London közlekedése évtizedek óta Európa egyik legösszetettebb rendszere. A történelmi utcahálózat, a napi többmilliós utazásszám, a folyamatosan növekvő gyalogos- és kerékpáros arány, valamint a közösségi közlekedés elsőbbségének politikai elvárása olyan nyomást helyez a városra, amelyet hagyományos jelzőlámpa-logikával már nem lehet kezelni. Erre válaszul a Transport for London bemutatta első, valóban hálózati szintű forgalomirányítási stratégiáját, amely 2030-ig nem kisebb célt tűz ki, mint hogy az operatív döntések alapja ne tapasztalat és rutin, hanem valós idejű adatfeldolgozás legyen.

A TfL London egységes közlekedésszervező vállalata, amely a város közútjait, jelzőlámpáit, busz- és metróhálózatát egyetlen rendszerként kezeli. Több mint 6 400 jelzőlámpás csomópont és átkelő tartozik hozzá, ami Európa egyik legnagyobb integrált forgalomirányítási hálózatát jelenti. A TfL különlegessége, hogy a közlekedést nem különálló projektek, hanem összefüggő rendszerként kezeli.

A stratégia technológiai gerincét a Yunex Traffic által szállított Yutraffic Fusion rendszer továbbfejlesztése adja. Ez a platform már ma is a világ élvonalába tartozik, az új verzió azonban még tovább lép: szélesebb adatkörből dolgozik, és felkészül arra, hogy mesterséges intelligenciával támogatott szenzorok adatait közvetlenül beépítse a jelzőlámpák vezérlésébe.

A Yutraffic Fusion egy városi forgalomirányító rendszer, amely nem előre rögzített ciklusok szerint működik, hanem folyamatosan elemzi a forgalmi mintákat, torlódásokat és járműtípusokat. Ezek alapján dinamikusan dönt arról, mikor, hol és kinek ad elsőbbséget, miközben a teljes hálózatot egyben kezeli.

A TfL számításai szerint az így optimalizált jelzőlámpa-hálózat akár 14 százalékkal csökkentheti a késéseket. Ez nemcsak gyorsabb haladást jelent, hanem társadalmi szinten mintegy 1 milliárd fontnyi – hozzávetőleg 460 milliárd forintos – hasznot az elvesztegetett idő csökkenésén keresztül. A hangsúly azonban nem pusztán a sebességen van, hanem azon, hogy a rendszer képes legyen értelmezni, mi történik valójában az utcákon.

Ebben kulcsszerepet játszanak az AI-alapú kamerák. London-szerte egyre több Vivacity eszköz működik, amelyek nemcsak rögzítik a forgalmat, hanem értelmezik is a látottakat.

A Vivacity egy mesterséges intelligenciával működő forgalmi megfigyelőrendszer, amely képes megkülönböztetni a gyalogosokat, kerékpárosokat, kerekesszékes közlekedőket, személyautókat, taxikat és nehéz-tehergépjárműveket. Az adatokat nem bírságolásra, hanem forgalomirányítási és közlekedésbiztonsági döntésekhez használják.

A TfL a londoni kerületekkel kötött adatmegosztási megállapodások révén több mint ezer ilyen kamera adatait integrálja egyetlen rendszerbe. Ennek eredményeként a jelzőlámpák már nem pusztán járműszámra reagálnak, hanem valódi közlekedési helyzeteket értelmeznek. Ez különösen fontos a közösségi közlekedés esetében, ahol a kiszámíthatóság legalább annyira számít, mint a sebesség.

Jelenleg több mint kétezer jelzőlámpánál működik buszprioritás, a cél pedig az, hogy 2030-ra minden buszútvonalon mesterséges intelligencia segítse a haladást. A szemléletváltás lényege, hogy nem egy-egy csomópontot hangolnak, hanem teljes útvonalakat kezelnek egységes rendszerként.

A buszprioritás olyan forgalomirányítási megoldás, amely a közösségi közlekedést előnyben részesíti a jelzőlámpáknál. Az AI-alapú rendszer nem fix zöldhullámot biztosít, hanem a valós forgalmi helyzet, késések és menetrendi adatok alapján dönt.

A stratégia kiterjed az útépítések és közműmunkák kezelésére is. A lane rental rendszer, amely díjat számít fel a forgalmas időszakokban végzett útfelbontásokért, a kerületi utakra is kiterjed, ezzel adatvezérelt eszközzé válva a torlódások megelőzésében.

A lane rental olyan szabályozási eszköz, amelynek célja, hogy az útfelbontások időzítése és szervezése a lehető legkisebb forgalmi zavart okozza. A díjszabás ösztönzi a kivitelezőket a hatékonyabb, adatvezérelt tervezésre.

A forgalomirányítás és a technológia azonban Londonban szorosan összekapcsolódik a közlekedésbiztonsággal. A stratégia illeszkedik a Vision Zero elveihez, amelyek nem elvont célkitűzések, hanem konkrét intézkedések sorozatában öltenek testet.

A Vision Zero abból indul ki, hogy a halálos és súlyos sérüléssel járó közúti balesetek nem elfogadható mellékhatások. Londonban ez közeli baleseteket felismerő kamerák tesztelését, veszélyes csomópontok átépítését, valamint a nehéz-tehergépjárművek látómező-követelményeit szigorító Direct Vision Standard alkalmazását jelenti. Az intézkedések eredménye, hogy a halálos és súlyos sérülések száma rekordalacsony szintre csökkent, miközben a kerékpáros közlekedés több mint 40 százalékkal nőtt.

A TfL Vision Zero-hoz kapcsolódó szemléletformáló anyagainak egy fontos üzenete (kép: TTT)

A londoni modell Magyarország számára is világos üzenetet hordoz. A városi közlekedési problémák nem újabb szabályokkal, hanem rendszerszintű, digitális megoldásokkal kezelhetők. Budapest és a magyar nagyvárosok hasonló forgalmi nyomás alatt működnek, miközben az adatvezérelt forgalomirányítás még korlátozott. London példája azt mutatja, hogy a mesterséges intelligencia nem kísérlet, hanem az egyik legerősebb közlekedéspolitikai eszköz a biztonság, a kiszámíthatóság és a versenyképesség javítására.

Az Autószektor az elmúlt időszakban következetesen foglalkozott azokkal a technológiai és szabályozási folyamatokkal, amelyek most Londonban rendszerszinten érnek össze. A robotaxikról szóló londoni elemzés már korábban jelezte, hogy a brit főváros tudatosan vállalja a kockázatot az adatvezérelt, tanuló rendszerek éles környezetben történő bevezetésével. Az „Az AI már nem csak figyel – dönt is” című cikk azt a fordulópontot írta le, amikor Európában az algoritmusok már nem támogató, hanem operatív döntéshozó szerepbe lépnek, míg a brit közlekedésbiztonsági stratégiát elemző írás világossá tette: London nem kampánylogikában, hanem infrastruktúra- és rendszerszintű gondolkodásban kezeli a közlekedést. A most bejelentett AI-alapú forgalomirányítási stratégia ezeknek a folyamatoknak a gyakorlati összefutása: technológia, közlekedéspolitika és biztonság nem külön témák többé, hanem egyetlen integrált rendszer részei.

Forrás: Traffic Technology Today, TfL deploys AI traffic control across London in five-year congestion strategy

Nyitókép: Traffic Technology Today