Hiyerarşik trafik kontrolü için rafine edilmiş ağlarla şehir ölçeğinde yüksek çözünürlüklü trafik veri setleri

Şehir trafiğinin daha iyi verilere neden ihtiyacı var

Bir dizi kırmızı ışıkta beklemiş veya tıkalı bir şehir merkezinde sürünmüş olan herkes şehir trafiğinin ne kadar düzensiz olabildiğini bilir. Yine de o ışıkları kontrol eden ve akışı yöneten sistemlerin çoğu hâlâ eksik ve düşük ayrıntılı verilere dayanıyor. Bu makale, araştırmacılara ve planlamacılara araçların gerçek yol ağlarında nasıl hareket ettiğine dair çok daha net bir resim sunmak için tasarlanmış yeni bir şehir ölçeğinde trafik veri setleri ailesini tanıtıyor; bu da tıkanıklığın daha akıllıca ve daha koordine biçimde kontrol edilmesinin yolunu açıyor.

Birkaç sokaktan tüm şehirlere

Yazarlar, Jinan, Hangzhou, Manhattan, Nanchang ve Xuancheng olmak üzere beş birbirinden çok farklı kentsel alandan ayrıntılı trafik verilerini derleyip standartlaştırıyor. Bu şehirler birkaç kavşağı olan kısa arterlerden binlerce kavşağı kapsayan geniş ağlara kadar değişiyor. Önceki açık veri setleri tipik olarak küçük, düzenli ızgaralara ve kısa süreli bir saatlik anlara odaklanırken, bu koleksiyon yol düzenlerinin, kavşak şekillerinin ve talep örüntülerinin çok daha geniş bir çeşitliliğini yakalıyor. Öne çıkan katkılardan biri olan Xuancheng veri seti neredeyse bir bütün şehir ölçeğini temsil ediyor; yüzlerce kavşak ince detayla modellenmiş, bireysel şerit düzenlemeleri ve karmaşık kavşak yapılarını içeriyor.

Sadece bir örnek değil, her aracı görmek

Mevcut trafik verilerinin çoğu kameralar veya seyrek sensörlerden geliyor; bunlar ağın yalnızca parçalarını ve kısa süreleri görür. Xuancheng verileri farklı bir yaklaşım benimsiyor. Şehirde belirli yol bölümlerine kurulmuş otomatik araç tanımlama (AVI) sistemi bulunuyor; bu sistem her aracın ne zaman girdiğini ve çıktığını kaydediyor. Giriş ve çıkış kayıtlarındaki anonim tanımlayıcıları eşleştirerek yazarlar, bir ay boyunca günde yüzbinlerce yolculuğun tam yollarını yeniden oluşturuyor. Bu sayede sürücülerin gerçekten nasıl rota seçtiklerini, hafta içi ile haftasonu akışlarının nasıl değiştiğini ve tatillerin talebi nasıl yeniden şekillendirdiğini görebiliyorlar. Araçlar yolcu ve yük gibi geniş sınıflara ayrılıyor, böylece simülasyonlar farklı araç türlerinin trafiği nasıl etkilediğini yansıtabiliyor.

Dağınık kayıtları ortak bir haritaya dönüştürmek

Beş şehrin ham verileri farklı formatlarda ve ayrıntı seviyelerinde saklandığı için ekip birleşik bir işleme iş akışı geliştirdi. Önce, her yol ağını tutarlı bir dijital harita olarak yeniden inşa ediyorlar; orijinal kaynaklar farklı geometri tanımları kullansa bile kavşakları ve bağlantıları belirliyorlar. Ham şekilleri basit dikdörtgenlerle çevreleyerek kavşak boyutunu ve konumunu tahmin ediyor, yaklaşımları kardinal yönlerle hizalamak için bir optimizasyon yöntemi kullanıyorlar. Ardından, sol dönüşler veya her koridor boyunca düz hareketler gibi küçük bir dizi tipik hareket modeli tanımlayarak trafik sinyallerini standartlaştırıyor ve her gerçek kavşağı otomatik olarak bu desenlerle eşleştiriyorlar. Son olarak araç akışlarını oluşturup veriyi temizliyorlar: mantıksız rotalar çıkarılıyor, eksik segmentler ağdan çıkarılan sonuçlarla tamamlanıyor ve sürekli yolculuklar birçok kısa sensör kaydından birleştiriliyor.

