Mobilitate urbană cu AI: de ce semafoarele „inteligente” nu rezolvă singure aglomerația

Inteligența artificială începe să joace un rol din ce în ce mai vizibil în administrarea orașelor. Camerele video pot identifica formarea unei cozi, senzorii pot estima numărul vehiculelor care se apropie de o intersecție, iar algoritmii pot modifica durata culorii verzi înainte ca un ambuteiaj să blocheze complet circulația. În teorie, imaginea este convingătoare: dacă semaforul știe în timp real unde se află mașinile, ar trebui să le poată dirija astfel încât traficul să curgă permanent.

Realitatea este însă mai complicată. Semafoarele controlate cu ajutorul AI pot reduce opririle inutile, pot coordona mai bine intersecțiile și pot reacționa mai repede decât sistemele bazate pe programe fixe. Nu pot, în schimb, să lărgească strada, să creeze locuri noi într-un autobuz sau să elimine din trafic automobilele care caută o parcare. Atunci când într-o zonă intră mai multe vehicule decât poate prelua rețeaua rutieră, nici cel mai performant algoritm nu poate face să dispară surplusul. El poate doar să decidă unde și cât timp va aștepta fiecare flux.

De aceea, adevărata discuție despre mobilitatea urbană cu AI nu ar trebui să înceapă și să se termine la semafoare. Tehnologia poate deveni un instrument valoros într-un sistem bine gândit, dar nu poate compensa singură transportul public insuficient, dezvoltarea urbană haotică, lipsa pistelor de biciclete, parcarea necontrolată sau concentrarea simultană a unui număr uriaș de navetiști în aceleași zone.

Ce pot face, în realitate, semafoarele controlate de AI

Un sistem clasic de semaforizare funcționează, de regulă, după o succesiune stabilită în prealabil. Culoarea verde durează un anumit număr de secunde, iar programul poate fi diferit în funcție de oră, fără să țină neapărat cont de ceea ce se întâmplă în acel moment pe stradă. Dacă apare un accident, dacă plouă sau dacă un eveniment atrage brusc mii de persoane într-un cartier, sistemul continuă să execute scenariul cunoscut până când este intervenit asupra lui.

Controlul adaptiv schimbă această logică. Datele primite de la camere, bucle inductive, radare, vehicule conectate sau aplicații de navigație sunt utilizate pentru estimarea fluxurilor, după care timpii de semaforizare sunt ajustați dinamic. Potrivit Administrației Federale a Autostrăzilor din SUA, semnalizarea adaptivă distribuie mai eficient timpul de verde, răspunde modificărilor din trafic și poate îmbunătăți predictibilitatea călătoriilor.

Un algoritm poate observa, de exemplu, că pe o arteră s-a format o coadă neobișnuit de lungă și poate prelungi temporar culoarea verde. Mai multe intersecții apropiate pot fi coordonate pentru formarea unei „unde verzi”, reducând opririle și accelerările repetate. Sistemul poate acorda prioritate unui autobuz întârziat, unei ambulanțe sau unui tramvai care transportă mult mai mulți oameni decât automobilele din jur.

Un exemplu cunoscut este Project Green Light, inițiativa Google care utilizează tendințe de deplasare din Google Maps și inteligență artificială pentru a construi modele ale intersecțiilor și a recomanda modificări ale semafoarelor. În mai 2025, soluția fusese extinsă la 114 intersecții din Boston și era utilizată în 18 orașe de pe patru continente. Conform estimărilor comunicate de Google, recomandările sale ar putea reduce opririle cu până la 30% și emisiile din intersecții cu până la 10%. Acestea sunt însă rezultate și estimări prezentate de companie, nu o garanție universală pentru orice oraș sau configurație rutieră. Google explică aici funcționarea proiectului.

Vezi și:

VIDEO | Robotul care a „leșinat” pe scenă, în mijlocul unei prezentări fastuoase organizate de Qualcomm

La ce folosesc românii AI-ul. Suntem în urma multor țări, iar inteligența artificială încă nu îi înlocuiește pe oameni și rareori face singură toată munca, arată un studiu global realizat de Google

Beneficiul principal al acestor tehnologii este reducerea fricțiunilor dintr-o rețea existentă. Cu alte cuvinte, AI poate utiliza mai eficient infrastructura disponibilă. Poate diminua timpul pierdut în intersecții goale și poate preveni unele blocaje create de programe prost sincronizate. Într-un oraș în care semafoarele funcționează izolat sau după reglaje făcute cu ani în urmă, diferența poate fi semnificativă.

