ถนนพระราม 4 หนึ่งในถนนสายสำคัญของกรุงเทพมหานครที่มีอายุเก่าแก่ และเป็นถนนที่เชื่อมต่อสายสำคัญใจกลางเมืองหลายเส้น และเป็นอีกหนึ่งเส้นที่เผชิญปัญหา “รถติดหนัก” ทั้งถนนเส้นหลัก ลากยาวถึงถนนเส้นรอง ซึ่งมีหลาย ๆ หน่วยงาน ได้ให้การช่วยเหลือแก้ปัญหารถติดอย่างต่อเนื่อง หนึ่งในนั้นคือโครงการ “พระราม 4 โมเดล”
โดยโครงการพระราม 4 โมเดลนี้ เป็นการร่วมมือกันระหว่างหน่วยงานภาครัฐ และเอกชน ได้แก่ กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล จุฬาลงกรณ์มหาวิทยาลัย แกร็บ ประเทศไทย และมูลนิธิโตโยต้า โมบิลิตี (TMF) โดยมีวัตถุประสงค์ในการทดลองทำการรวบรวมข้อมูลทั้งจากเทคโนโลยีสมัยใหม่ เครือข่ายพันธมิตร และความเห็นของประชาชน เพื่อประมวลหาข้อมูลเชิงลึก และการใช้ข้อมูลอย่างมีประสิทธิภาพในการลดปัญหา และเพิ่มประสิทธิภาพการจัดการจราจร โดยโครงการดังกล่าวได้เริ่มต้นขึ้นเมื่อเดือนพฤศจิกายน 2562 ที่ผ่านมา
ล่าสุด เมื่อวันที่ 25 เมษายน ได้จัดพิธีปิดโครงการพระราม 4 โมเดล: การปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า (พระราม 4 โมเดล) เพื่ออธิบายสิ่งที่ได้เรียนรู้และข้อเสนอ และจากโครงการที่ดำเนินการมากว่า 3 ปี บัดนี้ก็ได้มาถึงข้อสรุปในประเด็นที่น่าสนใจดังนี้
ช้างตัวใหญ่ในถนนพระราม 4 ที่ต้องมองทั้งระบบ
หากถนนพระราม 4 ที่เปรียบเสมือน “ช้างตัวใหญ่” อันมาจากทั้งลักษณะเส้นทาง และทางแยก หรือแม้แต่ปริมาณรถที่ติดสะสมจนกลายเป็นปัญหาใหญ่ที่คาราคาซังมาอย่างยาวนาน จนช้าง กลายเป็นปัญหาขนาดใหญ่ที่แก้อย่างไรก็แก้ไม่ถูกจุด ข้อมูลคลุมเครือไม่ชัดเจน ขาดการประสานงานกันทุกฝ่าย เปรียบเสมือนสำนวนไทยว่า “ตาบอดคลำช้าง” ที่ทำให้การแก้ปัญหาเป็นการแก้ปัญหาเฉพาะขอบเขตที่รับผิดชอบ ไม่ครอบคลุมดีพอ
ซึ่งโครงการพระราม 4 โมเดลนี้ คือการผนึกร่วมกันทุกภาคส่วน ตั้งแต่ภาครัฐ ภาคเอกชน และภาคประชาชน ในการรวบรวมข้อมูลในด้านต่าง ๆ ตั้งแต่การศึกษาเส้นทาง การลงพื้นที่จริง ไปจนถึงการใช้เทคโนโลยีสมัยใหม่ เพื่อเก็บข้อมูลทั้งสภาพเส้นทางท้องถนน, พื้นที่สำนักงาน แหล่งช้อปปิ้ง และที่พัก, ช่วงเวลา, พฤติกรรมผู้ขับขี่ และผู้สัญจร, ช่วงเทศกาล ไปจนถึงอุบัติเหตุ