Bireysel araçlardan tüm ağlara

Yolculuklar ve ağlar hazır olduğunda yazarlar üç düzeyde trafik "durum" verisi üretiyor. En ayrıntılı düzeyde bireysel araçları, konumları ve hızları dahil izliyorlar; bu, daha düzgün yönlendirme veya araç konvoyları gibi fikirleri test etmek için kullanılabilir. Orta düzeyde her şerit ve kavşakta kuyruklar ve yoğunluklar gibi koşulları özetliyorlar—bu bilgiler trafik sinyallerini ayarlamak için kritik önemde. En geniş düzeyde ise şehir alanları genelinde koşulları toplayarak belirli bir yoğun bölgeye giriş yapan araç sayısını düzenleyen stratejileri destekliyorlar. Tüm bunlar ortak bir simülasyon formatında (CityFlow) paketlenmiş, böylece farklı kontrol yöntemleri adil ve verimli biçimde test edilebiliyor.

Dijital şehrin gerçeğe uyduğunu kontrol etmek

Yeniden inşa ettikleri dünyanın gerçektekine benzediğinden emin olmak için araştırmacılar hem haritaları hem de yolculukları doğruluyor. Dönüştürülen yol ağını orijinal coğrafi verilerle karşılaştırıyor ve çoğu bağlantı ile konumun sadece birkaç metre içinde korunduğunu buluyorlar. Yolculuklar için seçilmiş bir yolda araçları simüle edip seyahat sürelerini gerçek ölçümlerle karşılaştırıyorlar; ortalamalar oldukça yakın ve küçük farklar gerçek dünyada sürücülerin bazen hız sınırlarını aşması gibi faktörlerle açıklanabiliyor. Ayrıca türetilmiş durum verilerinin gelişmiş stratejileri destekleyebileceğini gösteriyorlar: şerit düzeyinde bilgiyi kullanarak basınç temelli bir sinyal kontrolü uygulamak, sonra çekirdek bir bölgenin aşırı yüklenmesini önlemek için şehir çapında "çevre" kontrolü eklemek ve nihayetinde bu bilgiye dayanarak tek bir aracı yeniden yönlendirmenin yoğun trafikte onun seyahat süresini azaltabileceğini göstermek gibi.

Günlük sürücüler için bunun anlamı

Uzman olmayanlar için bu çalışmanın önemi algoritmalardan çok sağladığı temelde yatıyor. Ayrıntılı, iyi doğrulanmış ve açıkça belgelenmiş veri setlerini yayımlayarak yazarlar, trafik mühendisleri ve yapay zeka araştırmacılarına gerçek sokaklara dokunmadan önce yeni kontrol şemalarını tasarlayıp test edebilecekleri gerçekçi bir test alanı sunuyor. Yolların nasıl düzenlendiği, sinyallerin nasıl çalıştığı ve talebin günler ve haftalar boyunca nasıl yükselip düştüğüne dair doğru temsillerle gelecekteki araçlar gecikmeleri azaltmak, yakıt tasarrufu sağlamak ve şehir içi seyahati daha öngörülebilir kılmak üzere ayarlanabilecek. Kısacası bu veri setleri, idealize edilmiş modellere değil gerçek dünya karmaşıklığına yanıt veren trafik sistemlerine doğru atılmış önemli bir adım niteliğinde.

Atıf: Ma, Q., Guo, X., Zhong, W. et al. City-scale high-resolution traffic datasets with refined networks for hierarchical traffic control. Sci Data 13, 547 (2026). https://doi.org/10.1038/s41597-026-06892-2

Anahtar kelimeler: kentsel trafik verisi, hiyerarşik trafik kontrolü, trafik simülasyonu, otomatik araç tanımlama, şehir ölçeğinde hareketlilik