ซอฟต์แวร์จำลองการจราจรเผยเหตุผลที่คนขับรถยึดติดกับเส้นทางที่ช้ากว่าทั้งที่มีทางเลือกที่ดีกว่า

Eclipse SUMO แพลตฟอร์มจำลองการจราจรแบบโอเพนซอร์ส ได้จุดประกายการอพิปรายที่น่าสนใจเกี่ยวกับพฤติกรรมการขับขี่ของมนุษย์และความท้าทายในการสร้างแบบจำลองรูปแบบการจราจรในโลกจริง ซอฟต์แวร์ที่ออกแบบมาเพื่อจัดการกับการจำลองการเคลื่อนไหวในเมืองขนาดใหญ่นี้ ได้กลายเป็นจุดสำคัญในการทำความเข้าใจว่าทำไมคนขับรถจึงมักเลือกเส้นทางที่ดูเหมือนไม่มีเหตุผล

คุณสมบัติหลักของ SUMO:

• การจำลองระดับจุลภาคของยานพาหนะแต่ละคัน คนเดินเท้า และการขนส่งสาธารณะ
• รองรับการจราจรหลายรูปแบบ (รถยนต์ รถเมล์ รถไฟ จักรยาน คนเดินเท้า)
• การนำเข้าเครือข่ายจาก OpenStreetMap , VISUM , VISSIM , NavTeq , MATsim , OpenDRIVE
• การควบคุมการจำลองแบบเรียลไทม์ผ่าน Traffic Control Interface ( TraCI )
• ความเข้ากันได้ข้ามแพลตฟอร์ม ( Windows , Linux , macOS )
• โอเพนซอร์สภายใต้ Eclipse Public License v2.0 และ GNU GPL v2.0

ภาพหน้าจอของเว็บไซต์ SUMO ที่แสดงรายละเอียดคุณสมบัติและฟังก์ชันการทำงานในการจำลองการเคลื่อนไหวในเมือง

ปริศนาของรูปแบบการจราจรที่คงอยู่

การอพิปรายในชุมชนเผยให้เห็นปรากฏการณ์ในเมืองที่พบได้ทั่วไปซึ่งทำให้วิศวกรการจราจรและผู้สัญจรไปมาประจำวันงุนงง คนขับรถมักยึดติดกับเส้นทางที่คุ้นเคยแม้ว่าจะมีทางเลือกที่เร็วกว่าอยู่เพียงไม่กี่ช่วงตึก ตัวอย่างที่โดดเด่นเป็นพิเศษคือทางขึ้นทางด่วนที่ผู้สัญจรไปมาจะต่อคิวเป็นช่วงตึกที่ป้ายหยุด ในขณะที่เส้นทางใกล้เคียงที่มีไฟจราจรกลับว่างเปล่า รูปแบบนี้คงอยู่มานานกว่าทศวรรษจนกระทั่งป้ายหยุดถูกเปลี่ยนเป็นไฟจราจร

พฤติกรรมนี้เน้นย้ำถึงความท้าทายพื้นฐานในการจำลองการจราจร นั่นคือการสร้างแบบจำลองการตัดสินใจของมนุษย์ที่ดูเหมือนขัดต่อตรรกะให้แม่นยำ นิสัยและกิจวัตรมีบทบาทอย่างมากในการเลือกเส้นทาง โดยคนขับรถหลายคนตัดสินใจบนพื้นฐานของข้อมูลที่ล้าสมัยหรือประสบการณ์ในอดีตที่ไม่สะท้อนสภาพปัจจุบันอีกต่อไป

การจำลองสี่แยกจราจรที่เน้นพฤติกรรมของผู้ขับขี่ในการตัดสินใจเลือกเส้นทาง

เกินกว่าการเพิ่มประสิทธิภาพเส้นทางแบบง่าย

ผู้เชี่ยวชาญด้านการจำลองการจราจรชี้ให้เห็นว่าสิ่งที่ดูไม่มีเหตุผลมักจะมีเหตุผลเมื่อมองผ่านเลนส์ของข้อมูลที่ไม่สมบูรณ์และลำดับความสำคัญส่วนบุคคลที่แตกต่างกัน คนขับรถตัดสินใจบนพื้นฐานของวัตถุประสงค์ที่แตกต่างกัน บางคนให้ความสำคัญกับความสามารถในการคาดเดาได้มากกว่าความเร็ว ในขณะที่คนอื่นๆ ชอบรูปแบบการไหลของการจราจรบางแบบโดยไม่คำนึงถึงเวลาในการเดินทาง

