स्वायत्त वाहन संवेदन का एक व्यावहारिक उपयोग
Waymo और Waze नागरिक डेटा साझेदारी के एक नए रूप का परीक्षण कर रहे हैं: स्वायत्त वाहनों का उपयोग करके गड्ढों का पता लगाने में मदद करना और उस जानकारी को परिवहन अधिकारियों तथा आम चालकों तक पहुंचाना। सैन फ्रांसिस्को बे एरिया, लॉस एंजेलिस, फीनिक्स, ऑस्टिन और अटलांटा के लिए घोषित यह पायलट, Waymo की सड़क-परिवेश संबंधी धारणा और वाहन फीडबैक प्रणालियों को सड़क सतह क्षति के लिए एक वितरित रिपोर्टिंग परत में बदल देता है।
यह विचार सरल है, लेकिन इसके निहितार्थ पहली नज़र में दिखने से कहीं व्यापक हैं। शहर आमतौर पर सड़क क्षति की पहचान के लिए निवासियों की शिकायतों, 311 अनुरोधों और मैनुअल निरीक्षणों पर निर्भर रहते हैं। यह प्रक्रिया स्वभावतः असमान है। अधिक संपन्न या अधिक डिजिटल रूप से जुड़े पड़ोस अधिक रिपोर्ट उत्पन्न कर सकते हैं, जबकि अन्य क्षेत्रों में, भले ही बुनियादी ढांचे की समस्याएं उतनी ही गंभीर हों, कम रिपोर्ट दर्ज होती हैं। इसके विपरीत, एक ऐसा वाहन बेड़ा जो लगातार सार्वजनिक सड़कों पर चलता है, अवलोकनों की अधिक व्यवस्थित धारा बना सकता है।
पायलट के तहत, Waymo द्वारा पहचाने गए गड्ढों का डेटा Waze for Cities प्लेटफॉर्म के माध्यम से शहरों और राज्य परिवहन विभागों को उपलब्ध कराया जाएगा, जिसे स्थानीय एजेंसियां बिना शुल्क उपयोग कर सकती हैं। यही डेटा उन शहरों में Waze उपयोगकर्ताओं को भी दिखाया जाएगा जहां Waymo संचालित होता है, ताकि चालक किसी रिपोर्ट किए गए खतरे के पास पहुंचते समय चेतावनी प्राप्त कर सकें। इसके बाद Waze उपयोगकर्ता ऐप में उन रिपोर्टों की पुष्टि कर सकते हैं, जिससे सटीकता बढ़ाने के उद्देश्य से एक फीडबैक लूप बनता है।
घोषणा के अनुसार, Waymo पहले ही शुरुआती पांच लॉन्च बाजारों में 500 गड्ढों की पहचान कर चुका था। यह उन महानगरीय क्षेत्रों में सड़क गुणवत्ता की पूरी तस्वीर नहीं है, लेकिन यह दिखाने के लिए पर्याप्त है कि जब सेंसर-सुसज्जित बेड़ा पहले से ही दैनिक संचालन में हो, तो मशीन-जनित रिपोर्टिंग कितनी तेजी से बढ़ सकती है।
गड्ढे जितना लगते हैं, उससे अधिक महत्वपूर्ण क्यों हैं
गड्ढों को अक्सर एक छोटी असुविधा समझकर नजरअंदाज कर दिया जाता है, लेकिन वे सार्वजनिक सुरक्षा, वाहन संचालन लागत और नगरपालिका रखरखाव दक्षता के संगम पर स्थित हैं। सड़क सतह की विफलताएं टायर, पहिए और सस्पेंशन सिस्टम को नुकसान पहुंचा सकती हैं, और दुर्घटनाओं में योगदान कर सकती हैं, खासकर जब चालक अचानक मोड़ लें या तेज गति पर खतरे का सामना करें। स्थानीय सरकारों के लिए चुनौती सिर्फ गड्ढों को भरना नहीं, बल्कि उन्हें इतना जल्दी ढूंढना है कि परिस्थितियां बिगड़ने से पहले मरम्मत को प्राथमिकता दी जा सके।
