TMF ร่วมพันธมิตรปิดโครงการพระราม 4 โมเดล

มูลนิธิโตโยต้า โมบิลิตี้ (TMF) ซึ่งเป็นมูลนิธิอิสระที่ไม่แสวงหาผลกำไร ร่วมกับพันธมิตร ได้แก่ กระทรวงคมนาคม กรุงเทพฯ กองบัญชาการตำรวจนครบาล และจุฬาลงกรณ์มหาวิทยาลัย จัดพิธีปิดโครงการพระราม 4 โมเดล: การปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า (พระราม 4 โมเดล) เพื่ออธิบายสิ่งที่ได้เรียนรู้ และข้อเสนอแนะจากโครงการที่ดำเนินการมากว่า 3 ปี โดยการใช้ข้อมูลเป็นศูนย์กลางเพื่อหาแนวทางลดปัญหาจราจรในกรุงเทพฯ โครงการดังกล่าวเริ่มขึ้นในเดือนพฤศจิกายน 2562 โดยมุ่งเน้นที่ถนนพระราม 4 เป็นพื้นที่ทดลองทำการรวบรวมข้อมูล และหาข้อมูลเชิงลึกเกี่ยวกับการใช้ข้อมูลอย่างมีประสิทธิภาพในการลดปัญหา และเพิ่มประสิทธิภาพการจัดการจราจร

โครงการพระราม 4 โมเดล เป็นโครงการต่อเนื่องจาก "โครงการสาทรโมเดล" และดำเนินการโดยทีมงานเดียวกันตั้งแต่ปี 2558-2560 ประสบความสำเร็จเป็นอย่างดีจากการดำเนินมาตรการแก้ปัญหาอันหลากหลาย บริการรถรับ-ส่ง Smart Shuttle Bus การเหลื่อมเวลาทำงานบริการจอดแล้วจร (Park & Ride) และนำมาสู่ข้อเสนอแนะเพื่อแก้ปัญหาการจราจร และนำเสนอแก่หน่วยงานรัฐ และกรุงเทพฯ เพื่อขยายไปยังพื้นที่อื่นๆ ในกรุงเทพฯ และมาตรการหลายๆ อย่าง เช่น การจัดช่องจราจรพิเศษ ซึ่งยังคงดำเนินการอยู่จนถึงปัจจุบัน

แนวทางดำเนินงาน และวัตถุประสงค์

โครงการสาทรโมเดล ดำเนินการประสบความสำเร็จ แต่อย่างไรก็ตาม เป็นการดำเนินการที่อาศัยวิธีการลองผิดลองถูกจากสมมติฐานที่ตั้งขึ้น ทางพันธมิตรเชื่อว่ามีวิธีการที่ถูกต้อง และแม่นยำมากกว่า โดยใช้หลักการทางวิทยาศาสตร์ในการจัดการจราจร พระราม 4 โมเดล จึงเกิดขึ้น โดยเป็นโครงการที่ออกแบบโดยจุฬาลงกรณ์มหาวิทยาลัย และมูลนิธิโตโยต้า โมบิลิตี้ เพื่อศึกษา และทดสอบความสามารถในการใช้วิธีแก้ปัญหาขั้นสูง โดยใช้ข้อมูลที่มีมนุษย์เป็นศูนย์กลาง เพื่อแก้ปัญหาการจราจรบนถนนพระราม 4 สาเหตุที่เลือกถนนเส้นนี้เนื่องจากเป็นพื้นที่ที่มีการจราจรคับคั่งที่สุดแห่งหนึ่งในกรุงเทพฯ และเป็นพื้นที่ที่ทางภาครัฐให้ความสำคัญ โดยมีมูลนิธิโตโยต้า โมบิลิตี้ ให้การสนับสนุนเงินทุนจำนวน 52 ล้านบาท และคาดหวังผลลัพธ์ใน 3 ประการ

