق افتاده است. به همین دلیل فضای احتمال بالا را برای فضای اشتراک دو مشاهده ایجاد می‌کنیم و ملاک ما برای در نظر فاصله، کمینه فاصله هر قطعه به هر یک از قطعات مشاهده می‌باشد.

با در نظر گرفتن مثال شکل ۹، اگر فرض کنیم مشاهدات در دو قطعه S و S” اتفاق افتاده باشد، داریم:

به همین روش می‌توان برای مشاهدات بیشتر موضعی عمل کرد.

در هر صورت، ممکن است مشاهده‌گری در زمان مناسب به محل تصادف نرسیده و در نتیجه تصادف کشف نشود. در این صورت تنها احتمال وقوع تصادف در قطعات مختلف برای ما باقی خواهد ماند. در این حالت تاثیر ایجاد صف در پشت نقطه تصادف در احتمال وقوع تصادف در قطعه مورد نظر ضرب می‌شود و این تاثیر برای خیابان‌های مختلف محاسبه می‌شود.

فرض می‌کنیم با احتمال p در قطعه A تصادف شده باشد. تمام قطعاتی که با محدودیت T_a مسیری به قطعه A دارند را در نظر بگیرید. فرض می‌کنیم زمان سفر در قطعه A از زمان تصادف تا رسیدن سیستم به حالت عادی را داشته باشیم (TT_A(t)). با هر واحد دور شدن قطعات از قطعه A، این تابع برای قطعات بعدی با در نظر گرفتن ضریب محاسبه می‌شود. در واقع اگر قطعه‌ای با فاصله ۲ به قطعهA برسد، ضریب تاثیر تابع زمان سفر در هنگام تصادف برای این قطعه خواهد بود. بدست آوردن تاثیر تصادف در زمان سفر و جریان ترافیک مسئله‌ی مناسبی برای تحقیق می‌باشد که در {؟} و {؟} هم به آن پرداخته شده است.

تشخص روان شدن ترافیک قطعه‌هایی که در یک تصادف درگیر بوده‌اند، خود مسئله پیچیده‌ای می‌باشد. در واقع سرعت حل مشکل تصادف در مواقع و حالت‌های مختلف متفاوت است. در نتیجه تابع زمان سفر در زمان تصادف یک حالت پیش‌فرض داشته و با حل سریع تصادف دچار کشیدگی در محور زمان می‌شود. حال اگر مشاهده‌ای از یک قطعه انجام پذیرد که وضعیت زمان سفر روان‌تر از حالت پیش‌فرض زمان سفر به هنگام تصادف با توجه به ضرایب تاثیر در قطعه مورد نظر باشد (در صورتی که ضرایب تاثیر مناسب انتخاب شده باشند)، می‌توان فرض کرد تصادف رخ داده زودتر از زمان پیش‌فرض حل شده است. در این صورت با توجه به مشاهده انجام شده، نقطه مناسب بر روی تابع زمان سفر به هنگام تصادف برای قطعه مشاهده شده محاسبه شده و قطعه‌های منطقه تصادف به صورت مشابه دچار کشیدگی در طول زمان می‌شوند و در نتیجه وضعیت ترافیک و زمان سفر در همه قطعات بروزرسانی می‌شود. این حالت ممکن است ما را به نقطه‌ای برساند که بتوانیم حل گرفتگی ایجاد شده بر اثر تصادف و رسیدن به شرایط پایدار را نتیجه‌گیری کنیم.

روش‌های کلی گفته شده در این فصل برای ارائه راه حل کلی در این روش و معماری بوده است تا بتوانیم گرفتگی‌های حاصل از تصادف را تشخیص دهیم. به دلیل اینکه تعداد تصادفاتی که ممکن است در یک لحظه در شهر اتفاق بیفتد کم می‌باشد، می‌توان روش‌ها و تحلیل‌های پیچیده‌تری را برای تشخیص تصادف و تخمین زمان سفر به هنگام تصادف به کار ببریم که نیاز به تحقیق بیشتری دارد. همچنین تخمین زمان سفر به هنگام تصادف خود مقوله‌ای است که در این فصل به آن نخواهیم پرداخت. مطالعات و شبیه‌سازی‌های زیادی در این باره صورت گرفته است که به صورت مناسبی قابل انطباق برای استفاده در این معماری می‌باشند که به یکی از این روش‌ها بر مبنای ایده Kalman Filter در فصل {۲.۳.۶} اشاره شد.

لینک مطلب ویراتک شریف

انطباق داده‌های خودرو بر روی مسیرهای نقشه

انطباق داده‌های دریافتی از طریق GPS با داده‌های مکانی نقشه، از پیچیدگی‌های روش‌های مبتنی بر داده‌های مکانی و مبتنی بر مسیر می‌باشد. از آنجایی که این داده‌ها به صورت برخط دریافت می‌شوند و باید به صورت برخط پردازش شوند، نیاز به الگوریتم‌هایی با کارآیی بالا برای انطباق این داده‌ها با خیابان‌های نقشه داریم. در نتیجه بخشی از کار ما در این پایان‌نامه، پیدا کردن و استفاده از الگوریتم‌هایی با کارآیی بالا برای استفاده به صورت برخط در این سامانه می‌باشد.

