"Tallinnas jäävad kõige ummikuohtlikumad piirkonnad Tammsaare tee äärde, kui Lennujaama minna. Samuti on ummikuohtlik Pirita tee, kuna sinna lähedusse jääb sadam," osutab äsja tarkvaraarenduse instituudis doktoritööd kaitsnud Chahinez Ounoughi. Teisisõnu võib liiklus olla tipptunnil tihe kogu linnas, kuid teatud piirkondades tekivad ummikud sagedamini.

"Mina pakkusin oma töös välja uue meetodi valgusfooride juhtimiseks. Ühtlasi näitasin, kuidas hõlbustada selle instrumendi abil ristmikel liiklust," ütleb Ounoughi. Uus lahendus põhineb iseõppivatel mudelitel: müra-, ilma- ja liiklusandmed pannakse sisse ning mitme andmetöötlusetapi järel annab mudel välja liiklust kiirendava valgusfooride vilkumisstrateegia.

Mudelite ahel

"Praegu kasutatakse liikluse juhtimiseks fikseeritud graafikuid. Graafik ütleb, et selles või tolles ajavahemikus on meil nii- ja naasugused rohelise tule tsüklid üle kogu ristmiku," kirjeldab Chahinez Ounoughi. Tema arendatud uus meetod põhineb seevastu nutikatel stiimulõppemudelitel. Ehkki neid on maailmas simulatsiooni tasandil juba varem uuritud ja katsetatud, annab Ounoughi doktoritöö sinna ka päris uue panuse. "Me ei toetu üksnes mudeli kasutamisele, vaid lisame sinna sisendina ennustuse, kuidas mudeli sooritust parandada," täpsustab ta.

Oma mudeli katsetamiseks kasutas värske doktor Tallinnast Tammsaare tee ja Sõpruse puiestee ristmikult kogutud andmeid. "Sinna on paigaldatud mürasensorid. Meil olid ilmastikuandmed ilm.ee lehelt ja liiklusandmed TomTom-i nimelisest rakendusliidesest. Samuti oli meie käsutuses linnakaameratest saadud videopilt," loetleb ta.

Kõiki neid eri tüüpi andmeid söötis Ounoughi esmalt andmete sulandumise mudelisse, et see õpiks liiklust tundma: näiteks, millised on ristmikul kindlas ajahetkes kõige tähtsamad näitajad. Andmete sulandumise mudel tootis seepeale väljundi, mille Ounoughi söötis järgmiseks mürataset ennustavasse mudelisse. "Siis saime müraennustuse väljundi. Näiteks võisime öelda, et viie minuti pärast on meil meie ristmikul just niisugune müratase," meenutab ta.

Viimase sammuna söötis värske doktor müraennustuse omakorda stiimulõppel põhinevasse mudelisse, mis vastutab ristmiku fooristrateegia eest. "See mudel võtab arvesse erinevaid sisendeid, nagu kiirust ja ristmiku läbimiseks kuluvat aega," tutvustab Ounoughi. Kui lisada sinna uue lisandina müraennustus, pakubki mudel ristmikule välja uue fooride vilkumise mustri. "Meie tehtud simulatsioon tõestab, et see vähendab uuritud ristmikul CO2-heitmeid, mürataset ja kütusekulu," toob värske doktor välja.

Visa koostöö linnadega

Chahinez Ounoughi sõnul oli tema doktoritöö esimene olulisem panus müraennustuse kasutamine liikluse ennustamiseks ummikurohkes piirkonnas. "Minu teine oluline panus oli see, kuidas erinevaid infoallikaid kasutades seda ennustust täpsemaks saada. Selle kaudu on võimalik parandada ka valgusfooride haldust," lisab ta. Ehkki süvaõppe mudeleid on katsetatud ka mujal maailmas, näitas võrdlus, et Ounoughi mudel parendas ristmikul olulisi liiklusnäitajaid varasemast enam.

Siiski möönab ta, et tema doktoritöö puhul peab arvestama mitme kitsaskohaga, eesotsas andmete kättesaadavusega. "Neid on keeruline koguda ja isegi, kui sul on andmeallikas, ei pruugi andmed olla usaldusväärsed. Vahel pole need piisavalt hea kvaliteediga, et neid mudelisisendina kasutada," põhjendab ta.  

Teiseks on tehisaru-mudelid tavaliselt väga mahukad, kuid nõrga mäluga. Teisisõnu läheb mudelil kiiresti meelest ära, mida see on juba teatud olude jaoks välja arvutanud. Ounoughi sõnul peab sellega mudeleid liiklustaristus, näiteks valgusfoorides kasutusele võttes arvestama: "Peame leidma tehnoloogia, mis tuleks tehisaru suurusega toime. Või siis peaksime võtma tehisaru-mudeli, selle soorituse säilitama, aga suurust vähendama."

Viimaks peab värske doktori sõnul arvestama, et praeguseks on uue lahenduse töökindlust tõestatud vaid ühel ristmikul. Täie kindlusega võiks selle toimivaks lugeda alles mitme ristmiku või ristmikuahela põhjal. "Mõtleme kasutada multiagentset tehnoloogiat. Igal ristmikul oleks siis meie meetodit kasutav intelligentne agent. Kõik agendid oleksid omavahel ühendatud, et hallata liiklust kõigil ristmikel," kirjeldab ta. Peamine takistus on siin aga taaskord ristmikku kirjeldavate andmete nappus.

Koostöö kohalike omavalitsustega on Ounoughi sõnul keeruline. Näiteks nimetas Tallinna linnavalitsus projekti küll põnevaks, kuid konkreetset koostööhuvi üles ei näidanud. Teisalt on Ounoughi idufirma GaiaHub tehnoloogiajuhina suhelnud Tartu ja Liepajaga. "Tartlased on väga huvitatud meie projekti omaksvõtust, aga läbirääkimised alles käivad," märgib ta. Esialgu taotleb töörühm rahastust ühe ristmiku uurimiseks. "Kui meil oleks juba esimese lahenduse prototüüp paigas, saaks olema lihtsam seda teistele ristmikele paigutada," sõnab Ounoughi.

Tarkvarateaduse instituudi doktorant  Chahinez Ounoughi kaitses doktoritöö "Linnaliiklus: andmete ühtesulamine ja sõidukite voo prognoosimine nutikates linnades" ("Urban Traffic: Data Fusion and Vehicle Flow Prediction in Smart Cities") 12. märtsil. Tööd juhendas Tallinna Tehnikaülikooli professor Sadok Ben Yahia. Tööle oponeerisid kaasprofessor Mahdi Zargayouna Gustave Eiffeli Ülikoolist ja professor Mauro Vallati Huddersfieldi Ülikoolist.