1. ใช้ข้อมูลเพื่อแสดงภาพข้อมูลการจราจรให้มีประสิทธิภาพมากขึ้น รวมถึงการเชื่อมโยงของชุดข้อมูลต่างๆ
2. ระบุสาเหตุที่แท้จริง และแนวทางแก้ไขที่เป็นไปได้ของการจราจรติดขัด และเหตุการณ์ต่างๆ โดยใช้ข้อมูลเชิงลึกจากชุดข้อมูลต่างๆ และตรวจสอบความถูกต้องโดยการวัดเชิงคุณภาพ
3. สรุป และแบ่งปันสิ่งที่เรียนรู้ และข้อเสนอแนะในแง่ของวิธีการ/หลักการแก่ผู้ที่เกี่ยวข้อง

1. การรวบรวมข้อมูล และการแสดงภาพทางกราฟิค (Visualization)

ในขั้นตอนของการรวบรวมข้อมูล จุฬาลงกรณ์มหาวิทยาลัยได้ทำการติดตั้งอุปกรณ์ต่างๆ สำหรับการรวบรวมข้อมูล เช่น CCTV-AI (13 จุด) เซนเซอร์บลูทูธ (50 ตัว) และเซนเซอร์ NDRS (10 เครื่อง) นอกจากนี้ บริษัท แกร็บแท็กซี่ (ประเทศไทย) จำกัด และมูลนิธิ iTIC  ซึ่งเป็นผู้ให้การสนับสนุนด้านข้อมูล ได้ช่วยเหลือในการให้ข้อมูล GPS รถแทกซีแก่โครงการ ด้วยผลกระทบของ COVID-19 ทำให้ขั้นตอนการรวบรวมข้อมูลได้รับผลกระทบ เกิดความล่าช้า แต่ท้ายสุดทางทีมงานก็สามารถดำเนินการติดตั้งและเก็บรวมข้อมูลที่จำเป็นได้สำเร็จ

ด้วยความเชี่ยวชาญของทีมนักวิจัยของจุฬาลงกรณ์มหาวิทยาลัย และแนวทางการแก้ปัญหา และการจัดการแบบลีน (ลดการสูญเปล่า) ของ Toyota เราได้พัฒนา Data Visualization Platforms (รูปที่ 1) เป็นส่วนหนึ่งของวิธีแก้ปัญหาในการวางแผนการจราจรในกรุงแทพฯ และเพื่อสนับสนุนการจัดการจราจรแบบเรียลไทม์โดยตำรวจจราจร ทีมงานได้พัฒนา "ข้อมูลจราจรแบบเรียลไทม์" (real-time traffic data) หรือ “war room” ซึ่งจะมีข้อมูลจราจรต่างๆ เพื่อทำให้ตำรวจจราจรสามารถมองเห็น เข้าใจสภาพการจราจร ทำให้บริหารจัดการการจราจรได้ดีขึ้น ตัวอย่างของการแสดงภาพจากพแลทฟอร์มใหม่ เช่น

• 100 จุดฝืด (100 friction points) : รวบรวมข้อมูลย้อนหลังผ่าน GPS Probe ทำให้สามารถจำแนกระดับของการจราจรที่ติดขัดได้อย่างแม่นยำ และแสดงภาพความเร็วการจราจรเป็นกิโลเมตร/ชั่วโมง ตามช่วงเวลาเร่งด่วนเช้า-เย็น และจัดอันดับเป็น 100 อันดับแรกเพื่อสนับสนุนทางกรุงเทพฯ ในการจัดลำดับความสำคัญของพื้นที่ในการแก้ไขปัญหา

• Historical Speed Map : แสดงข้อมูลความเร็วในอดีต ช่วยให้วิเคราะห์ตามโซน และถนนแต่ละเส้นได้ สามารถเลือกแสดงผลได้จาก 3 ตัวเลือก 1) Free-Flow Speed (FFS), 2) Travel Time Index (TTI) และ 3) Road Segment Speed

• Travel Time Map : แสดงข้อมูลเวลาที่ใช้ในการเดินทางในอดีต ทำให้เห็นสภาพการจราจรในวัน และเวลาต่างๆ

