MIT opracował system, który mierzy emisje z ruchu drogowego niemal w czasie rzeczywistym, aż do poziomu pojedynczej ulicy
Badacze z Massachusetts Institute of Technology przedstawili nową metodę, która umożliwia znacznie dokładniejsze monitorowanie emisji z ruchu drogowego w mieście, niemal w czasie rzeczywistym oraz na poziomie pojedynczej drogi i godziny dnia. Jest to podejście łączące istniejące kamery miejskie, zanonimizowane dane o przemieszczaniu się oraz widzenie komputerowe, aby uzyskać szczegółowy obraz tego, gdzie, kiedy i z powodu jakich wzorców ruchu powstaje największe obciążenie dla powietrza i klimatu. Badanie opublikowano w czasopiśmie Nature Sustainability, a zespół badawczy przetestował je na Manhattanie, jednej z najbardziej obciążonych ruchem przestrzeni miejskich w Stanach Zjednoczonych. Według autorów takie narzędzie mogłoby stać się ważnym wsparciem dla władz miejskich przy podejmowaniu decyzji dotyczących organizacji ruchu, dekarbonizacji transportu i oceny skutków nowych polityk publicznych.
W przeciwieństwie do klasycznych inwentaryzacji emisji, które często dają ogólny obraz całego miasta lub opierają się na okazjonalnym próbkowaniu, nowy model próbuje objąć rzeczywistą dynamikę ruchu miejskiego. Oznacza to, że nie obserwuje jedynie, ile pojazdów przejeżdża przez dany obszar, lecz także jakie są to pojazdy, jak się poruszają, jak często się zatrzymują i ponownie przyspieszają oraz jak na ich emisje wpływają sygnalizacja świetlna, korki i zmiany popytu na podróże w ciągu dnia. Właśnie ta część jest szczególnie ważna w centrach dużych miast, gdzie krótkie zatrzymania, kolejki i tak zwana jazda stop-and-go często wytwarzają więcej emisji, niż można by wywnioskować ze średnich dla całego miasta.
Jak działa nowy model
Zespół z MIT Senseable City Lab wykorzystał sieć 331 kamer drogowych zainstalowanych na skrzyżowaniach na Manhattanie, wraz z zanonimizowanymi zapisami lokalizacji z ponad 1,75 miliona telefonów komórkowych. Kamery posłużyły do rozpoznawania typów pojazdów, bez gromadzenia tablic rejestracyjnych ani innych identyfikatorów osobowych, natomiast dane mobilne pomogły odtworzyć szersze wzorce przemieszczania się przez miasto. Badacze sklasyfikowali pojazdy w 12 szerokich kategoriach i, według danych przytoczonych w pracy oraz w prezentacji badań MIT, osiągnęli około 93 procent trafności w przypisywaniu pojazdów do odpowiedniej grupy. Dało im to wystarczająco wiarygodną podstawę do powiązania przepływów ruchu ze znanymi wskaźnikami emisji dla różnych typów pojazdów i stylów jazdy.
Szczególna wartość modelu polega na tym, że wprowadza do obliczeń sygnalizację i zachowanie ruchu na skrzyżowaniach. W wielu konwencjonalnych szacunkach właśnie ten element pozostaje niedoszacowany lub całkowicie pomijany, mimo że miejskie światła drogowe istotnie określają rytm ruchu pojazdów. Gdy samochód musi kilka razy zatrzymać się na krótkim odcinku, a potem ponownie przyspieszyć, emisje mogą wyraźnie wzrosnąć, a taki wzorzec jest typowy dla gęsto zabudowanych centrów metropolii. Z tego powodu ten sam odcinek drogi nie zanieczyszcza jednakowo o każdej porze dnia, nawet gdy liczba pojazdów pozostaje podobna. Nowa metoda próbuje uchwycić właśnie tę różnicę, i to w znacznie bardziej szczegółowej skali przestrzennej i czasowej niż jest to zwykle spotykane w publicznych rejestrach ruchu.