โดยจะมีการเก็บข้อมูล 24 ชั่วโมง ทุกวัน ครอบคลุมถนนพระราม 4 ตั้งแต่แยกหัวลำโพง ถึงแยกพระโขนง 15 ทางแยก ทั้งทางแยกถนนหลัก ทางแยกถนนรอง และทางแยกใต้ทางด่วน รวมถึงถนนใกล้เคียง อาทิ ถนนสาทร 2 ทางแยก ถนนสุนทรโกษา 2 ทางแยก ถนนสุขุมวิท 3 ทางแยก นอกจากนี้ยังรวมถึงสะพานข้ามแยก 2 สะพาน ได้แก่ สะพานไทย-ญี่ปุ่น และสะพานไทย-เบลเยียม ซึ่งจะเป็นจุดอับเมื่อเกิดอุบัติเหตุบนสะพาน ส่งผลให้เกิดความล่าช้าในการเข้าถึงที่เกิดเหตุ
นอกจากนี้ โครงการดังกล่าวยังได้เผยข้อมูลการเกิดรถติดสะสมต่อเนื่องจนเกิดการปิดกั้นเครือข่ายถนนที่ตัดกันทั้งหมด และทำให้รถหยุดนิ่ง ไม่สามารถขับเคลื่อนได้อย่างสะดวก หรือเรียกว่า Gridlock ซึ่งพบได้ทั้งแยกม้าศึกและซอยอรรถกวี กับแยกเกษมราษฎร์ และแยกพระราม 4 รวมถึงยังได้เผยข้อมูลพื้นที่คอขวด และพื้นที่ทางแยกบางจุดที่ส่งผลต่อการเกิดพื้นที่สะสมรถติด
การรวบรวมข้อมูล “ช้างทุกมิติ” ด้วยเทคโนโลยีขั้นสูง และการมีส่วนร่วมทุกฝ่ายแบบไร้รอยต่อ
การรวบรวมข้อมูล สถิติ สภาพเส้นทาง และพฤติกรรมของผู้ใช้รถใช้ถนนตลอดเส้นทางพระราม 4 จะเกิดขึ้นไม่ได้ หากไม่มีอุปกรณ์ที่มีความทันสมัย และการร่วมมือจากกลุ่มพันธมิตร ที่จะช่วยกันกระจายรวบรวมข้อมูลเพื่อนำมาเป็น Big Data อาทิ การใช้กล้อง CCTV ในการตรวจสภาพจราจรแบบเรียลไทม์, การติดต่อสื่อสารร่วมกันผ่านวิทยุสื่อสาร จนถึงการพึ่งพาหน่วยงานตรวจสอบ และรายงานสภาพจราจร อาทิ จส. 100 กับ สวพ. FM91, Google Map เป็นต้น
อีกทั้งได้มีการยกระดับการเก็บข้อมูลสภาพจราจร และการติดต่อสื่อสารที่มีประสิทธิภาพ รวดเร็ว และเชื่อถือได้ อาทิ การใช้เทคโนโลยีกล้องวงจรปิด ที่ผสานร่วมกับระบบประมวลผลปัญญาประดิษฐ์ CCVT-AI กับ NDRS Sensor ในการคำนวณการเคลื่อนที่ของพาหนะบนถนนพระราม 4 กับทางร่วมแยก และสะพาน เพื่อจำแนกประเภทยานพาหนะ คำนวณอัตราเร็ว ค่าความยาวของแถวคอย รวมถึงประเมินความเสี่ยงต่อการเกิดอุบัติเหตุ ควบคู่กับเทคโนโลยี Computer Simulation เพื่อช่วยให้เห็นภาพที่ชัดเจนยิ่งขึ้น
เพื่อการใช้งานเทคโนโลยี และการทำงานร่วมกันอย่างมีประสิทธิภาพ จึงได้มีการจัดกิจกรรม Knowledge Management (KM) แบบรวมกลุ่ม Social experiment เพื่อระดมความคิด การแลกเปลี่ยนข้อมูล เปิดเวทีแลกเปลี่ยนความคิดเห็นระหว่างหน่วยงาน เจ้าหน้าที่จราจร ควบคู่กับการอบรมการใช้เทคโนโลยีสมัยใหม่ และการตีความข้อมูล เพื่อการปรับปรุงการกระจายข่าว การวางแผน และการประสานงานได้อย่างชัดเจน ครอบคลุม และเป็นมิตรทุกฝ่าย เปรียบเสมือนควาญช้างหลาย ๆ คน เห็นรายละเอียดของตัวช้างได้อย่างชัดเจน และข้อมูลตรงกัน