• Origin Destination Maps (OD-Maps) : OD Maps แสดงภาพการเดินทางระหว่างจุดต้นทาง และปลายทางของการเดินทางที่เลือก ข้อมูลเส้นทางการเดินทาง และปริมาณการเดินทางดังกล่าว ช่วยในการบริหารจัดการจราจร และหาแนวทางแก้ไข การเลือก และศึกษาตามวันที่ และเวลาที่สนใจจะสามารถทำให้การวางแผนมีความถูกต้องมากยิ่งขึ้น นอกจากนี้ การเลือกโดยการเจาะจงต้นทาง หรือปลายทางที่คนนิยมใช้เดินทาง ณ ชั่วโมงที่กำหนดของวันนั้นๆ ก็สามารถนำมาสู่การวางแผนการระบบขนส่งสาธารณะมากขึ้น หรือ share mobility

2. ระบุสาเหตุของปัญหาการจราจร และเหตุการณ์ต่างๆ

จากการหาข้อมูลเบื้องต้น ทำให้ทราบว่ามี 3 จุดที่รถติดมากที่อยู่บนถนนพระราม 4 และเชื่อมต่อกับพระราม 4 ซึ่งทำให้การจราจรติดขัด (รูปที่ 2) ได้แก่

A. พื้นที่พระโขนง (เชื่อมต่อกับพื้นที่อ่อนนุช):

จุดที่เป็นคอขวด คือ บริเวณซูเพอร์มาร์เกทขนาดใหญ่ย่านอ่อนนุช จากข้อมูล และการวิเคราะห์เชิงคุณภาพ ทำให้ทราบว่ามีสาเหตุมาจากการข้ามทางม้าลายของคนเดินเท้าอยู่ตลอดเวลา และการจอดรถของวินมอเตอร์ไซค์ และรถสองแถว ดังนั้น ในส่วนหนึ่งของการทดลองทางสังคมของเรา จึงดำเนินมาตรการหลัก 2 ประการ ก) จัดระเบียบคนข้ามถนนที่ทางม้าลาย และ ข) ย้ายตำแหน่งที่จอดรถของรถสองแถวให้ห่างจากหน้าซูเพอร์มาร์เกทขนาดใหญ่ออกไป ด้วยมาตรการเหล่านี้เราสามารถลดเวลาการข้ามถนนบนทางม้าลายได้ 23 นาที ในช่วงเวลาเร่งด่วน (15:00-18:00 น.) และทำให้การจราจรคล่องตัวขึ้น 10 %

ข้อเสนอแนะ : จากผลการทดลองทางสังคม ทีมงานได้เสนอข้อเสนอแนะการจัดการการจราจรหน้าซูเพอร์มาร์เกทขนาดใหญ่ หรือการติดตั้งสัญญาณไฟจราจรอัตโนมัติ และสอดคล้องกับสัญญาณไฟที่แยกอ่อนนุช และการพิจารณาจุดจอดที่เหมาะสมสำหรับมอเตอร์ไซค์รับจ้าง 

B. พื้นที่เกษมราษฎร์:

เนื่องจากสภาพทางกายภาพของถนนที่แคบ (เป็นวงเล็กๆ จากแยกม้าศึกไปยังถนนพระราม 4) และมีการตัดกันของกระแสรถที่วิ่งออกมาจากซอยสุขุมวิท 22 และถนนพระราม 4 จึงทำให้เกิดปัญหารถติดขัดบ่อยครั้งในแยกม้าศึก และเกษมราษฎร์ จากการศึกษาสิ่งที่จะช่วยให้การจราจรดีขึ้น คือ การประสานงานกันอย่างมีประสิทธิภาพของตำรวจที่แต่ละแยก ทำให้ตำรวจมีข้อมูลของสภาพการจราจรมากขึ้น เพื่อให้จัดการการจราจรได้ดีขึ้น (รูปที่ 5) ทางโครงการจึงได้จัดกิจกรรม Knowledge Management ด้านการจราจร หลายครั้ง (เพื่อให้การประสานงานระหว่างตำรวจแต่ละแยกให้ดีขึ้น) และติดตั้งจอแสดงข้อมูลการจราจรแบบเรียลไทม์ ตลอดพื้นที่พระราม 4 (เช่น ข้อมูลสัญญาณไฟจราจร ข้อมูลอุบัติการณ์ต่างๆ แผนที่สภาพการจราจร และกล้องวงจรปิด) ส่งผลให้เราสามารถลดระยะเวลาความผิดปกติของการเปิดสัญญาณไฟโดยเฉลี่ย 10 % ต่อวัน