Autorzy podkreślają także, że model został pomyślany jako system opłacalny kosztowo, który nie wymaga całkowicie nowej infrastruktury. Zamiast kosztownych, odrębnych i ograniczonych kampanii pomiarowych opiera się na łączeniu źródeł danych, które miasta już mają lub mogą stosunkowo łatwo pozyskać. Widać w tym także szerszy trend współczesnego zarządzania miejskiego: wykorzystanie istniejących cyfrowych śladów i czujników, aby dokładniej rozumieć skutki ruchu, hałasu, zanieczyszczeń i innych procesów miejskich. Zespół MIT podkreśla przy tym, że prywatność jest chroniona, ponieważ system rozpoznaje kategorie pojazdów, ale nie śledzi tożsamości kierowców.
Dlaczego dokładniejsze dane są ważne dla polityk publicznych
Kluczowym przesłaniem badań nie jest tylko to, że emisje można mierzyć lepiej, lecz także to, że małe różnice metodologiczne mogą prowadzić do dużych błędów oceny. Zespół przetestował, co się dzieje, gdy precyzyjne, lokalne dane wejściowe zostaną zastąpione bardziej zgrubnymi średnimi dla całego miasta. Okazało się, że takie uproszczenie może powodować odchylenia od minus 49 do plus 25 procent w porównaniu z dokładniejszymi szacunkami. Innymi słowy, miasto, które planowałoby działania transportowe lub klimatyczne na podstawie zgrubnych średnich, mogłoby poważnie niedoszacować albo przeszacować rzeczywiste skutki swoich decyzji.
Ma to bezpośrednie konsekwencje dla planowania transportu. Jeśli administracja miejska chce wiedzieć, czy określona trasa autobusowa, zmiana cyklu sygnalizacji, nowa strefa piesza lub ograniczenie wjazdu samochodów rzeczywiście zmniejszy emisje, ogólna roczna inwentaryzacja nie wystarczy. Potrzebna jest mapa pokazująca, gdzie problem się koncentruje, o jakiej porze dnia osiąga szczyt i które grupy pojazdów uczestniczą w nim najbardziej. Właśnie dlatego autorzy twierdzą, że ich podejście może służyć jako pomost między szerokimi szacunkami miejskimi a bardzo szczegółowymi analizami pojedynczych pojazdów, które często są zbyt drogie i trudne do zastosowania w skali całego miasta.
Model wykorzystano także do symulowania kilku scenariuszy zmian w ruchu drogowym. Między innymi badacze obserwowali, co by się stało, gdyby część podróży została przeniesiona z prywatnych samochodów do autobusów. Analizowali również scenariusz, w którym poranny i popołudniowy szczyt zostałby odciążony poprzez niewielkie rozciągnięcie w czasie, czyli sytuację, w której mniej pojazdów pojawia się jednocześnie na drogach. Takie symulacje są szczególnie ważne dla miast poszukujących politycznie i społecznie akceptowalnych sposobów ograniczenia emisji, ponieważ nie wychodzą one koniecznie od zakazów, lecz od innej organizacji popytu, transportu publicznego i zarządzania ruchem.
Manhattan jako laboratorium mobilności miejskiej
Wybór Manhattanu nie jest przypadkowy. Jest to obszar o wyjątkowo gęstej sieci drogowej, dużej liczbie skrzyżowań z sygnalizacją, intensywnym ruchu taksówek i dostaw oraz silnych dobowych wahaniach między przemieszczeniami związanymi z pracą, turystyką i mieszkaniem. W takim otoczeniu różnice między spokojniejszą częścią dnia a szczytem obciążenia mogą być dramatyczne i właśnie to sprzyja testowaniu modelu, który próbuje odwzorować emisje aż do poziomu pojedynczego kwartału i godziny. Zespół MIT wskazuje, że taki poziom szczegółowości jest przydatny nie tylko do zrozumienia obecnej sytuacji, lecz także do oceny skutków konkretnych interwencji, od zmian w przepływach ruchu po szersze polityki klimatyczne.
Ważne jest również to, że nie chodzi tu tylko o dwutlenek węgla, lecz także o szerszą kwestię jakości powietrza w mieście. Ruch drogowy nie jest jedynym źródłem pyłów zawieszonych i innych zanieczyszczeń, ale w gęstych środowiskach miejskich często odgrywa decydującą rolę w lokalnym narażeniu ludności. Mapa emisji pokazująca przestrzenną i czasową koncentrację ruchu może pomóc lepiej chronić szkoły, szpitale, strefy mieszkaniowe i korytarze piesze. W praktyce oznacza to, że decyzje dotyczące regulacji ruchu można podejmować coraz mniej na ślepo, a coraz bardziej na podstawie pomiarów pokazujących rzeczywisty wpływ na zdrowie ludzi.