พฤติกรรมที่ไม่มีเหตุผลส่วนใหญ่ไม่ใช่เรื่องไร้เหตุผล ผู้คนตัดสินใจด้วยข้อมูลที่ไม่สมบูรณ์และส่วนย่อยของข้อมูลที่พวกเขามีนั้นแตกต่างกันระหว่างบุคคล

ข้อมูลเชิงลึกนี้มีผลกระทบอย่างมีนัยสำคัญต่อการวางผังเมืองและระบบการจัดการการจราจร แอปพลิเคชันนำทางสมัยใหม่อย่าง Google Maps เริ่มมีอิทธิพลต่อรูปแบบเหล่านี้โดยการนำทางคนขับรถหลายคนไปยังเส้นทางทางเลือกพร้อมกัน แม้ว่าผลกระทบระยะยาวต่อการกระจายตัวของการจราจรจะยังไม่ชัดเจน

การประยุกต์ใช้ในการวางผังเมืองและเกม

การอพิปรายยังเผยให้เห็นความสนใจที่เพิ่มขึ้นในการใช้ SUMO สำหรับแอปพลิเคชันการสร้างเมืองและการแสดงภาพการวางผังเมือง นักพัฒนากำลังสำรวจวิธีการรวมการจำลองการจราจรที่สมจริงเข้ากับเกมสร้างเมือง เพื่อแก้ไขความหงุดหงิดที่มีมานานกับพฤติกรรมการจราจรที่ไม่สมจริงในเกมยอดนิยมอย่าง Cities Skylines

ความสามารถของซอฟต์แวร์ในการรันการจำลองแบบ headless ทำให้มีความน่าสนใจเป็นพิเศษสำหรับการประยุกต์ใช้ในการวิจัยและการกวาดพารามิเตอร์บนคลัสเตอร์คอมพิวติ้ง ความสามารถนี้เปิดประตูสู่เครื่องมือการวางผังเมืองที่ซับซ้อนมากขึ้น ซึ่งสามารถช่วยนักวางผังเมืองทดสอบสถานการณ์ต่างๆ ก่อนที่จะนำไปใช้ในการเปลี่ยนแปลงในโลกจริง

เวอร์ชันปัจจุบัน: SUMO 1.24.0 สำหรับ Windows 64-bit สถิติ GitHub: 2,935 ดาว, 1,573 forks การประชุมประจำปี: SUMO User Conference จัดขึ้นทุกปีที่ Berlin ตั้งแต่ปี 2013 การพัฒนา: C++ และ Python พร้อมไลบรารีแบบพกพา

แผนที่รายละเอียดจากการจำลอง SUMO ที่แสดงโครงสร้างพื้นฐานเมืองสำหรับการวางแผนการจราจร

ความท้าทายในการนำไปใช้ในโลกจริง

แม้จะมีความสามารถที่น่าประทับใจของ SUMO แต่การนำการจำลองการจราจรที่สมจริงไปใช้ยังคงเผชิญกับอุปสรรคสำคัญ ความท้าทายที่สำคัญที่สุดคือการได้รับข้อมูลความต้องการการจราจรที่แม่นยำ นั่นคือเมทริกซ์จุดเริ่มต้น-จุดหมายปลายทางที่กำหนดว่ายานพาหนะเดินทางไปที่ไหน ข้อมูลนี้โดยทั่วไปไม่มีให้ใช้ฟรี ทำให้นักวิจัยและนักวางแผนสร้างแบบจำลองที่แม่นยำได้ยาก

นอกจากนี้ ข้อมูลเวลาไฟจราจรและลักษณะถนนในโลกจริงมักแตกต่างจากสิ่งที่มีอยู่ในแพลตฟอร์มแผนที่เปิดอย่าง OpenStreetMap อย่างมีนัยสำคัญ ช่องว่างในการสร้างแบบจำลองเหล่านี้สามารถนำไปสู่การจำลองที่ไม่สมจริงอย่างมาก เว้นแต่จะมีการลงทุนเวลาและทรัพยากรอย่างมากในความพยายามในการปรับเทียบ

อ้างอิง: Simulation of Urban Mobility