انطباق داده‌های مسیر حرکت اتوبوس‌ها بر روی خطوط و تصحیح مختصات آن‌ها یکی از مسائلی است که برای تخمین زمان سفر اتوبوس‌ها مورد نیاز می‌باشد. در این مسئله مسیر حرکت اتوبوس به صورت یک مسیر مشخص به صورت دنباله‌ای از نقاط در دسترس می‌باشد. در همین راستا یکی از فعالیت‌هایی که در این پایان‌نامه انجام شد، انطباق این داده‌ها بر روی خط اتوبوس به منظور اطلاع‌رسانی زمان رسیدن اتوبوس‌ها به ایستگاه‌ها بوده است.

یک خط اتوبوس از مجموعه‌ای نقاط و در نتیجه مجموعه‌ای از پاره‌خط‌ها تشکیل شده است. پاره‌خط‌های موجود در خط را به صورت مرتب شده با شماره ۱ تا k در نظر می‌گیریم و فرض می‌کنیم اتوبوس از ابتدای مسیر شروع به حرکت می‌کند. همچنین فرض می‌کنیم خط مورد نظر دارای S ایستگاه می‌باشد که ایستگاه اول و آخر در ابتدا و انتهای خط قرار دارد. فاصله گرفتن اتوبوس بیش از حد مشخص L (50 متر) از ایستگاه اول، به معنای شروع حرکت اتوبوس بر روی خط تلقی می‌شود و در نتیجه حالت اتوبوس از STOP به INLINE تغییر پیدا خواهد کرد. با دریافت اولین نقاط، نزدیک‌ترین نقطه بر روی پاره‌خط اول به عنوان مختصات تصحیح شده اتوبوس در نظر گرفته می‌شود. با دریافت هر مختصات جدید از اتوبوس (p)، فاصله نقطه p از پاره‌خطی که اتوبوس آخرین بار بر روی آن مشاهده شده است شروع می‌شود. این فاصله حالت نزولی داشته تا جایی که به نزدیک‌ترین پاره‌خط (LP) به نقطه p برسیم. با صعودی شدن فاصله در می‌یابیم مختصات تصحیح شده اتوبوس باید بر روی پاره‌خط LP باشد. به این ترتیب با محاسبه نزدیک‌ترین نقطه به نقطه p بر روی پاره‌خط LP نقطه تصحیح شده اتوبوس به دست می‌آید.

لینک مطلب ویراتک شریف

معماری سامانه‌های تحلیل ترافیک

شرکت ویراتک شریف با بهبود در استفاده از راه‌کارهای تحلیل ترافیک، به طور کلی هسته‌ای برای تخمین زمان‌سفر و سامانه‌ای برای اطلاع‌رسانی مسافر بوجود آورده است. بخش اول دغدغه‌ی ما از جنبه‌ی دقت تخمین می‌باشد؛ به طوری که بتوانیم تخمین‌هایی از زمان سفر ارائه کنیم که بتواند نیازمندی‌های سیستم ما را برآورده کند. بخش دوم دغدغه‌های ما مربوط به جنبه‌های عملیاتی ایجاد هسته‌ی تحلیل ترافیک است. در واقع باید در الگوریتم‌های استفاده شده برای تحلیل زمان‌سفر یک شبکه‌ی گسترده، بهبودهایی حاصل کنیم؛ در حدی که بتوان از این الگوریتم‌ها برای چنین شبکه‌ای استفاده کرد. در این مورد، هم بحث تحلیل‌های غیربرخط و هم بحث تحلیل‌های برخط و چگونگی بازیابی اطلاعات و تعیین زمان سفر، باید مورد بررسی قرار گیرد.

در مجموع می‌توان هدف ویراتک را، ایجاد یک سیستم کامل پیش‌بینی زمان سفر دانست. مبنای اصلی کارهای ما برای بخش تخمین، استفاده از ایده‌های مبتنی بر داده‌های مکانی می‌باشد. در حال حاضر فعالیت‌های زیادی بر روی این ایده انجام نشده است. در واقع در این ما در ویراتک سعی داریم، با نصب دستگاه‌های مجهز به GPS بر روی خودروها و با بهره‌گیری از ساختار ارتباطی شبکه‌ی GSM روش‌هایی ارائه کنیم که به صورت برخط داده‌های مکانی خودروها را دریافت کرده و با تحلیل آن‌ها، اطلاعات مربوط به زمان سفر را استخراج کند. به این ترتیب اولا، با ارائه‌ی راه‌کارهایی با کارآیی بالاتر و ارائه‌ی یک معماری جدید، سعی در بهبود روش‌های قبلی می‌کنیم. در درجه‌ی دوم، با در نظر گرفتن محدودیت‌های زمانی و کارآیی برای یک سیستم برخط، سعی در ارائه‌ی الگوهایی برای تشخیص وقایع به صورت برخط می‌کنیم.

