Cities worldwide are plagued by traffic congestion, which not only results in lost productivity but also contributes to increased carbon emissions and noise pollution.
นักวิจัยที่ Stanford ได้พัฒนาวิธีการที่ใช้ปัญญาประดิษฐ์เพื่อเพิ่มประสิทธิภาพการเก็บค่าผ่านทาง
เมืองต่างๆ ทั่วโลกประสบปัญหาการจราจรติดขัด ซึ่งไม่เพียงแต่ส่งผลให้สูญเสียผลผลิต แต่ยังก่อให้เกิดการปล่อยก๊าซคาร์บอนและมลพิษทางเสียงเพิ่มขึ้นอีกด้วย
เพื่อแก้ไขปัญหานี้ การกำหนดราคาความแออัดได้รับการเสนอเป็นวิธีแก้ปัญหาที่เป็นไปได้ การกำหนดราคาความแออัดนำมาซึ่งการเรียกเก็บค่าผ่านทางสำหรับการใช้ถนนที่พลุกพล่าน เพื่อกระตุ้นให้ผู้ขับขี่หลีกเลี่ยงพื้นที่แออัดและชั่วโมงเร่งด่วน อย่างไรก็ตาม ค่าผ่านทางที่เหมาะสมเพื่อลดการจราจรอย่างมีประสิทธิภาพยังคงเป็นความท้าทาย การรวบรวมแอตทริบิวต์การเดินทางของผู้ใช้ เช่น ต้นทางและปลายทางเพื่อจุดประสงค์นี้เป็นเรื่องยากและทำให้เกิดความกังวลเรื่องความเป็นส่วนตัว
นักวิจัยจาก Stanford University ได้พัฒนาแนวทางใหม่ในการเพิ่มประสิทธิภาพค่าผ่านทางโดยใช้ปัญญาประดิษฐ์ วิธีนี้เกี่ยวข้องกับการปรับค่าผ่านทางแบบไดนามิกตามจำนวนรถยนต์ที่เดินทางบนถนนบางสายในช่วงเวลาที่กำหนด เพื่อให้สมดุลระหว่างอุปทานของถนนและความต้องการของผู้ขับขี่ แนวทางนี้มีศักยภาพในการปรับปรุงระบบการกำหนดราคาที่แออัดในเมืองต่างๆ ทั่วโลก
นักวิจัยใช้การเรียนรู้ออนไลน์ ซึ่งเป็นสาขาหนึ่งของแมชชีนเลิร์นนิงและปัญญาประดิษฐ์โดยไม่ต้องใช้ข้อมูลการเดินทางเพิ่มเติมของผู้ใช้ เพื่อปรับเปลี่ยนค่าผ่านทางตามการสังเกตพฤติกรรมของผู้ขับขี่รถยนต์ ด้วยการเพิ่มประสิทธิภาพการเก็บค่าผ่านทาง เทคนิคของเราจะปกป้องความเป็นส่วนตัวของผู้ใช้ในขณะที่ลดความแออัดของการจราจร นักวิจัยพบว่าจุดข้อมูลเดียวที่จำเป็นในการกำหนดอุปสงค์และอุปทานของถนนคือจำนวนรถยนต์ทั้งหมดบนถนน ณ ช่วงเวลาใดเวลาหนึ่ง ซึ่งเป็นข้อมูลที่มีอยู่แล้วในเมืองต่างๆ ด้วยเทคโนโลยีการตรวจจับร่วมสมัย เช่น ตัวตรวจจับลูป
ด้วยการกระทำที่เป็นอิสระจากการเลือกถนนสายหนึ่งผ่านอีกสายหนึ่ง ผู้ขับขี่จะเปิดเผยความชอบโดยรวม ทำให้สามารถกำหนดราคาค่าผ่านทางที่แออัดบนถนนที่แออัดได้ ดังนั้นจึงจูงใจให้นักท่องเที่ยวเปลี่ยนไปใช้เส้นทางอื่นหรือรูปแบบการขนส่งอื่นๆ วิธีการเรียนรู้แบบออนไลน์จะปรับเปลี่ยนค่าผ่านทางตามการไหลรวมที่สังเกตได้ในเส้นทางของเครือข่ายการขนส่งในแต่ละช่วงเวลาเท่านั้น