ผสานกับการเก็บข้อมูลสถานการณ์จริงผ่านพันธมิตรผู้ให้บริการขนส่งอย่างทาง Grab ได้มีการแชร์ข้อมูล GPS และข้อมูลการเดินทางของแท็กซี่แกร็บภายในพื้นที่ถนนพระราม 4 และพื้นที่ใกล้เคียง เพื่อเป็นข้อมูลประกอบความน่าเชื่อถือของสภาพจราจร ข้อมูลเส้นทางเลี่ยง เส้นทางลัด อีกทั้งยังช่วยแชร์ตำแหน่งแถวคอย การเคลื่อนที่เป็บแบบใด การใช้ความเร็ว ระยะเวลาหยุดนิ่ง อันจะเป็นประโยชน์ต่อการจัดการสภาพคล่องของจราจรได้ดียิ่งขึ้น
อีกทั้งทาง มูลนิธิโตโยต้า โมบิลิตี (TMF) ได้นำหลักปรัชญา Toyota Production System (TPS) จากสายการผลิต สู่การแก้ปัญหารถติดบนถนนพระราม 4 ภายใต้หลักการสำคัญ ได้แก่
Just – in – time (JIT): แนวคิดการแก้ปัญหาลดของเสีย และสินค้าคงคลังในกระบวนการผลิต สู่การค้นหาความเสี่ยงที่จะเกิดปัญหารถติดสะสมด้วยการมองเห็นภาพ “การไหลของจราจร” เพื่อที่จะวางแผนการปรับเวลาสัญญาณไฟจราจรให้เหมาะสม การใช้ระบบการจราจรอัจฉริยะ (Adaptive Traffic Control System หรือ ATCS) เข้ามาช่วยวิเคราะห์สภาพจราจร, ส่งเสริมการใช้ระบบขนส่งสาธารณะ
จิโดโกะ หรือ Autonomation (Jidoka): ส่งเสริมการใช้เทคโนโลยีในการตรวจจับ และแก้ไขปัญหาด้วยการสนับสนุนการปรับปรุงศูนย์บริหารจราจรให้รองรับเทคโนโลยีขั้นสูง, จัดตั้ง Traffic War Room ภายในป้อมตำรวจ, การฝึกบุคลากรในการใช้งานเทคโนโลยีขั้นสูงอย่างมีประสิทธิภาพ
ไคเซ็น (Kaizen): คือการพัฒนาอย่างต่อเนื่อง โดยเฉพาะบริบทที่เกี่ยวข้องกับการจัดการจราจร จะต้องวิเคราะห์ และการตัดสินใจโดยการใช้ชุดข้อมูลอย่างต่อเนื่อง, การประสานงานร่วมกันอย่างไร้รอยต่อ
การเคารพประชาชน: ทั้งการรับฟังความเห็นจากผู้ใช้รถใช้ถนน, การพัฒนาบุคลากรที่ดูแลรับผิดชอบให้มีประสิทธิภาพ, การให้ความรู้แก่ประชาชนอย่างต่อเนื่อง
เมื่อเห็น “ช้าง” ทุกส่วน การแก้ปัญหาจึงต้องครอบคลุมตั้งแต่เทคโนโลยี การบริหารของเจ้าหน้าที่ จนถึงจิตสำนึกของประชาชน