ایده‌های زیادی برای تحلیل ترافیک به هنگام تصادف، تشخیص تصادف و شرایط ترافیک قبل و بعد از تصادف وجود دارد که در حال حاضر نیز تحقیقات زیادی بر روی آن انجام شده است. تشخیص جریان ترافیک در این شرایط، نیاز به داده‌برداری‌هایی با حجم بالا دارد تا سیستم بتواند در سریع‌ترین زمان ممکن از وضعیت و مکان حادثه با خبر شود. پیدا کردن روش‌هایی که با هزینه‌ی کم و کارآیی بالا بتوانند حوادثی مانند تصادف را تشخیص دهند، از مسائلی است که هنوز ذهن بسیاری از محققان را به خود مشغول کرده است و یکی از زمینه‌هایی می‌باشد که در ویراتک به آن توجه می‌شود.

 

معماری مبتنی بر GPS

در معماری‌های ارائه شده بر مبنای نقاط GPS، مبنای تصمیم‌گیری سیستم‌های تحلیل ترافیک، تعیین میزان ترافیک به صورت نقطه‌ای می‌باشد. در واقع در این نوع معماری‌ها، یک پارامتر مشخص انتخاب می‌شود و الگوهای این پارامتر برای هر نقطه جغرافیایی در طول زمان تحلیل شده و تخمین زده می‌شود. به این ترتیب تحلیل ما به صورت محلی معنادار است.

برای مثال تابع مشخص v(t,x) نشان‌دهنده سرعت متوسط در زمان t در نقطه x را در نظر بگیرید. بر مبنای این معماری، مقادیر ثبت شده در نقطه x در طول زمان نگهداری می‌شود و به صورت تحلیلی بر مبنای شباهت زمانی نقاط ثبت شده با زمان t مانند زمان مشخص در روزهای قبل، الگوی سرعت در زمان مورد در نقطه مورد نظر بدست می‌آید.

این معماری به دلیل استفاده از نمونه‌های در حال حرکت بسیار کارا می‌باشد و به ما کمک می‌کند تا بتوانیم نمونه‌هایی در مکان‌های جغرافیایی متفاوت داشته باشیم. این امر دقت تخمین به صورت نقطه‌ای را به دلیل کم شدن نمونه‌ها پایین می‌آورد، ولی در عین حال باعث گسترده شدن سطح نمونه‌برداری می‌شود. نکته قابل توجه این است که وجود نمونه‌برداری نقطه‌ای با نصب شمارنده در یک محل دقتی به مراتب بالاتر از حد نیاز را برای ما فراهم می‌کند و این در حالی است که این سطح دقت با توجه به هزینه‌های نصب برای ما نیاز نیست. به این ترتیب ما با در حرکت بودن نمونه‌ها می‌توانیم با نمونه‌های بسیار کم‌تر سطوح جغرافیایی گسترده‌تری را پوشش دهیم. همچنین ساده بودن تکنولوژی GPS نسبت به تکنولوژی‌های شمارنده و قیمت به مراتب کمتر آن‌ها، باعث می‌شود تا بتوانیم با قیمت معادل یک شمارنده که تنها می‌تواند در یک نقطه نصب شود، تعداد زیادی نمونه در حال حرکت داشته باشیم.

مشکل اصلی در این معماری، وجود تغییرات زیاد در داده‌های بدست آمده از طریق GPS می‌باشد که باعث می‌شود نمونه‌های بدست آمده دارای دقت پایینی باشند. برای مثال سرعت یک خودرو در طول یک مسیر ممکن است تغییرات زیادی داشته باشد که نمونه‌برداری ما را دچار مشکل کند. این مشکل با گرفتن نمونه‌های زیاد در طول زمان حل شده و الگوی مورد نظر به سمت میانگین میل می‌کند. ولی چون پارامتری از جنس زمان در این تخمین تاثیرگذار است باعث می‌شود نمونه‌های زیادی در طول زمان‌های مختلف برای بالابردن دقت گرفته شود که خود از ضعف‌های این معماری به حساب می‌آید.

 

معماری مبتنی بر مسیر

ایده‌ی کلی کار ترکیب روش‌های سری‌زمانی و روش‌های مبتنی بر تشخیص الگوها مانند شبکه‌های عصبی برای تشخیص الگوهای زمان سفر و نگهداری این الگوها برای استفاده‌های بعدی است. به این ترتیب با دریافت داده‌های مکانی از خودروها، الگوهای زمان سفر با استفاده از این روش‌ها بروز رسانی می‌شوند. در نتیجه به نوعی سری زمانی تا نقطه خاصی برای تخمین‌های آینده نگهداری می‌شود.