De ce o „undă verde” nu poate mări capacitatea străzii

Limita fundamentală apare atunci când cererea depășește capacitatea infrastructurii. Dacă o arteră poate prelua într-o oră 2.000 de vehicule, iar spre ea se îndreaptă 3.000, algoritmul nu are unde să trimită diferența. O culoare verde mai lungă într-o intersecție poate goli temporar o coadă, dar poate bloca următoarea intersecție. Traficul nu dispare, ci este mutat câteva sute de metri mai departe.

Situația devine și mai dificilă atunci când o intersecție este optimizată separat. Un rezultat bun la nivel local poate genera o problemă la nivelul cartierului. Evacuarea rapidă a unei străzi secundare poate supraîncărca bulevardul în care aceasta se varsă, iar direcționarea șoferilor pe trasee alternative poate muta traficul prin zone rezidențiale. În lipsa unei imagini de ansamblu, orașul ajunge să distribuie ambuteiajul, nu să-l elimine.

Contează foarte mult și obiectivul dat algoritmului. Dacă AI este instruit să maximizeze viteza automobilelor, poate acorda mai puțin timp pietonilor, poate fragmenta traseele bicicliștilor sau poate întârzia transportul public. Un autobuz cu 70 de pasageri nu ar trebui tratat ca un singur vehicul, egal cu o mașină ocupată doar de șofer. Din perspectiva mobilității, important este numărul oamenilor deplasați, nu doar numărul vehiculelor trecute prin intersecție.

Nici datele nu sunt perfecte. Camerele pot fi afectate de ploaie, ceață, întuneric sau marcaje șterse, iar senzorii pot transmite informații incomplete. Datele provenite din aplicații de navigație descriu foarte bine comportamentul utilizatorilor de automobile și telefoane inteligente, dar pot spune mai puțin despre persoanele care merg pe jos, folosesc un scaun rulant sau așteaptă un autobuz fără o aplicație activă.

În plus, modelele antrenate în simulări nu se transferă automat pe străzi. Traficul real include comportamente greu de reprodus: șoferi care blochează intersecția, pietoni care traversează neregulamentar, lucrări apărute peste noapte, vehicule oprite pe prima bandă sau accidente. Cercetările privind controlul semafoarelor prin reinforcement learning atrag atenția asupra diferențelor dintre simulare și mediul real, care pot degrada performanța algoritmilor după implementare. Studiile subliniază nevoia unor mecanisme sigure de transfer, monitorizare și intervenție umană, nu doar a unor rezultate spectaculoase obținute într-un model virtual. Analiza publicată în Journal of Simulation poate fi consultată aici.

Mai apare și efectul de adaptare al utilizatorilor. Dacă o arteră devine mai rapidă, o parte dintre șoferii care o evitau se pot întoarce. Alți oameni pot renunța la transportul public dacă observă că deplasarea cu automobilul pare momentan mai convenabilă. Câștigul inițial se micșorează, iar după o perioadă orașul poate reveni la aglomerație, dar cu un volum mai mare de trafic.

Aglomerația se combate prin mobilitate, nu doar prin managementul traficului

Pentru rezultate durabile, administrațiile trebuie să schimbe întrebarea. În loc de „Cum trecem mai multe mașini prin intersecție?”, obiectivul ar trebui să fie „Cum ajutăm mai mulți oameni să ajungă sigur și predictibil la destinație?”. Diferența pare semantică, dar modifică profund investițiile și indicatorii de performanță.

Transportul public de mare capacitate este unul dintre elementele centrale. Un autobuz blocat în aceeași coloană cu automobilele nu constituie o alternativă suficient de atractivă. Benzile dedicate, frecvența bună, orarele predictibile și prioritatea la semafor îi permit să transporte mai mulți oameni folosind mai puțin spațiu stradal. În acest scenariu, AI devine cu adevărat util: poate identifica apropierea autobuzului, îi poate prelungi verdele și poate recupera o întârziere fără să destabilizeze întregul coridor.

La fel de importante sunt mersul pe jos și bicicleta, mai ales pentru deplasările scurte. Trotuarele continue, trecerile sigure, iluminatul și pistele conectate pot elimina din trafic o parte dintre călătoriile care nu necesită automobilul. Un sistem inteligent trebuie să recunoască aceste moduri de transport și să le acorde timp suficient, nu să considere fiecare secundă oferită pietonilor drept o pierdere pentru trafic.