เมื่อเห็นถึงปัญหาสภาพจราจรในถนนพระราม 4 ในรอบด้าน จึงสามารถที่จะกำหนดวางแผน การบริหารจัดการแก้ปัญหารถติดได้อย่างมีประสิทธิภาพมากยิ่งขึ้น โดยเริ่มจากการติดตั้ง Traffic War Room ในป้อมตำรวจจราจรตามแนวถนนพระราม 4 จำนวน 12 ป้อมจราจร และศูนย์บัญชาการหลัก บก.จร. อีก 1 แห่ง โดยใน Traffic War Room นั้นประกอบด้วยคอมพิวเตอร์สำหรับการประมวลผลข้อมูล อุปกรณ์เครือข่ายสื่อสาร กับจอมอนิเตอร์เพื่อแสดงแดชบอร์ดข้อมูลการจราจรทั้งภาพจาก CCTV และผังข้อมูลดิจิทัล
อีกทั้งได้ติดตั้ง Signal Control Sensor ซึ่งเป็นชุดอุปกรณ์ที่เพิ่มเติมในแผงควบคุมไฟจราจรในป้อมตำรวจ เพื่อเก็บค่าการเปลี่ยนแปลงของเฟสสัญญาณไฟในแยกนั้น ๆ โดยจะแสดงข้อมูลผ่าน Traffic Signal Data Analysis เพื่อช่วยในการคำนวณจังหวะการควบคุมสัญญาณไฟจราจร
ด้วยการใช้เครื่องมือจาก Traffic War Room นี้ จะช่วยให้ตำรวจจราจร สามารถสังเกตรายละเอียดสภาพจราจรแบบเรียลไทม์ การตรวจพบปริมาณรถสะสมทั้งจากระยะสายตา จุดทางแยกตรอกซอย และทางแยกอื่นที่อยู่นอกเหนือพื้นที่รับผิดชอบ และจะส่งผลต่อการจับจังหวะการควบคุมสัญญาณไฟจราจรได้อย่างมีประสิทธิภาพ และช่วยลดระยะเวลารถติดสะสมได้อย่างเป็นรูปธรรม
ด้วยตารางเปรียบเทียบระหว่างก่อนติดตั้ง และหลังติดตั้ง Traffic War Room ในเดือนกุมภาพันธ์ที่ผ่านมา ส่งผลให้ระยะเวลาารเปิดเฟสไฟจราจรที่ไม่ปกติต่าง ๆ ทุกแยกรวมกันในพื้นที่ ช่วงเร่งด่วนเช้าเพิ่มขึ้นจากเดิม 1.3 นาที ส่วนช่วงเร่งด่วนเย็นเพิ่มขึ้น 2.7 นาที ความเร็วเฉลี่ย 1.4 นาที หรือเพิ่มขึ้น 10.1%
นอกจากนี้ ข้อมูลจาก Traffic War Room ยังสามารถแสดงข้อมูลอื่น ๆ อาทิ ข้อมูลน้ำท่วม ข้อมูลพื้นที่เกิดอุบัติเหตุ และทำนายความเสี่ยงสภาพจราจรที่ติดขัดเพื่อให้ตำรวจจราจร เตรียมรับมือกับเหตุการณ์ได้ทันท่วงที
ประกอบกับมาตรการเกษมราษฎร์ ได้มีการใช้เทคโนโลยีปัญญาประดิษฐ์สำหรับการบริหารจัดการสัญญาณไฟจราจรในพื้นที่แยกเกษมราษฎร์ผ่านซอร์ฟแวร์ SUMO Simulation เพื่อช่วยในการวางแผนการตั้งเวลาสัญญาณไฟล่วงหน้าได้อย่างมีประสิทธิภาพ
จากข้อสรุปของการใช้ข้อมูลร่วมกันระหว่าง AI กลยุทธ์ KM และข้อมูลที่ถูกต้องจาก Traffic War Room จะพบว่า Gridlock เกษมราษฎร์ ความยาวท้ายแถวเหลือเพียง 164 เมตร ลดลงจากเดิมที่ไม่มีข้อมูลจาก Traffic War Room ถึง 94 เมตร หรือ 36% ความเร็วเฉลี่ยจากเดิม 13 กม./ชม. เพิ่มเป็น 17 กม./ชม. เร็วขึ้น 31%
ส่วน Gridlock แยกม้าศึก ความยาวท้ายแถวเหลือเพียง 233 เมตร ลดลงจากเดิมที่ไม่มีข้อมูลจาก Traffic War Room ถึง 97 เมตร หรือ 30% ความเร็วเฉลี่ยจากเดิม 15 กม./ชม. เพิ่มเป็น 25 กม./ชม. เร็วขึ้น 67%