تفاوت عمده این معماری با معماری مبتنی بر GPS در این نکته است که مبنای تحلیل ما در این روش زمان‌سفر نمونه در مسیرها یا بازه‌های مشخص می‌باشد. در نتیجه در این روش ما به دنبال تحلیل زمان‌سفر در بازه‌ی مورد نظر خواهیم بود و الگوهای مورد نظر را با توجه به بازه‌ها و مسیرها نگهداری خواهیم کرد. برای مثال بازه‌ی بین دو ایستگاه اتوبوس برای یک اتوبوس، پارامتر مناسبی برای تحلیل زمان‌سفر یک اتوبوس خواهد بود. نکته قابل توجه در این معماری این است که به دلیل وجود نگاه بازه‌ای به مکان، امکان نگهداری و تحلیل ماهیت زمان‌سفر خواهد بود. از آنجایی که زمان سفر، ماهیت مناسب و قابل سنجشی از طرف تحلیل‌گر و استفاده کننده سیستم‌های حمل و نقل می‌باشد، در نتیجه می‌توان امیدوار بود تکیه بر این معماری تحلیل‌های مناسب و تخمین‌های خوبی برای ما رقم خواهد زد.

یکی از نکات قابل توجه در این معماری کاهش هزینه‌های اجرا و نگهداری سیستم‌های تحلیل می‌باشد. در سیستم‌های ایستگاهی که به دنبال تحلیل جریان ترافیک در ایستگاه‌های مختلف هستند به دلیل وجود تکنولوژی‌های پردازش تصویر و یا دیگر تکنولوژی‌ها، نیاز به تحلیل‌های محلی در ایستگاه خواهیم داشت. به همین ترتیب به نوعی یک جریان پردازش توزیع‌شده در درون معماری قرار دارد. جریان دریافت داده‌های مکانی از خودروها، تحلیل و بازیافت پارامترهای و الگوهای ترافیکی در این معماری همگی در سمت سرور انجام می‌شود. محلی بودن این کار یک مذیت به حساب خواهد آمد ولی در عین حال دغدغه باید جبنه‌های کارآیی و حجم اطلاعات در نظر گرفته شود. برای مثال داده‌های مکانی ۲۰۰۰ اتوبوس شهر مشهد در یک بازه ۱ ماهه که در دوره‌های زمانی ۵ ثانیه‌ای مختصات خود را ذخیره می‌کردند در حدود ۳۰ گیگابایت حجم داشته و چیزی بالغ بر ۱ میلیارد نقطه را در بر می‌گیرد. این اعداد نگرانی ما را برای تحلیل و نگهداری داده‌ها و الگوها و چگونگی تحلیل و بازیابی زمان‌سفر از این حجم داده بر می‌انگیزد.

به این ترتیب در این فصل تلاش می‌کنیم معماری طراحی کنیم که علاوه بر تحلیل مناسب ترافیک و ارائه تخمین خوب از زمان سفر با توجه به معیارهای ارزیابی ارائه شده، بتواند جنبه‌های کارآیی سیستم را نیز در بر بگیرد و به صورت عملیاتی قابل استفاده باشد. شکل ۱ نمای کلی معماری ما بر مبنای جریان داده‌ها را نمایش می‌دهد.

شکل ۱ – معماری مبتنی بر مسیر

 

در این معماری ما به تحلیل مسیر حرکت خودرو می‌پردازیم و با تک داده‌های دریافتی از خودرو کاری نداریم. به این ترتیب قدرت ما برای تحلیل مسیر حرکت به منظور پیدا کردن زمان سفر و الگوهای حرکت خودروها بسیار بالا می‌رود.

معماری ارائه شده، ساختار کلی معماری مورد نظر در این پایان‌نامه می‌باشد؛ در ادامه‌ی این فصل، معماری و الگوریتم‌های بخش‌های مختلف این معماری مشخص شده و جنبه‌های مختلف هر یک مانند کارآیی مورد بررسی و تحلیل قرار خواهند گرفت.

جنبه‌ی دیگر مسئله، پیدا کردن مجموعه‌ای مناسب از خودروها می‌باشد که با قرار گرفتن سیستم مورد نظر بر روی آن‌ها بتوانیم به خوبی داده‌های ترافیکی شهر را دریافت، ذخیره و بروزرسانی کنیم. به این منظور برای مثال می‌توان سیستم‌های GPS را بر روی خودروهای آژانس و یا تاکسی قرار داد. اینکه این سیستم دقیقا در چه خودروهایی قرار گیرد و چه حجمی از خودروها لازم است تا داده‌های کافی برای تحلیل یک شبکه‌ی ترافیکی بزرگ مانند تهران را داشته باشیم، خود مسئله‌ای است که در این پایان‌نامه مورد توجه قرار خواهد گرفت.

