DARUMA
DARUMA – Deep learning Anticipated Urban Mobility peaks projekt
Pályázati azonosító: 2019-2.1.7-ERA-NET-2021-00019
Projekt címe magyarul: Mélytanulással elemezhető mobilitási csúcsok
Projekt címe angolul: Deep learning Anticipated Urban Mobility peaks projekt
Támogató: Nemzeti Kutatási, Fejlesztési és Innovációs Alap
Kedvezményezett: Budapesti Műszaki és Gazdaságtudományi Egyetem (BME)
ERA-NET konzorciumi partnerek: Kyoto University (Japán), Hitachi Ltd. (Japán), Nagoya University (Japán), Technical University of Munich (Németország), Complutense University of Madrid (Spanyolország)
Projekt kezdete: 2021.04.01.
Projekt vége: 2024.03.31.
Támogatás összege: 49.424.760 Ft
Támogatás mértéke: 100%
A COVID-19 járvány a megszokott mobilitási formák átalakulásához vezet. A változás okai között „lágy” és „kemény” tényezőket egyaránt megtalálunk. A „kemény” csoportba azokat az intézkedéseket és előírásokat soroljuk, amiket a különböző helyi és állami hatóságok vezetnek be. A „lágy” kifejezés azon információk terjedéséhez kapcsolható, amik a közösségi médiában felbukkanó (ál)híreken alapulnak, és a társadalom viselkedésére hatnak. A projekt célja, hogy ezeket a trendeket összevesse a mobilitási formák változásával, megvizsgálja, hogy milyen intézkedések hatásosak a nem kívánt változások (pl. zsúfoltság, forgalmi torlódás) enyhítésére, valamint kifejlesszen egy olyan keretrendszert, ami egy rugalmas és biztonságos megoldás létrejöttét támogatja és általános érvényű a válsághelyzetekre, illetve katasztrófákra. A vizsgálat bemeneteként, elsősorban a most zajló COVID-19 járvány során gyűjtött adatokat, többek között mobilitási, közösségi média, és termékár adatokat használjuk. A kutatás adatfúzión, mesterséges intelligencián és a városi közlekedési formák szimulációján alapszik. A projekt keretein belül három esettanulmány (Madrid, Budapest, Kyoto) készül. Mindhárom esettanulmány során adatfúziót végzünk, de más-más fókusszal. Madridban a telekommunikációs adatok állnak a kutatás középpontjában, Budapesten az közúti forgalom adatait használjuk, míg Kyotoban a GPS követés, a mobiltelefon hálózati adatok és az ellátási lánc adatai adják a kutatás alapját. A projekt nemzetközi konzorciumában különböző közlekedésmodellezésben, városi logisztikában, mesterséges intelligenciában és adatelemzésben jártas szakemberek vesznek részt. A kutatás eredményei hozzájárulnak ahhoz, hogy a tervezők olyan rövidtávú és hosszútávú intézkedéseket tudjanak kifejleszteni és bevezetni, amik elősegítik a rendszer rugalmasságának növelését, így megbirkózva egy esetleges válsághelyzettel.
A projekt sikeréhez a Budapesti Műszaki és Gazdaságtudományi Egyetem elsősorban a forgalom modellezéssel és szimulációval kapcsolatos szaktudásával járul hozzá. A BME nagy szakértelemmel rendelkezik a mikroszkopikus forgalom modellezés (SUMO), illetve többféle forgalomirányítási módszer területén. Továbbá a tervek szerint adatfúzió keretében kombináljuk a különböző adatforrásokat, így modellezve és feltárva a közlekedési mintákat. Az első munkafázisban a BME segít egy jól működő elméleti keretrendszer felállításában, majd az ezt követő munkacsomagok során részt vesz az adatgyűjtésben és adatfúzióban. A budapesti kutatás online forgalmi adatok használatával elemzi a közlekedési mintákat, külön fókuszálva a járvány és az extrém viharos időjárási körülmények idején tapasztalt változásokra. Az adatfúzió során kombinálja a forgalmi sebesség adatokat (utazási sebesség), a honnan-hová illetve forgalomnagyság valós adatokkal (az adatok korrelációs analízise). A budapesti esettanulmány során SUMO szimulációt végzünk egy teszthelyszínen (Budapest frekventált területén), hogy a különböző közlekedési intézkedéseket, amelyek egy esetleges válság idején hasznosíthatóak, teszteljük. Mindemellett a BME a négyes számú munkafázis vezetőjeként harmonizálja a SUMO szimulációkat a három esettanulmány alapján. Az általunk vezetett munkacsomag után részt veszünk a gépi tanulás fázisában is. Végül, a kutatás eredményeit konferenciákon, tudományos folyóiratokban és a pályázathoz kapcsolódó beszámolóban mutatjuk be.
DARUMA nemzetközi weboldal: https://concert-japan-daruma.github.io/
Publikációk:
Lu, Q., Tettamanti, T. (2021) “Traffic Control Scheme for Social Optimum Traffic Assignment with Dynamic Route Pricing for Automated Vehicles”, Periodica Polytechnica Transportation Engineering, 49(3), pp. 301–307. https://doi.org/10.3311/PPtr.18608
Mánuel Gressai, Balázs Varga, Tamás Tettamanti, István Varga: Investigating the impacts of urban speed limit reduction through microscopic traffic simulation,Communications in Transportation Research, Volume 1,2021,100018,ISSN 2772-4247, https://doi.org/10.1016 /j.commtr.2021.100018
Lu Q and Tettamanti T (2021), "Impacts of Connected and Automated Vehicles on Freeway with Increased Speed Limit", International Journal of Simulation Modelling (IJSIMM). Vol. 20(3), https://doi.org/10.2507/IJSIMM20-3-556