อีกทั้งยังนำข้อมูลสภาพจราจร มาใช้ในการวางแผนเปิดเส้นทางการเดินรถเฉพาะในบางช่วงเวลาผ่านการคำนวณด้วยซอร์ฟแวร์ และเทคโนโลยีปัญญาประดิษฐ์ เพื่อแก้ไขปัญหา Small Gridlock แต่ทั้งนี้ทั้งนั้นยังต้องอาศัยความร่วมมือจากภาคประชาชน ที่จะช่วยลดความเสี่ยงต่อการเกิดปัญหารถติดทั้งการหลีกเลี่ยงการจอดรถบนทางเท้า, เพิ่มการกวดขันวินัยจราจรในชั่วโมงเร่งด่วน เป็นต้น
หนึ่งในผลงานชิ้นสำคัญในส่วนหนึ่งของโครงการพระราม 4 โมเดล คือ มาตรการอ่อนนุช ซึ่งเป็นพื้นที่คอขวดในบริเวณแยกอ่อนนุช และเป็นพื้นที่ชุมชน แหล่งช้อปปิ้งทั้งจากร้านค้า ตลาด และห้างสรรพสินค้า ซึ่งเป็นพื้นที่เสี่ยงต่อการเกิดรถติดหนักอันเนื่อมจากสภาพทางแยก ผู้คนข้ามถนนกันกระจัดกระจาย รถสองแถวหยุดรับส่งผู้โดยสารใกล้ทางแยกเกินไป จึงส่งผลต่อความขับขี่ของผู้ใช้รถ ใช้ถนนเป็นอย่างมาก
เมื่อได้ข้อมูลจากหน่วยงานเจ้าหน้าที่ ข้อมูลจากประชาชน อุปกรณ์ IoT Sensor และข้อมูลจาก Traffic War Room ในพื้นที่แยกใกล้เคียง จึงได้จัดมาตรการจัดการคนข้ามถนนด้วยการจัดเจ้าหน้าที่อาสา ร่วมกับเจ้าหน้าที่ตำรวจในการจัดรอคนข้ามถนนบนทางม้าลาย พร้อมถือธงแดงเป็นจังหวะการข้ามถนนของประชาชนให้เป็นระเบียบ ซึ่งจังหวะการข้ามถนนจะอ้างอิงจังหวะการควบคุมไฟสัญญาณจราจร อีกทั้งยังกำหนดจุดจอดรถสองแถวให้อยู่ลึกขึ้น
โดยข้อสรุปผลจากมาตรการอ่อนนุช พบว่ากลุ่มคนข้ามถนนจะเพิ่มขึ้นจากเดิม 7 คน/กลุ่ม เป็น 19 คน/กลุ่ม ซึ่งจะใช้เวลานานขึ้น 1-2 วินาที/ครั้ง คิดเป็น 5-10% ถ้าคิดค่าเฉลี่ย 3 ชั่วโมงเร่งด่วนช่วงเย็น จะเห็นว่าการข้ามถนนของประชาชนใช้เวลารวมประมาณ 23 นาที หรือเร็วขึ้น 25%
อีกทั้งตลอดระยะเวลามาตรการทั้ง 3 สัปดาห์ โดยเก็บข้อมูลช่วงชั่วโมงเร่งด่วนเช้า – เย็นช่วงละ 3 ชั่วโมง พบว่าช่วงเร่งด่วนเช้า รถวิ่งเร็วขึ้น 2 คัน/นาที หรือ 2% และช่วงเร่งด่วนเย็น 7 คัน/นาที หรือเร็วขึ้น 10 นาที
อีกทั้งค่าความเร็วรถเร่งด่วนเช้าขาเข้าเมืองเฉลี่ย 13.7 กม./ชม. ซึ่งไม่แตกต่างจากก่อนมีมาตรการที่ 13.8 กม./ชม. แต่ขาเข้าเมืองช่วงเร่งด่วนเย็นเร็วขึ้น 1 กม./ชม. หรือ 8% ส่วนการจราจรช่วงขาออกนั้น เร่งด่วนเช้าความเร็วเฉลี่ย 20 กม./ชม. หรือเร็วขึ้น 4% ขณะที่ขาออกเร่งด่วนเย็นเฉลี่ย 12 กม./ชม. เร็วขึ้น 4%