Prawdziwy test: nowojorskie opłaty za korki
Jedna z najciekawszych części pracy dotyczy analizy rzeczywistego środka politycznego, a nie tylko symulacji. 5 stycznia 2025 roku Nowy Jork wprowadził program opłat za korki dla obszaru Manhattanu na południe od 60. ulicy, pierwszy taki system w USA. Program, prowadzony przez Metropolitan Transportation Authority, został wprowadzony w celu zmniejszenia korków, przyspieszenia transportu publicznego i zapewnienia dochodów na inwestycje w infrastrukturę tranzytową. Według oficjalnych danych MTA opublikowanych w pierwszym roku wdrażania liczba pojazdów wjeżdżających do strefy zmniejszyła się o około 11 procent, co średnio oznacza ponad 73 tysiące pojazdów mniej dziennie, czyli ponad 27 milionów mniej wjazdów do strefy w ciągu pierwszego roku.
Badacze z MIT obserwowali, co stało się z ruchem i emisjami dwa, cztery, sześć i osiem tygodni po rozpoczęciu opłat. Według ich wyników natężenie ruchu zmniejszyło się o około 10 procent, ale spadek emisji był wyraźniejszy i wynosił od 16 do 22 procent. To ważne ustalenie, ponieważ pokazuje, że zmniejszenie liczby pojazdów nie działa liniowo na zanieczyszczenie. W gęstej sieci miejskiej nawet stosunkowo umiarkowany spadek ruchu może przynieść większy efekt emisyjny, jeśli jednocześnie ograniczy zatory, liczbę zatrzymań i potrzebę ponownego przyspieszania. Innymi słowy, mniej samochodów oznacza nie tylko mniejsze natężenie ruchu, ale także płynniejsze przemieszczanie się pozostałych pojazdów.
Badacze ostrzegają jednak, że skutki nie są takie same w każdej części sieci. Na niektórych głównych drogach spadek emisji był wyraźniejszy, podczas gdy poza strefą opłat efekty były bardziej mieszane. Taki nierównomierny rozkład przestrzenny jest ważny dla każdej dyskusji o sprawiedliwości i skuteczności środków transportowych. Gdy władze miejskie wprowadzają ograniczenia lub zachęty finansowe, nie wystarczy powiedzieć, że średnia jest lepsza; trzeba wiedzieć, kto konkretnie zyskuje czystsze powietrze i gdzie ruch być może tylko się przenosi. Właśnie dlatego szczegółowa mapa emisji może być bardziej użyteczna niż sama liczba całkowitej redukcji.
Porównanie z innymi badaniami i szersze znaczenie
Wyniki MIT są zbieżne z innymi nowszymi badaniami dotyczącymi skutków nowojorskich opłat za korki. Pod koniec 2025 roku Cornell University opublikował wyniki, zgodnie z którymi stężenia PM2.5 w strefie opłat w pierwszych sześciu miesiącach spadły o około 22 procent w porównaniu z oczekiwanym poziomem bez tej polityki, przy czym spadki odnotowano także w innych częściach miasta i okolicznych przedmieściach. Chociaż jest to inny typ pomiaru, porównanie jest ważne, ponieważ pokazuje, że modelowane dane o ruchu i niezależne obserwacje jakości powietrza zmierzają w tym samym kierunku. Zwiększa to wiarygodność tezy, że środki transportowe, jeśli są starannie zaprojektowane, mogą przynieść szybsze i większe efekty środowiskowe, niż często zakładają sceptycy.
Dla urbanistów i decydentów ma to znaczenie z jeszcze jednego powodu. Debaty o ruchu często toczą się między dwoma biegunami: z jednej strony stoją ogólne cele polityczne, takie jak dekarbonizacja i zdrowsze miasto, a z drugiej codzienna obawa obywateli, że nowe zasady spowolnią przemieszczanie się lub uderzą w gospodarkę. Narzędzia takie jak to pozwalają prowadzić tę debatę z większą liczbą faktów. Zamiast szerokich założeń można ocenić, co dzieje się na ulicach, w dzielnicach i w różnych porach dnia, a następnie porównać skutki dla płynności ruchu, emisji i jakości powietrza. Nie usuwa to sporów politycznych, ale ogranicza przestrzeń do podejmowania decyzji bez weryfikowalnych danych.
