Data jsou víc než pocit. Bez kvalitní dopravní analýzy hrozí miliardové omyly.

Když se řekne dopravní průzkum, většina lidí si ještě dnes představí člověka sedícího u silnice s papírem a tužkou, který dělá čárky za každé projíždějící auto. Realita moderních dopravních analýz je ale úplně jinde. Špičkové kamery, automatické rozpoznávání registračních značek, dlouhodobé videozáznamy a datové modely městské dopravy dnes rozhodují o tom, kde například vznikne nová dálnice, obchvat nebo parkovací dům za stovky milionů korun.

„Každá dopravní stavba nebo jakýkoliv projekt by měl být navržený na základě analýz a rozhodnutí, které pomohou posoudit vhodnost dané stavby. Jedním z těch klíčových podkladů je dopravní analýza postavená na kvalitních datech,“ říká vedoucí Mobilní laboratoře pro dopravní analýzy na Fakultě dopravní ČVUT v Praze Petr Kumpošt, který se dopravním průzkumům a analýzám věnuje téměř dvě desetiletí.

Mobilní laboratoř pro dopravní analýzy ČVUT dnes disponuje více než 100 kamerovými sety, které fungují na baterie a lze je rychle rozmístit v terénu. Záznamy dokáží pořizovat i několik dní v kuse. Například pro Prahu každoročně analyzují dvě až tři stovky lokalit a celkově pořizují přibližně 25 tisíc hodin videozáznamů ročně.

Právě kvalita dat je pro dopravní analýzy zásadní. Nejde totiž jen o to spočítat auta. Důležité je zjistit, odkud a kam jezdí, kdy a proč, jak dlouho vozidla parkují nebo kterou alternativní trasu volí při uzavírce. Stále víc se ke slovu dostává umělá inteligence při strojovém zpracování obrazu, Petr Kumpošt ale upozorňuje, že zatím není možné se na ni ve všech situacích spolehnout. „Vyhodnotit počet aut už dnes AI zvládá poměrně dobře. Problém nastává ve chvíli, kdy potřebujete podrobněji rozlišovat jednotlivé kategorie vozidel nebo specifické skupiny aut, například když potřebujete rozlišit linkové autobusy a vozy MHD. Nebo když je pořízený záznam v nočních hodinách nebo zhoršené viditelnosti“ vysvětluje a rovnou přidává příklad.

„V jednom průzkumu bylo například nutné spočítat auta konkrétních stavebních společností, protože investor se na základě toho vypořádával se správcem komunikace za průjezdy stavební techniky. Člověku to zadání vysvětlím poměrně jednoduše. Naučit to umělou inteligenci je složitější,“ říká Kumpošt.

Problém podle něj spočívá mimo jiné v tom, že programátoři většinou potřebují vyvinout globální produkt, aby se jim jeho vývoj vyplatil. Při dopravních průzkumech se mohou lišit požadavky jednotlivých zadavatelů a zhotovitelé pak realizují sběr dat dle specifických požadavků v dané lokalitě. To platí nejen v rámci ČR ale i v zahraničí. „Software vyvinutý pro sčítání dopravy v Česku musí být proto jiný než pro Indii. I tak ale myslím, že v horizontu dvou až tří let to bude už na mnohem vyšší úrovni a já vždy říkám, že budu první, kdo to bude ve velkém používat, jakmile to bude dostatečně přesné a konzistentní.“

Minimální chybovost

I proto dnes laboratoř stále využívá kombinaci technologií a lidského vyhodnocování. Analytici sledují videozáznamy a data zaznamenávají do specializovaných aplikací. Díky tomu se podle Kumpošta daří držet chybovost na úrovni dvou až tří procent, což je velmi kvalitní výsledek. Výraznou pomocí je software na automatizované rozpoznávání registračních značek.

„Dříve bylo běžné, že při ručním sběru dat a vysoké intenzitě dopravy se zapisovaly jen poslední čtyři znaky registrační značky a čas průjezdu. Jenže to je způsob velmi nepřesný. Když jsme dělali průzkum pro Barrandovský most, kolega zkusil odseparovat jen ty čtyři poslední znaky. Za 12 hodin mělo stejné čtyřčíslí třeba 23 úplně jiných aut,“ podotýká Kumpošt.