นอกจากนี้ ห้องควบคุมการจราจรแบบเรียลไทม์ที่ติดตั้งอยู่ 12 ป้อมตำรวจในโครงการพระราม 4 ได้ถูกส่งมอบให้แก่ตำรวจจราจร เพื่อจะนำไปใช้บรรเทาปัญหาการจราจรติดขัดในกรุงเทพฯ ต่อไป ภายหลังสิ้นสุดการทดลองใช้ในโครงการพระราม 4 โมเดล

C. พื้นที่ฝั่งตะวันตก

เนื่องด้วยข้อจำกัดในการมองเห็นสภาพการจราจร และเหตุการณ์ต่างๆ บนสะพานไทย-ญี่ปุ่น ทำให้ตรวจพบปัญหาที่เกิดขึ้นบนสะพานได้ล่าช้า ทำให้เกิดปัญหาการจราจรติดขัด และขยายไปยังพื้นที่ และถนนเส้นอื่นๆ โครงการจึงทำการติดตั้งกล้องวงจรปิดด้วยเทคโนโลยี AI เพื่อตรวจจับเหตุการณ์ความผิดปกติบนสะพานไทย-ญี่ปุ่น ไม่ว่าจะเป็นรถเสีย หรือรถชน และเมื่อตรวจพบระบบจะทำการแจ้งเตือนตำรวจจราจรที่ป้อมสามย่านทันที 

3. สรุปข้อค้นพบ และข้อเสนอแนะในแง่ของระเบียบวิธี

ทีมงานโมเดลพระราม 4 ได้เล็งเห็นถึงศักยภาพของการจัดการจราจรที่ขับเคลื่อนด้วยข้อมูลผ่านโครงการนี้อย่างชัดเจน การใช้ข้อมูลในอดีตสำหรับดูแนวโน้มที่สามารถรองรับการออกแบบโครงสร้างพื้นฐานด้านการจราจร เช่น เวลาเปิด-ปิดสัญญาณไฟ หรือตารางเวลา และเส้นทางของระบบขนส่งสาธารณะได้อย่างชัดเจน นอกจากนี้ ข้อมูลแบบเรียลไทม์ที่มีอย่างเหมาะสม ก็สามารถช่วยสนับสนุนการจัดการจราจร และบังคับใช้ รวมถึงการจัดการเหตุการณ์ต่างๆ และความผิดปกติที่เกิดขึ้นสิ่งต่างๆ เหล่านี้ แสดงให้เห็นถึงความจำเป็นในการที่จะมีพแลทฟอร์มในการแชร์ข้อมูลแบบเปิดมากขึ้น และประสานความร่วมมือของหน่วยงานที่เกี่ยวข้อง

ผลการวิจัยที่ได้จากโมเดลพระราม 4 ถูกรวบรวมทและจัดพิมพ์ในรูปแบบ e-Book เพื่อแบ่งปันเป็นองค์ความรู้ให้แก่ผู้ที่สนใจ โดยสามารถดาวน์โหลดได้ที่ (เฉพาะภาษาไทย) https://service.rama4model.in.th/documents/eBook_Rama4Model.pdf

นอกจากนั้น ทีมงานยังได้ตระหนักถึงความท้าทายบางประการที่พบในโครงการนี้ ได้แก่:

(a) การเก็บรวบรวมข้อมูลเพื่อใช้งาน: ในปัจจุบัน แม้ว่าเราจะมีความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการรวบรวม และใช้ประโยชน์จากข้อมูล แต่การได้รับข้อมูลอย่างเพียงพอ และการจัดเก็บข้อมูลก็ยังคงเป็นสิ่งที่ท้าทาย อีกทั้งยังมีราคาแพง จึงมีความจำเป็นที่จะต้องลงทุนในเทคโนโลยีเพื่อใช้การเก็บรวบรวมข้อมูล (เช่น กล้องวงจรปิดพร้อม AI) และร่วมมือกับพันธมิตรต่างๆ ซึ่งมีข้อมูลที่จำเป็น รวมถึงมีแนวทางที่เป็นประโยชน์ร่วมกันเพื่อแบ่งปันข้อมูล

(b) การแบ่งปันข้อมูล : เป็นสิ่งสำคัญที่จะต้องพิจารณาแนวทางการแบ่งปันข้อมูล (มีการรักษาความปลอดภัยอย่างเหมาะสม) กับหน่วยงานเอกชน หรือภาครัฐที่ต้องการทำงานด้านการจัดการการรับ-ส่งข้อมูลแนวทางการแบ่งปันข้อมูลแบบเปิด จึงจำเป็นต้องมีการศึกษาเพิ่มเติม

(c) ความเชี่ยวชาญ และการพัฒนาทรัพยากรบุคคล : จำเป็นต้องลงทุนเพื่อพัฒนานักวิทยาศาสตร์ข้อมูล (data scientist) และผู้เชี่ยวชาญด้านการจัดการจราจร (ร่วมกับการวางผังเมือง) ซึ่งควรได้รับการฝึกอบรม และพัฒนาเพื่อศึกษาข้อมูล ทำงานเกี่ยวกับการวิเคราะห์ และแบบจำลอง และสร้างการใช้งานที่หลากหลาย เพื่อปรับปรุงการจัดการจราจรของเมืองอย่างต่อเนื่อง

(d) การบังคับใช้ : มีความจำเป็นต้องมีการบังคับใช้การจัดการจราจรที่เข้มข้นขึ้น เพื่อให้แน่ใจว่าการฝ่าฝืน (โดยเฉพาะการจอดรถพฤติกรรมการขับขี่ ฯลฯ) และอุบัติการณ์ต่างๆ จะลดลง ซึ่งจะเป็นการลดจุดที่มีปัญหารถติด ทำให้รถติดน้อยลงเมื่อภายหลังสิ้นสุดโครงการแล้ว

พันธมิตรบางท่านได้แสดงความคิดเห็นต่อโมเดลพระราม 4 ดังนี้

ดร. ชัชชาติ สิทธิพันธุ์ ผู้ว่าราชการกรุงเทพมหานคร กล่าวว่า “การแก้ปัญหาการจราจรถือเป็นหนึ่งในสิ่งที่ทางกรุงเทพฯ ให้ความสำคัญเป็นอย่างมาก เพราะจะช่วยให้คุณภาพชีวิตของชาวกรุงเทพฯ ดีขึ้น นั่นคือเหตุผลที่เราพยายามมุ่งเน้นส่งเสริมการใช้เทคโนโลยี และข้อมูล เพื่อให้การจัดการจราจรมีประสิทธิภาพมากขึ้น เพื่อมุ่งสู่เป้าหมายนี้ เราได้ริเริ่มนโยบายต่างๆ เพื่อปรับปรุงการจราจร การจัดตั้งศูนย์ควบคุมการจราจร (Traffic Command Center) และการจัดการจราจรอัจฉริยะ รวมถึงการใช้ Big data และ AI ซึ่งในโครงการพระราม 4 โดยมูลนิธิโตโยต้า โมบิลิตี้ และจุฬาลงกรณ์มหาวิทยาลัย ได้ดำเนินการซึ่งสอดคล้องกับจุดมุ่งหมายเหล่านี้ และได้แสดงให้เห็นอย่างชัดเจนถึงประโยชน์ของข้อมูลเชิงลึก และการจัดการด้วยข้อมูลโดยมีมนุษย์เป็นศูนย์กลาง (Human Centric Data Driven Insight and Management) เพื่อปรับปรุงสภาพการจราจร และการบริหารจัดการ ผมขอขอบคุณมูลนิธิโตโยต้า โมบิลิตี้ และจุฬาลงกรณ์มหาวิทยาลัย ที่ให้การสนับสนุนเป็นอย่างดี และผมได้สั่งการให้ กทม. ดำเนินการ และขยายผลแนวทางแก้ไขไปยังพื้นที่อื่นๆ ในกรุงเทพฯ ต่อไป”