Technologia, którą można rozszerzyć także na inne miasta
Badacze twierdzą, że model nie musi zatrzymywać się na kamerach drogowych. W powiązanych projektach eksperymentowali także z danymi z kamer wbudowanych w pojazdy, w tym z tak zwanych systemów dash cam, aby dodatkowo wzbogacić obraz przemieszczania się pojazdów przez miasto. Otwiera to możliwość, że przyszłe systemy oceny emisji będą wykorzystywać szerszy zestaw źródeł, od infrastruktury miejskiej po dane generowane przez same pojazdy. W sensie technologicznym oznacza to, że miasta nie polegają już wyłącznie na rzadkich stałych punktach pomiarowych, lecz stopniowo przechodzą do sieci czujników i cyfrowych śladów umożliwiających niemal ciągłe monitorowanie.
Taki kierunek rozwoju jest szczególnie interesujący dla miast europejskich i azjatyckich, które już wprowadzają strefy niskiej emisji, ograniczenia dla starszych pojazdów lub dynamiczne zarządzanie ruchem. Jeśli emisje można szacować na poziomie pojedynczej ulicy i niemal w czasie rzeczywistym, wówczas korekty polityki transportowej również mogą być szybsze i dokładniejsze. Zamiast wieloletniego oczekiwania na zagregowane raporty administracje mogłyby wcześniej zobaczyć, czy dana interwencja działa, czy też trzeba ją dostosować. Jednocześnie łatwiej byłoby ustalić, gdzie występują największe korzyści zdrowotne, a gdzie istnieje ryzyko, że problem jedynie przeniesie się z jednej części miasta do drugiej.
Od modelu akademickiego do narzędzia zarządzania miastem
Choć jest to badanie akademickie, jego praktyczny przekaz jest jasny: miasta już dysponują dużą ilością danych, ale często nie łączą ich w sposób umożliwiający precyzyjne zarządzanie skutkami środowiskowymi i transportowymi. Zespół MIT pokazuje, że dzięki połączeniu kamer, zanonimizowanych zapisów lokalizacji i istniejących baz danych o emisjach można stworzyć narzędzie wystarczająco szczegółowe do analizy pojedynczej drogi, a jednocześnie wystarczająco szerokie, by objąć całe miasto. To krok w kierunku modelu zarządzania, w którym polityka transportowa nie jest tylko kwestią oceny i politycznej intuicji, lecz także analityki operacyjnej.
Dla mieszkańców być może najważniejsze jest to, że za technicznie złożoną metodologią kryje się bardzo konkretne pytanie: gdzie w mieście zanieczyszczenie jest największe i czy można to zmienić bez paraliżu codziennego życia. Dotychczasowe wyniki wskazują, że odpowiedź może być twierdząca, zwłaszcza gdy ograniczenie ruchu połączy się z lepszym transportem publicznym, inteligentniejszym zarządzaniem skrzyżowaniami i precyzyjnym monitorowaniem skutków. W czasach, gdy polityki miejskie coraz silniej rozrywają się między celami klimatycznymi, zdrowiem ludności i potrzebami gospodarczymi, narzędzia, które mogą niemal w czasie rzeczywistym pokazać rzeczywisty efekt konkretnego środka, prawdopodobnie będą odgrywać coraz większą rolę w sposobie planowania i prowadzenia dużych miast.
Źródła:- - MIT News – omówienie badań nad modelem oceny emisji z ruchu drogowego i głównymi wynikami studium (link)
- - Nature Sustainability / Research Square – streszczenie pracy “Ubiquitous Data-driven Framework for Traffic Emission Estimation and Policy Evaluation” oraz metodologiczne ramy badań (link)
- - MTA – oficjalne informacje o programie opłat za korki w strefie Manhattanu na południe od 60. ulicy oraz dane o spadku liczby pojazdów (link)
- - MTA – przegląd wyników pierwszego roku wdrażania, w tym ponad 27 milionów mniej wjazdów pojazdów i średni spadek o około 11 procent (link)
- - Cornell University – wyniki badań dotyczących spadku PM2.5 po wprowadzeniu opłat za korki w Nowym Jorku (link)
Czas utworzenia: 2 godzin temu