لینک مطلب ویراتک شریف

استفاده بیشتر از سیستم‌های هوشمند حمل و نقل؛ نیازمند فرهنگ سازی

 | در بخشی دیگر از گزارش مربوط به "نگاه شما در شبکه‌های اجتماعی"، موضوع زیر که توسط " جاوید " در اتاق فکر حمل و نقل در شبکه اجتماعی " لینک‌دین " مطرح شده است به همراه دیدگاه‌های شما در این مورد بازنشر می شود: 
چرا سیستم های هوشمند حمل و نقل بین عموم مردم مورد توجه ( علاقه و کنجکاوی) قرار نگرفته ؟
سیستم های هوشمند حمل و نقل و قابلیت های فوق العاده آن برای متخصصین کم و بیش شناخته شده است اما هنوز در باور مردم( و حداقل قشری که روزانه تردد دارد ) جای خود را باز نکرده و چندان مورد توجه و علاقه ورزی قرار نگرفته است. 
شاید جواب های مختلفی را بتوان برای این مسئله برشمرد. مثلا :
- مردم این سیستم را مترادف جریمه بیشتر و پرداخت پول بیشتر می دانند - با برنامه های جذاب تلویزیونی و با زبان ساده کمتر درباره آن گفتگو شده است. 
- برخی درهم ریختگی ها مانند قطع شبکه بانک و بیمه و... در زمان حضور ارباب رجوع به این سیستم هم تعمیم داده می شود.
- کلا موضوع تخصصی است (حتی پیچیده تر از هوا و فضا!) و لذا کشش اقبال عمومی را ندارد.
- با وجود سیستم هایی مانند وایبر و... جائی برای عطش "دانستن" در این حوزه باقی نمانده است.
- تا حدی که لازمست مردم توجه نشان داده اند و این میزان کاملا طبیعی است.

لینک مطلب تین نیوز

مصاحبه آقای اسکات بلچر رئیس انجمن حمل و نقل هوشمند آمریکا با برنامه فلاش پوینت اخبار دیترویت درباره فناوری ارتباطات خودرویی و آینده آن

تین نیوز |
مجری: ITS مخفف سامانه هوشمند حمل و نقل است. سپتامبر جاری بیست و یکمین کنگره جهانی ITS برای اولین بار به دیترویت می آید. اسکات بلچر مدیر اجرایی ارشد این کنگره امروز صبح میهمان ماست. خوش آمدید.

بلچر: خوشحالم که در خدمت شما هستم.

مجری: من وقتی به این موضوع علاقمند شدم که در نوعی نمایشگاه سالانه که توسط شرکت میشلن برای نمایش فناوری برپا شده بود شرکت کردم. وقتی نگاهی عمیق به آینده حمل و نقل و شیوه جابجایی افراد بر روی کره خاکی مان می اندازیم، خواهیم دید که در یک نقطه اوج زمانی ایستاده ایم که شباهتی با گذشته ندارد. آیا چنین نیست؟

بلچر: دقیقا. ما در نقطه ای از تاریخ قرار داریم که حمل و نقل در حال یک دگرگونی کامل است. بازیگران جدیدی می‌بینیم. بازیگران موجود دگرگونی هایی را تجربه می کنند که پیش از این برایمان قابل تصور نبود. شرکت هایی مانند فورد و جنرال موتورز درباره برقراری ارتباط میان خودروها بحث می کنند، بگونه ای که بتوانند از تصادفات پرهیز کنند. صحبت درباره خودروهای خودمختار، یعنی خودروهایی که خود را بحرکت در می آورند بسیار متداول شده است. درباره تحرک پذیری مبتنی بر استفاده مشارکتی از خودرو بحث می کنیم. چه کسی فکر می کرد دایملر کرایسلر به این موضوع بپردازد. و ما در سراشیبی تندی قرار داریم. بسوی پیش رفتن و استفاده از داده ها به شیوه هایی کاملا جدید تا سامانه های حمل و نقل کارآمدتر و موثرتر از گذشته عمل کنند.

مجری: ما شاهد دو رویداد متفاوت هستیم. نخست اینکه، روش براه انداختن خودروها برای مدتی طولانی موضوع بحث بوده است. همه مایلند ما را از سوخت های فسیلی دور کنند و برای این کار دلایل متعددی دارند. لیکن به باور من در مورد اینکه روی چه سوختی برای آینده باید توافق شود مشاجره طولانی وجود داشته است. اینکه آیا یک سوخت یا تعداد مختلفی از سوخت های پاک لازم است. برای مثال همانطور که می دانید هیدروژن، سوخت های انعطاف پذیر، تمامی اینها گزینه های ممکن هستند. آیا باید در مورد سوخت آینده به یک توافق برسیم؟

بلچر: بدترین کاری که می توانیم انجام دهیم این است که بر روی یک فناوری واحد متمرکز شویم. اگر این کار را انجام دهیم از تحول فناوری غافل شده ایم. بنابراین باید در برابر انواع جدید فناوری گشایش داشته باشیم. چیز دیگری که درباره آن صحبت نکرده‌ایم، در کنار صحبت هایی که درباره خودروهای برقی، پیل های سوخت هیدروژن و تمام این فناوری های جذاب صورت می‌گیرد، تغییرات فرهنگی است که در حال روی دادن است. و ما در حال حرکت بسوی محیطی هستیم که می‌توان از آن به عنوان تحرکت پذیری اشتراکی یاد کرد. یعنی استفاده افراد از خودروها، رانندگی مشترک و حمل و نقل مشترک. فرزندان من بجای خودروهای خود بیشتر بر گوشی های همراه خود تمرکز دارند. بنابراین نسل متفاوتی در برابر ماست. معنی این امر این نیست که خودروها در این کشور یا کانادا در حال حذف شدن هستند، بلکه نحوه استفاده از آنها در حال تغییر کردن است. از دیدگاه کاربری، اگر سن شما از حدی بالاتر باشد، تماس با یک فرد و درخواست از او برای رانندگی مشترک ممکن است مسخره بنظر برسد. اما در مورد یک فرد جوان چرا که نه؟ این امر واضح بنظر می رسد. چرا باید کنار خیابان ایستاده و برای یک تاکسی دست تکان دهید در حالی که می توانید با آن تاکسی تماس بگیرید، یا با یک جرثقیل تماس بگیرید تا شما را سوار کند و در عین حال بدانید که چه زمانی به مقصد مورد نظر شما می‌رود.