Parcarea și utilizarea bordurilor influențează, la rândul lor, circulația. O singură mașină oprită neregulamentar poate anula capacitatea unei benzi, indiferent cât de bine sunt sincronizate semafoarele. Livrările, taxiurile, transportul la comandă, bicicletele și accesul persoanelor cu dizabilități concurează pentru același spațiu. Rezervarea unor intervale pentru aprovizionare, monitorizarea locurilor disponibile și tarifele de parcare adaptate cererii pot avea efecte mai consistente decât prelungirea cu câteva secunde a culorii verzi.

Există apoi instrumentele de gestionare a cererii: taxarea accesului în zone congestionate, parcările de tip park-and-ride, programele flexibile de muncă, transportul școlar și integrarea dezvoltării imobiliare cu rețelele de transport. Banca Mondială arată că asemenea politici pot îmbunătăți siguranța și predictibilitatea deplasărilor, reducând pierderile provocate de congestie și generând resurse pentru transport public, mobilitate activă și modernizarea străzilor.

Aceasta este și direcția promovată la nivel european. Cadrul UE pentru mobilitate urbană sustenabilă tratează împreună transportul public, deplasarea activă, nodurile multimodale, accesibilitatea, siguranța și poluarea. Peste 70% dintre cetățenii Uniunii locuiesc în zone urbane, iar acestea generează aproximativ 23% din emisiile de gaze cu efect de seră provenite din transport, potrivit Comisiei Europene. În plus, cele 431 de noduri urbane ale rețelei transeuropene trebuie să adopte planuri de mobilitate urbană sustenabilă până la sfârșitul anului 2027, semn că accentul se mută de la proiecte izolate la planificare integrată.

Cum arată un sistem inteligent construit pentru oameni

Un oraș nu ar trebui să declare succesul doar pentru că viteza medie a automobilelor a crescut cu câțiva kilometri pe oră. Indicatorii relevanți includ timpul total al călătoriei, predictibilitatea sosirii, numărul persoanelor transportate într-o oră, întârzierile autobuzelor, timpul de așteptare al pietonilor, accidentele, emisiile și accesul locuitorilor la locuri de muncă, educație și servicii medicale.

Această perspectivă poate produce decizii aparent contraintuitive. Cel mai „inteligent” semafor nu este întotdeauna cel care oferă verde cât mai mult mașinilor. Uneori trebuie să oprească 20 de automobile pentru a permite trecerea unui tramvai cu 150 de pasageri. Alteori trebuie să prelungească traversarea pentru o persoană în vârstă sau să limiteze accesul într-o intersecție pentru a preveni blocarea ei completă. Inteligența sistemului se măsoară prin rezultatul colectiv, nu prin satisfacția unui singur flux de trafic.

Implementarea trebuie însoțită de reguli clare privind datele, securitatea și responsabilitatea. Orașul trebuie să știe ce informații sunt colectate, cât timp sunt păstrate și cine are acces la ele. Algoritmii ar trebui auditați periodic pentru a vedea dacă favorizează anumite cartiere sau categorii de utilizatori. Trebuie să existe sisteme de rezervă pentru situațiile în care senzorii, comunicațiile ori platforma centrală nu mai funcționează.

La fel de importantă este transparența. Locuitorii nu au nevoie să cunoască fiecare formulă matematică, dar trebuie să înțeleagă obiectivele sistemului și compromisurile făcute. Dacă o stradă este încetinită pentru a oferi prioritate autobuzelor, administrația ar trebui să poată arăta câți oameni au câștigat timp și ce efecte au apărut asupra siguranței sau poluării.

Semafoarele inteligente pot deveni sistemul nervos al mobilității urbane: observă, transmit informații și coordonează reacții rapide. Nu sunt însă întregul organism. Fără transport public performant, trotuare sigure, piste coerente, reguli de parcare și o dezvoltare urbană care reduce nevoia deplasărilor lungi, algoritmul va administra tot mai sofisticat aceeași aglomerație.

AI nu trebuie privită ca un remediu miraculos, ci ca un multiplicator al unei politici publice bune. Folosită într-un sistem orientat spre oameni, poate face deplasările mai sigure, mai curate și mai predictibile. Folosită doar pentru a împinge cât mai multe automobile prin intersecții, riscă să transforme ambuteiajul într-unul digitalizat, atent măsurat și perfect optimizat, dar la fel de frustrant.

Dacia cu cameră de marșarier murdară sau lentă: cauze simple înainte de înlocuire