และการพยากรณ์อุบัติเหตุบนสะพานข้ามแยกล่วงหน้าด้วยการทำงานร่วมกันระหว่าง CCTV – AI และการแสดงข้อมูลผ่าน Traffic War Room เพื่อช่วยในการพยากรณ์ความเสี่ยงของการเกิดอุบัติเหตุบนสะพาน ทั้งการเฝ้าสังเกตการณ์ละเมิดกฎจราจร หรือแม้แต่การขับขี่รถที่ผิดปกติตั้งแต่เนิ่น ๆ และหากเกิดอุบัติเหตุ ก็จะสามารถเข้าถึงพื้นที่ได้รวดเร็วยิ่งขึ้น
Big Data จากถนนเก่าแก่ สู่ข้อมูลการออกแบบผังเมืองในอนาคต
ด้วยข้อมูล สถิติ แนวทางการแก้ปัญหาจากโครงการพระราม 4 โมเดลนี้ นอกจากจะช่วยสนับสนุนการแก้ปัญหาจราจร และการกำหนดมาตรการจราจรต่าง ๆ ที่จะเป็นแบบอย่างสำคัญของการแก้ปัญหาจราจรในพื้นที่อื่น ๆ แล้ว ยังเป็น Big Data สำคัญสำหรับการออกแบบผังเมืองใหม่ ทั้งการออกแบบเส้นทาง ระบบสาธารณูปโภค รวมถึงการออกแบบเครือข่ายอุปกรณ์ และสัญลักษณ์จราจรที่เหมาะสมต่อสภาพแวดล้อม สภาพชุมชน และอัตราการไหลของจราจร เพื่อลดความเสี่ยงต่อการเกิดอุบัติเหตุ ลดความเสี่ยงต่อการชะงักความเร็วเนื่องจากสภาพถนนคอขวด หรือโค้งหักศอก ซึ่งจะช่วยรองรับสภาพจราจรได้ทุกช่วงเวลา รองรับระบบสาธารณูปโภคยุคใหม่ให้ครอบคลุมยิ่งขึ้น เช่น ที่จอดรถ กับสถานีชาร์จรถยนต์ไฟฟ้า และรองรับการขยายตัวเมืองได้ในอนาคต
แม้โครงการพระราม 4 โมเดลนี้จะปิดฉากลงแล้ว เป็นโครงการที่ช่วยสร้างฐานข้อมูล Big Data ในการเข้าใจถึงสาเหตุของปัญหารถติดได้ในทุกมิติ และข้อมูลกระบวนการแก้ปัญหาในรูปแบบต่าง ๆ ตั้งแต่การสร้างวินัยจราจร, การเข้าถึงดูแลผู้ประสบเหตุในพื้นที่มุมอับ, ยกระดับการใช้เทคโนโลยีแก้ปัญหาจราจรได้อย่างมีประสิทธิภาพ ไปจนถึงการออกแบบผังเมืองในอนาคต
ขณะเดียวกันกระบวนการแก้ปัญหาจราจรติดขัดจากโครงการพระราม 4 โมเดล ก็ยังคงดำเนินการอย่างต่อเนื่องเช่นเดียวกับการแก้ปัญหาภายใต้โครงการสาทรที่ยังคงดำเนินการเพื่อช่วยลดปัญหารถติดสะสม เพื่อที่จะให้ถนนสายสำคัญและเก่าแก่นี้สามารถรองรับการแก้ปัญหาสภาพจราจรได้อย่างต่อเนื่องในระยะยาว และเตรียมความพร้อมที่จะรองรับเทคโนโลยียานยนต์สมัยใหม่ อาทิ รถยนต์ไร้คนขับได้ในอนาคต
และน่าจับตาต่อไปว่าในอนาคต จะมีโครงการแก้ปัญหาจราจรในส่วนใดเพิ่มเติมกันต่อไป
เครดิตภาพประกอบจาก toyota.co.th และเรื่องเล่า ระสบการณ์ การบริหารจัดการจราจรโดย กลยุทธ์เห็นช้างทั้งตัว