مجری: شما درباره خودروهایی صحبت می کنید که با یکدیگر سخن می گویند و واقعا یک شبکه تو در توی متصل به هم از شبکه عظیم حمل و نقل ما تشکیل می دهند. فکر می کنید تا تحقق این موجودیت چقدر فاصله داریم؟

بلچر: شما نمونه ای از آنرا در ماه سپتامبر مشاهده خواهید کرد. نمایشگاهی از آنها در پارک جزیره Belle Isle در رودخانه دیترویت برپا خواهد شد. شما خودروهای مرتبط، خودروهایی که با یکدیگر سخن می گویند تا از تصادفات پیشگیری کنند و خودروهای خودمختار را خواهید دید، خودروهایی که بدون نیاز به راننده به حرکت در می آیند. مردم در حالی سوار خودروهای خود می شوند که تمامی انواع فناوری را در آن مشاهده کرده و پیشرفت روزافزون آنها را خواهند دید. جنوب شرق میشیگان، رهبری کشور را در این زمینه در دست دارد و در حقیقت هدایت کننده دنیا در زمینه فناوری ارتباطات خودرویی است. در این ایالت بیشترین تعداد خودروهای مرتبط در تمام دنیا در حال تردد هستند. به همین دلیل مردمی از 65 کشور دنیا در میشیگان حضور خواهند یافت تا راهبری این ایالت در فناوری حمل و نقل دنیا را به چشم خود ببینند.

مجری: تا دیدن یک خودروی مرتبط در پارکینگ خانه خود چقدر فاصله داریم؟

بلچر: گمان کنم در سه تا پنج سال آینده فرصت ارتباط همراه در خودروی خود و بهره مندی از فناوری ارتباطات خودرویی را داشته باشیم. این فناوری باعث نجات جان انسانها و کاهش 80 درصد از تصادفات مشتمل بر خودروهای غیرمعیوب خواهد شد، یعنی چهارتا از هر پنج نفر درگیر در تصادفات. ما سالانه یک تریلیون دلار در نتیجه تصادفات خودرو در این کشور از دست می دهیم. بیش از 34 هزار نفر هر سال جان خود را از دست می دهند. این فناوری می تواند 80 درصد از تصادفات مشتمل بر خودروهای نامعیوب را بکاهد.

مجری: این امر موجب شعف است، لیکن برخی موجبات نگرانی را نیز به همراه دارد. اگر به این سامانه وابسته شویم، این ارتباطات متقابل آسیب پذیری هایی نیز ایجاد می کنند. می توانم تحقق یک فیلم علمی تخیلی را مشاهده کنم که در آن فردی راهی برای کنترل خودروها و کوباندن آنها به هم می یابد. این امر با مقدار زیادی مخاطرات نیز همراه است.

بلچر: مطمئنا. خودروسازان زمان و پول زیادی برای دور نگه داشتن دست افراد بدکار از کنترل فناوری و ممانعت از این رویدادهای ناخوشایند صرف خواهند کرد و زمانیکه درباره یک شبکه متفاوت صحبت می کنیم، این امر اهمیت بیشتری می یابد. در اینجا نیز پول زیادی برای حفظ امنیت سایبری صرف خواهیم کرد.

مجری: تنها نیم دقیقه باقی مانده است. شما درباره یکی از هیجان انگیزترین رویدادها با من صحبت کردید. شرکت های چالاک باعث گسترش میدان عمل شده و پای شرکت های بزرگتر را به میان خواهند کشید تا در برنامه توسعه فناوری شرکت کنند.

بلچر: برخی از شرکت هایی که مسئول تحول در حمل و نقل هستند همان شرکت های سنتی حمل و نقل نیستند. آنها شرکت‌هایی تازه تاسیس در دره سیلیکون هستند. این شرکت ها از فناوری در راه هایی متفاوت استفاده می کنند. شرکت هایی مانند گوگل، اینتل، کوالکوم، اینها هستند که دارند دنیا را تغییر می‌دهند.

لینک خبر

اجرای طرح تجمیع سامانه‌های حمل و نقل هوشمند/ تدوین ضوابط اخذ کرایه به صورت الکترونیکی

مدیرکل دفتر حمل و نقل و دبیر شورایعالی هماهنگی ترافیک شهرهای کشور گفت: وزارت کشور متولی شناسنامه دار کردن سیستم های هوشمند در کشور است و تجمیع سامانه های حمل و نقل هوشمند در قالب 6 سامانه ملی در این وزارتخانه انجام خواهد شد.