เพื่อตรวจสอบประสิทธิภาพของแนวทางของพวกเขา นักวิจัยได้เปรียบเทียบวิธีการนี้กับ “คำทำนาย” ที่รู้ทุกอย่างพร้อมข้อมูลที่สมบูรณ์เกี่ยวกับคุณสมบัติการเดินทางของผู้ใช้ จากการทดสอบแนวทางใหม่บนเครือข่ายการจราจรในโลกแห่งความเป็นจริง นักวิจัยสังเกตว่าวิธีนี้มีประสิทธิภาพดีกว่าวิธีการกำหนดราคาแบบแออัดแบบดั้งเดิมหลายวิธี
งานวิจัยนี้สร้างขึ้นจากงานก่อนหน้าของผู้เขียนหลักและเพื่อนร่วมงานของเขา โดยมุ่งเน้นที่การสร้างหลักประกันความเสมอภาคของการกำหนดราคาที่แออัด การศึกษาดังกล่าวเสนอวิธีการแบ่งสรรปันส่วนโดยให้ผู้ขับขี่ที่มีรายได้น้อยได้รับเงินคืนมากกว่าที่จ่ายเป็นค่าผ่านทาง ในขณะที่ค่าตอบแทนของผู้ขับขี่ที่มีฐานะร่ำรวยส่วนใหญ่จะอยู่ในรูปของเวลาที่ไม่ได้ใช้ไปกับการจราจรที่ติดขัด
ก้าวไปข้างหน้า นักวิจัยตั้งเป้าที่จะรวมแนวทางที่เท่าเทียมกันในการกำหนดราคาความแออัดที่พัฒนาขึ้นในรายงานปี 2021 เข้ากับแนวทางการเรียนรู้ซึ่งใช้ในการศึกษาครั้งใหม่นี้ พวกเขาตั้งเป้าหมายที่จะสำรวจเพิ่มเติมเกี่ยวกับการออกแบบโครงร่างสิ่งจูงใจสำหรับระบบการสัญจรในอนาคตที่คำนึงถึงความเสมอภาคและประสิทธิภาพ ในขณะเดียวกันก็ลดค่าใช้จ่ายการจราจรติดขัดให้กับสังคม
โดยสรุป แนวทางใหม่ของนักวิจัยในการเพิ่มประสิทธิภาพค่าผ่านทางโดยใช้ปัญญาประดิษฐ์มีศักยภาพที่มีแนวโน้มในการลดความแออัดของการจราจรและปรับปรุงประสิทธิภาพของระบบการกำหนดราคาความแออัดในเมืองต่างๆ ทั่วโลก วิธีการนี้รักษาความเป็นส่วนตัวของผู้ใช้ในขณะที่ปรับค่าผ่านทางแบบไดนามิกตามพฤติกรรมของคนขับที่สังเกตเห็น ซึ่งสามารถช่วยลดต้นทุนการจราจรติดขัดทั้งหมดให้กับสังคมได้ ในขณะเดียวกันก็คำนึงถึงข้อพิจารณาทางสังคม เช่น ความเสมอภาค
Niharika Singh Niharika เป็นที่ปรึกษาด้านเทคนิคฝึกงานที่ Marktechpost เธอกำลังศึกษาระดับปริญญาตรีชั้นปีที่ 3 ซึ่งกำลังศึกษาต่อด้าน B.Tech จาก Indian Institute of Technology (IIT), Kharagpur เธอเป็นบุคคลที่มีความกระตือรือร้นสูงและมีความสนใจอย่างมากในการเรียนรู้ของเครื่อง วิทยาศาสตร์ข้อมูลและ AI และเป็นผู้อ่านตัวยงของการพัฒนาล่าสุดในสาขาเหล่านี้