รศ.ดร. สรวิศ นฤปิติ อาจารย์ประจำคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย กล่าวว่า “จุฬาลงกรณ์มหาวิทยาลัยมีความภูมิใจมากที่ได้ร่วมเข้าทำงานกับ TMF และหน่วยงานภาครัฐต่างๆ ภายใต้โครงการพระราม 4 โมเดล เพื่อสร้างต้นแบบของการใช้วิชาการ เพื่อสร้างกระบวนการคิด และการนำเทคโนโลยีข้อมูล มาทำให้เห็นเป็นรูปธรรม เกิดผลลัพธ์ที่เป็นประโยชน์ต่อสังคม ทำให้เกิดการเรียนรู้ นำไปขยายผลปฏิบัติใช้ในวงกว้างในประเทศ และเป็นตัวอย่างที่ดีของเมืองต่างๆ ของโลกต่อไป”

ปาซานา คุมาร์ กาเนซ ผู้อำนวยการมูลนิธิโตโยต้า โมบิลิตี้ กล่าวว่า“มูลนิธิโตโยต้า โมบิลิตี้ ดำเนินงานภายใต้หลักการ 3 ข้อ คือ นวัตกรรม ความยั่งยืน และความร่วมมือ และด้วยจุดมุ่งหมายเหล่านี้เพื่อส่งเสริม Mobility for All วิธีการแก้ปัญหาการจราจรแบบเดิมที่ทำกันอยู่ทุกวันนี้ และทำอยู่ในหลายๆ ประเทศ คือ การแก้ปัญหาผ่านกระบวนการลองผิดลองถูก ข้อมูลที่มีการตรวจสอบเชิงคุณภาพโดยยึดมนุษย์เป็นศูนย์กลาง จะช่วยให้เราสามารถระบุสาเหตุที่แน่ชัด และบรรเทาผลกระทบที่ตรงกับสภาพความเป็นจริง  และลักษณะเฉพาะของแต่ละเมือง แม้ว่าโครงการของเราจะเป็นโครงการทดลอง แต่เราได้รวบรวมข้อมูลเชิงลึก และคำแนะนำมากมายที่เราเชื่อว่าจะช่วยพัฒนาศาสตร์ของการจัดการจราจร และการวางผังเมืองด้วยการใช้ข้อมูล เราเชื่อในการทำงานร่วมกันโดยใช้ข้อมูล และข้อมูลเชิงลึกจากมนุษย์ในการระบุ และขจัดอุปสรรคที่ขัดขวางไม่ให้ผู้คน และสินค้าเดินทางได้อย่างอิสระ ซึ่งโครงการนี้เป็นครั้งแรกในประเทศไทย และเราขอขอบคุณพันธมิตรของเราทั้งหมด กระทรวงคมนาคม กรุงเทพฯ กองบัญชาการตำรวจนครบาล จุฬาลงกรณ์มหาวิทยาลัย บริษัท แกร็บแท็กซี่ (ประเทศไทย) จำกัด มูลนิธิ ITIC บริษัท โตโยต้า มอเตอร์ ประเทศไทย จำกัด และอื่นๆ อีกมากมาย ซึ่งการสนับสนุนอันล้ำค่า ทำให้โครงการนี้เป็นรากฐานสำหรับความพยายามขับเคลื่อนข้อมูลในอนาคต”