به گزارش خبرنگار مهر، سید مهدی یدی همدانی با اشاره به اینکه هم اکنون زمینه ایجاد سامانه حمل و نقل هوشمند در وزارت کشور فراهم شده است، اظهار داشت: برای ثبت سیستم سامانه حمل و نقل هوشمند در هر شهر، وظیفه وزارت کشور  وظیفه ای حمایتی از شهرداری ها و راهنمایی آنها است.

وی افزود: شهرداری ها در صورت نصب سیستم حمل و نقل هوشمند، اطلاعات خود را در این سامانه ملی ثبت خواهند کرد و این سامانه شناسنامه ای را برای سیستم های حمل و نقل صادر می کند.

همدانی با بیان اینکه وظیفه ما در وزارت کشور قراردادن ابزارهای قانونی در اختیار شهرداری ها است، توضیح داد: مابه هیچ عنوان در امور داخلی شهرداری دخالت نکرده و مانع فعالیت هایشان در این خصوص نخواهیم شد.

دبیر شورای عالی هماهنگی ترافیک شهرهای کشور تاکید کرد: سیاستی که در وزارت کشور در این زمینه پیگیری می کنیم این است که اقدامات اصلاحی مورد نیاز شهرها با همکاری شهرداری ها انجام شود و ما برای انجام درست، وظیفه حمایتی خود از شهرداری ها، باید یک قدم جلوتر از آنها باشیم و در کنار استفاده از تجربیات مفید شهرداری ها، ابعادی را که کمتر به آن توجه داشته اند به دیدگاهشان اضافه کنیم.

همدانی اظهار داشت: این همکاری ها با نگاه خوبی که در زمان فعلی از طرف وزیر کشور و معاون توسعه و امور شهری و روستایی در زمینه بهبود ترافیک شهرها وجود دارد به نحو مثبتی شکل گرفته و ما می توانیم از امکانات و توان شهرداری ها برای پیشبرد بسیار ی از امور شهری استفاده کنیم.

وی از اتمام نگارش پیش نویس تفاهم نامه ای در زمینه بکارگیری انواع سامانه حمل و نقل هوشمند در ثبت مکانیزه تخلفات که مابین وزارت کشور و پلیس راهنمایی رانندگی به امضا خواهد رسید، خبر داد و افزود: ثبت تخلفاتی مثل عبور از چراغ قرمز، ورود به محدوده های ممنوعه تردد، سرعت، عدم رعایت فاصله طولی، سد معبر و هرگونه تخلفی که با دوربین و یا تجهیزات و سامانه های حمل و نقل هوشمند امکان پوشش آن باشد با بهره گیری از نظرات مدیران مراکز کنترل ترافیک شهرداری ها و همکاری معاونین حمل و نقل ترافیک شهرداری های مراکز استان بوده است، اکنون پیش نویس نهایی این تفاهم نامه تنظیم شده است.

وی افزود: علاوه بر این موضوع ،تدوین ضوابط اخذ کرایه به صورت الکترونیکی نیز با همکاری وزارت کشور، بانک مرکزی و شهرداری ها در حال بررسی است

دبیر شورایعالی هماهنگی ترافیک شهر های کشور با تاکید بر ضرورت رفع ابهامات قانونی استفاده از سامانه های ارتباطات هوشمند در حوزه حمل و نقل ترافیک گفت: برای رفع این ابهامات چهار گروه باید با یکدیگر همکاری کنند و همچنین دو وزارتخانه اصلی که متولی این مسائل از حوزه اجرایی از جمله وزارت کشور، وزارت راه و شهرسازی و پلیس راهنمایی رانندگی و از سوی دیگرNGO ها شامل نهادهای مردمی و متخصصان کشور می شوند، باید در زمینه مشارکت و همفکری هم گام های اساسی در این راه بردارند.

لینک مطلب

شناسنامه‌دار کردن تمام سیستم‌های هوشمند در کشور

تین نیوز |  مدیرکل دفتر حمل و نقل گفت: وزارت کشور متولی شناسنامه‌دار کردن تمام سیستم‌های هوشمند در کشور است و تجمیع سامانه‌های حمل و نقل هوشمند در قالب ٦ سامانه ملی در این وزارتخانه انجام خواهد شد.

 
 سید مهدی یدی همدانی، با اشاره به اینکه هم اکنون زمینه ایجاد سامانه حمل و نقل هوشمند در وزارت کشور فراهم شده است، گفت: برای ثبت سیستم سامانه حمل و نقل هوشمند در هر شهر، وظیفه وزارت کشور، وظیفه‌ای حمایتی از شهرداریها و راهنمایی آنها است و شهرداریها در صورت نصب سیستم حمل و نقل هوشمند، اطلاعات خود را در این سامانه ملی ثبت خواهند کرد.

 
وی افزود: این سامانه شناسنامه‌ای را برای سیستم‌ها صادر می‌کند و در این مسیر، وظیفه ما در وزارت کشور این است که ضمن قرار دادن ابزارهای قانونی در اختیار شهرداریها، به هیچ عنوان در امور داخلی آنها دخالت نکرده و مانع فعالیتهایشان در این خصوص نخواهیم شد.