Právě současné možnosti sledovat po-hyb vozidel pomocí detekce registračních značek přináší podle něj zcela nový rozměr dopravních analýz. „Například jedna městská část Prahy si dlouhodobě stěžo-vala, že v jejich lokalitě parkovací místa zřejmě blokují lidé přijíždějící ze Středočeského kraje, kteří pak pokračují hromadnou dopravou dále do Prahy. Tak jsme udělali RZ průzkum na všech vjezdech a výjezdech do městské části a s kamerou a GPS jsme zaznamenávali každé zaparkované auto. A zjistili jsme, že téměř 40 procent aut se za tři dny vůbec nepohnulo. Takže se ukázalo, že problém nejsou přijíždějící lidé, ale to, že hodně domácností vlastní a má v okolí zaparkovaná dvě až tři auta, která nepoužívají každý den. Analýza tak ukázala, že problém je úplně jinde, než se původně předpokládalo, a otevřela cestu k jinému řešení – třeba stavbě velkého parkoviště, kam si místní lidé pro auto zajdou třeba jen o víkendu, a když se dobře nastaví cenová politika, rázem bude před domy dost prostoru pro krátkodobé zapakování na pár hodin,“ popisuje vedoucí laboratoře.

Právě konkrétní data podle něj často pomáhají uklidnit emoce a usnadnit komunikaci mezi městy, investory a obyvateli. „Máme takový interní slogan: data jsou víc než pocit. Když problém analyzujete a kvantifikujete, mnohem lépe se o něm diskutuje, než když se všechno opírá jen o dojmy.“

Tlak na cenu může být problém

Dopravní analýzy dnes zásadně ovlivňují rozhodování o investicích v řádech stovek milionů až miliard korun. O to větší problém podle Kumpošta představuje tlak na co nejnižší cenu průzkumů. „Často se pod-cení samotný sběr dat, protože jediným kritériem bývá cena. Jenže když se rozhoduje o nové investici na základě nekvalitních dat, může to mít obrovské důsledky,“ upozorňuje a rovnou přidává další příklad. „Jedna část Prahy chtěla vytipovat nejlepší místo pro stavbu parkovacího domu. Analýza parkování ale ukázala, že na stávajících parkovištích byla i třetina volných míst, zatímco lidé parkovali v ulicích pod okny svých domů, aby na auto viděli,“ popisuje Kumpošt.

Kdyby se tedy parkovací dům za stovky milionů postavil, zatímco parkování na ulici by zůstalo zdarma, velká část řidičů by ho stejně nevyužívala.

Vedle samotného sběru dat dnes hrají stále větší roli také dopravní modely. Speciální software dokáže simulovat budoucí vývoj dopravy a ukázat, co se může stát při uzavírce silnice nebo po otevření třeba nového aquaparku. „Je to podobné, jako když lijete vodu do soustavy různě velkých trubek. Model ukáže, co se stane, když jednu ulici uzavřete nebo dopravu nasměrujete jinam. Klíčové jsou právě vstupy o stávajícím stavu dopravy,“ popisuje Kumpošt. Takové modely využívají například velká města při plánování rekonstrukcí, dopravních omezeních, nebo dalším rozvoji. Často ale nezbývá než při uzavírkách vybrat ze všech omezujících možností tu nejméně kritickou. „Když někde uzavřete dálnici, která na sebe stahuje tisíce aut, negativní dopad bude vždycky znát, prostě nemáte alternativní trasu se stejnou kapacitou, “konstatuje.

Přístup investorů k dopravním průzkumům se za poslední roky zlepšuje. Zatímco dříve šlo často jen o formální splnění požadavku, dnes stále víc chápou, že kvalitní data jsou nepostradatelná. „Říct, že někde bude dalších sto let stát dopravní stavba, která vznikla na základě špatných dat, je prostě nešťastné. Chybné podklady vedou k chybným rozhodnutím,“ dodává Petr Kumpošt.

„Závěrem bych dodal, že jsme se hodně bavili o možnostech sběru dat a využívání moderních technologií. Ale ve chvíli, kdy máme data sebrána je rovněž velmi klíčové, jak budou data zpracována a interpretována. I v analytické činnosti při zpracování dopravních dat se můžeme setkat s různými přístupy, které mohou ovlivnit konečný výsledek“, uzavírá Kumpošt.

Text: Redakce Foto: Fakulta dopravní ČVUT v Praze