Oppivat liikennevalot voivat lyhentää jonotusaikaa kymmenesosan
Kaikki tietävät hetken, kun seisot punaisissa valoissa keskellä yötä, eikä mihinkään suuntaan näy autoja. Tai aamun, jolloin tavallinen risteys puuroutuu yllättäen, koska osa kuljettajista päättääkin kääntyä eri suuntaan kuin yleensä. Liikennevalot ovat sääntöjen koneita, mutta liikenne elää kuin säätila.
Pitkään ratkaisuksi on ehdotettu ”älykkäitä” valoja, jotka oppivat liikenteestä ja säätävät vihreitä sen mukaan. Käytännössä monet tällaiset mallit ovat olleet nirsoja: ne toimivat, kun arki toistaa itseään, mutta hämmentyvät, kun virrat muuttuvat. Lisäksi jotkin järjestelmät tekevät kuljettajan kannalta oudon tuntuisia temppuja, kuten hermostunutta vihreiden räpsyttelyä tai yllättäviä käännösvalojen vaihtoja.
Tuore arXiv-julkaisu ehdottaa rauhallisempaa ja kestävämpää tapaa. Sen ydinajatus on yksinkertainen: jos haluat, että liikennevalo pärjää muuttuvassa maailmassa, opeta sitä nimenomaan muutoksilla. Ja kun se toimii, älä anna sen hosua.
Tutkimusryhmä testasi kehittämäänsä menetelmää Vissim-liikennesimulaattorissa. Tulokset olivat lupaavia: verrattuna tyypillisiin aiempiin oppiviin malleihin keskimääräinen odotusaika väheni yli kymmenesosan. Se on arjessa merkittävä ero, jos minuutit risteyksessä kertautuvat läpi kaupungin.
Mitä uutta lähestymistapa tekee? Ensinnäkin se rikkoo harjoittelun aikana tapoja. Moni malli oppii yhdestä tilanteesta: tähän risteykseen tulee aamuisin näin monta autoa ja iltapäivisin noin. Nyt opetuksessa vaihdeltiin tietoisesti, mihin suuntaan autoilijat kääntyvät. Jos jonain päivänä oikealle kääntyykin poikkeuksellisen moni, järjestelmä ei ole ulalla, koska se on nähnyt vastaavaa.
Toiseksi järjestelmä säätää vihreitä kuin varovainen kuljettaja kaasupolkimella: pienin, kasvin askelin. Jos sama suunta tarvitsee lisää aikaa, vihreää pidennetään maltillisesti ja tarvittaessa hieman reippaammin, mutta aina niin, että risteyksen kierto pysyy ennakoitavana. Tavoite on pehmentää ohjausta – ei tempaista suuntaa vaihtoon hetken mielijohteesta. Tällainen käytös vastaa paremmin kuljettajien odotuksia ja vähentää ”nykimistä”, joka voi pahentaa sumppua seuraavassa risteyksessä.
Kolmanneksi valot oppivat yhdessä. Harjoitteluvaiheessa jokainen risteys saa tietoa myös lähinaapureistaan ja päivittää toimintaansa sen mukaan, ikään kuin koko alue olisi hetkellisesti samaa lautaa. Kun järjestelmä otetaan käyttöön, kukin valo tekee päätöksensä itsenäisesti, mutta huomioi silti lähellä olevien risteysten tilanteen. Ajatus muistuttaa korttelin asukkaita, jotka juttelevat keskenään: tieto virtaa lyhyitä matkoja, mutta siitä syntyy ymmärrys koko naapuruston rytmistä.
Yksi konkreettinen esimerkki: Kuvitellaan, että vilkkaan kadun varrella alkaa tietöitä. Osa kuljettajista kiertää tietyömaan kääntymällä kaksi risteystä aiemmin oikealle – suuntaan, joka ei normaalisti kuormitu. Perinteisesti säädetty valo huomaisi kasvavan jonon vasta myöhässä ja yrittäisi korjata tilannetta kääntelemällä jaksoja edestakaisin. Uusi menetelmä on harjoitellut juuri tällaisia muutoksia varten. Se antaa oikealle kääntyville hiukan lisää vihreää, seuraa, rauhoittaa, ja lisää tarvittaessa uudelleen – ja tekee sen samalla kun naapuriristeys valmistautuu omaan, hieman pidempään vihreään samaan suuntaan. Liikenne ei solahda taianomaisesti, mutta jonon kasvu katkeaa aikaisemmin.
On tärkeää huomata, mitä tämä ei vielä todista. Tulokset tulevat simulaattorista. Vissim on insinöörien yleisesti käyttämä työkalu, mutta sekin on malli todellisuudesta. Kaupunkien katuihin mahtuu jalankulkijoita, pyöräilijöitä, linja-autoja, hälytysajoneuvoja ja ruuhkia, joita yksittäinen tietomalli ei täysin tavoita. Lisäksi kaupungit eroavat toisistaan: anturit, kamerat ja kaistajärjestelyt vaihtelevat, politiikka ja asukkaiden tottumukset samoin.
Myös vertailukohta on syytä lukea oikein. Menetelmä päihitti tavanomaiset oppivat mallit, ei välttämättä parhaita käsin viritettyjä ohjaimia tai pitkään hiottuja liikennevalojen ohjelmia. Ja vaikka keskimääräinen odotusaika pieneni, se ei kerro, kenen odotus lyheni ja kenen piteni. Liikenteen ohjaus on aina tasapainoilua: kun etusijaa antaa yhdelle suunnalle, joku muu odottaa.
Silti tutkimuksen viesti on kiinnostava. Ongelma, johon monet oppivat liikennevalot ovat kompastuneet – jäykkyys ja herkkä yli-innokkuus – on tässä käsitelty kahdella arkijärkisellä lääkkeellä: harjoittele vaihtelevuutta varten ja säädä rauhassa. Lisäksi se, että risteykset oppivat yhdessä, mutta toimivat itsenäisesti, on lupaava kompromissi: järjestelmä ei kaadu, jos tietoliikenneyhteys pätkii, mutta ymmärtää silti, mitä korttelissa tapahtuu.
Mitä seuraavaksi tarvitaan? Kenttäkokeita eri kaupungeissa, joissa on erilaiset kulkutavat ja sääolosuhteet. Mittareita, jotka huomioivat myös kävelijät ja pyöräilijät, eivät vain autojen läpimenoa. Sääntöjä, jotka varmistavat, ettei ”sujuvuus” jyrää turvallisuutta tai joukkoliikenteen etuja. Tekoälyn vahvuus on sopeutuminen – mutta kenen ehdoilla se sopeutuu?
Kaupunkien arki on täynnä pieniä päätöksiä, joista muodostuu suuri virta. Jos liikennevalo oppii kuuntelemaan naapuriaan ja muuttuvaa katua, voiko koko verkko oppia kuuntelemaan kaupunkia? Ja jos voi, millaisen kaupungin me haluamme sen kuulevan: nopean vai oikeudenmukaisen – vai vihdoin molemmat?
Paper: https://arxiv.org/abs/2603.12096v1
Register: https://www.AiFeta.com
liikenne tekoäly kaupungit liikennevalot tutkimus