 
یدی همدانی تصریح کرد: سیاستی که وزارت کشور در این زمینه پیگیری می‌کند این است که اقدامات اصلاحی مورد نیاز شهرها با همکاری شهرداریها انجام شود و ما برای انجام درست وظیفه حمایتی خود از شهرداریها، همیشه باید یک قدم جلوتر از آنها باشیم و در کنار استفاده از تجربیات مفید شهرداریها ابعادی را که کمتر به آن توجه داشته‌اند به دیدگاهشان اضافه کنیم.

 
مدیرکل دفتر حمل و نقل و دبیر شورای عالی هماهنگی ترافیک شهرهای کشور ادامه داد: این همکاریها با نگاه خوبی که در زمان فعلی از طرف وزیر کشور و معاون عمران و توسعه امور شهری و روستایی در زمینه بهبود ترافیک شهرها وجود دارد به نحو مثبتی شکل گرفته و ما می‌توانیم از امکانات و توان خود شهرداریها برای پیشبرد بسیاری از امور شهری استفاده کنیم.

 
وی همچنین از اتمام نگارش پیش نویس تفاهمنامه‌ای در زمینه بکارگیری انواع سامانه حمل و نقل هوشمند در ثبت مکانیزه تخلفات که ما بین وزارت کشور و پلیس راهنمایی و رانندگی به امضا خواهد رسید خبر داد.

 
دبیر شورای عالی هماهنگی ترافیک شهرهای کشور افزود: ثبت تخلفاتی مثل عبور از چراغ قرمز، ورود به محدوده‌های ممنوعه تردد، سرعت، عدم رعایت فاصله طولی، سد معبر و... و هر تخلفی که با دوربین و یا تجهیزات و سامانه‌های حمل و نقل هوشمند، امکان پوشش آن باشد از جمله تخلفاتی است که در این پیش نویس به آن اشاره شده است که نگارش پیش نویس اولیه با بهره‌گیری از نظرات مدیران مراکز کنترل ترافیک شهرداریها انجام شد و در ادامه با همکاری معاونین حمل و نقل و ترافیک شهرداریهای مراکز استان پیش نویس نهایی نیز تنظیم شد، علاوه بر این موضوع، تدوین ضوابط اخذ کرایه به صورت الکترونیکی نیز با همکاری وزارت کشور، بانک مرکزی و شهرداریها در حال بررسی است.

 
 مدیرکل دفتر حمل و نقل با تاکید بر ضرورت رفع ابهامات قانونی استفاده از سامانه‌های ارتباطات هوشمند در حوزه حمل و نقل و ترافیک گفت: برای رفع این ابهامات چهار گروه باید با یکدیگر همکاری کنند، دو وزارتخانه اصلی که متولی این مسائل از حوزه اجرایی هستند یعنی وزارت کشور و وزارت راه و شهرسازی از یک سو و پلیس راهنمایی و رانندگی از سوی دیگر و یک بخش چهارمی که NGOها و نهادهای مردمی و متخصصان کشور هستند باید در این زمینه با مشارکت و همفکری هم گامهای اساسی در این راه بردارند.

لینک مطلب

برگزاری همایش سیستم های حمل و نقل هوشمند جاده ای ITS در هرمزگان

برگزاری همایش سیستم های حمل و نقل هوشمند جاده ای ITS در هرمزگان (منبع : فارس نیوز)

مدیرکل حمل و نقل و پایانه های هرمزگان گفت: نخستین همایش سیستم های حمل و نقل هوشمند جاده ای در دی ماه سال جاری در هرمزگان برگزار می شود.

به گزارش خبرگزاری فارس از بندرعباس به نقل از روابط عمومی حمل و نقل و پایانه های هرمزگان ، علیرضا مجرد اظهار داشت: این همایش با هدف ارتقاء دانش ITS در حمل و نقل جاده ای، برقراری ارتباط موثر بین سازمان، صنعت و دانشگاه برگزار می شود.

وی تصریح کرد: آشنایی و ارتباط میان اساتید، پژوهشگران، صاحب نظران، متخصصان، سیاست گذاران و علاقه مندان حوزه سیستم های حمل و نقل جاده ای ITS، بررسی چالش های علمی و اجرایی در فرآیند کاری، ترویج فناوری های نوین و سیستم های هوشمند در حمل و نقل جاده ای، ارتقاء سیستم های موجود و بهبود روش های اجرایی از دیگر اهداف برگزارکنندگان است.

مدیرکل حمل و نقل و پایانه های استان هرمزگان با اشاره به محورهای این همایش بیان داشت: سیاست های کلی و راهبرد در ITS، مدیریت هوشمند ایمنی و کنترل ترافیک، اطلاع یابی، اطلاع رسانی و مدیریت سفر، زیرساخت های مشترک، تکنولوژی و تجهیزات، مدیریت و تجربیات اجرای پروژه های ITS و ارتقاء الگوهای رفتاری از اهم موارد است.

      لینک مطلب