इसी कारण Waymo-Waze पायलट उल्लेखनीय है, क्योंकि यह भविष्यवादी प्रदर्शन की बजाय एक साधारण लेकिन उच्च-मूल्य वाली समस्या पर केंद्रित है। स्वायत्त ड्राइविंग प्रणालियां पर्यावरणीय धारणा से भारी मात्रा में डेटा उत्पन्न करती हैं, लेकिन उस डेटा के बारे में होने वाली कई सार्वजनिक चर्चाएं केवल सेल्फ-ड्राइविंग प्रदर्शन पर केंद्रित रहती हैं। यह साझेदारी मशीन धारणा के लिए एक द्वितीयक बाजार की ओर इशारा करती है: नागरिक बुनियादी ढांचा निगरानी।
Waymo के लिए भी इसमें सीधे परिचालन प्रोत्साहन हैं। सड़क की स्थिति की बेहतर समझ यात्री आराम में सुधार कर सकती है, वाहनों पर घिसाव कम कर सकती है और मार्ग-स्तरीय ड्राइविंग व्यवहार को अधिक पूर्वानुमेय बना सकती है। एक रोबोटैक्सी बेड़ा जो बार-बार क्षतिग्रस्त सड़क पर चलता है, भले ही कोई टक्कर न हो, तब भी लागत वहन करता है। सार्वजनिक और निजी लाभ का यही संरेखण एक कारण है कि यह पायलट केवल एक बार की प्रेस घटना से अधिक यथार्थवादी लगता है।
शामिल शहरों के लिए भी इसमें रुचि का कारण है। पारंपरिक रखरखाव प्रणालियां अक्सर नागरिक रिपोर्टिंग पर बहुत अधिक निर्भर रहती हैं। पायलट का घोषित आधार यह है कि यह मॉडल अंतराल पैदा करता है और मरम्मत संसाधनों को समान रूप से आवंटित करना कठिन बनाता है। सड़क-स्थिति डेटा की मशीन-जनित धारा एजेंसियों को यह व्यापक मानचित्र दे सकती है कि समस्याएं कहां उभर रही हैं, खासकर उन मार्गों पर जिन्हें निवासी अक्सर उपयोग करते हैं लेकिन असंगत रूप से रिपोर्ट करते हैं।
परिवेशीय संवेदन के जरिए अवसंरचना रखरखाव की एक झलक
इस पायलट का व्यापक महत्व यह है कि यह वाहनों को मोबाइल अवसंरचना सेंसर के रूप में देखता है। यह विचार वर्षों से चर्चा में है, लेकिन व्यावहारिक तैनातियां अक्सर बिखरी हुई रही हैं। यहां जो बदलाव है, वह बड़े पैमाने के स्वायत्त ड्राइविंग स्टैक, जनता-उन्मुख नेविगेशन प्लेटफॉर्म और लगभग वास्तविक समय में स्थानीय सरकारों तक डेटा पहुंचाने की व्यवस्था का संयोजन है।
यदि यह मॉडल काम करता है, तो यह गड्ढों से आगे भी विस्तार कर सकता है। इसी तरह की संवेदन पाइपलाइनें संभावित रूप से लेन-मार्किंग क्षरण, मलबे, जलभराव संकेतों या अन्य सड़क विसंगतियों का पता लगाने में सहायक हो सकती हैं, हालांकि वे संभावनाएं रिपोर्ट किए गए पायलट घोषणा का हिस्सा नहीं थीं। केवल वर्तमान दायरे में रहते हुए भी, यह कार्यक्रम दिखाता है कि वाणिज्यिक गतिशीलता प्रणालियों से प्राप्त डेटा को शहरों द्वारा अपने स्वयं के सेंसर बेड़े को शुरुआत से बनाने की प्रतीक्षा किए बिना सार्वजनिक रखरखाव के लिए कैसे पुनर्प्रयोजित किया जा सकता है।
इसकी सीमाएं भी स्पष्ट हैं। प्रणाली केवल उन्हीं सड़कों का अवलोकन करेगी जहां Waymo के वाहन संचालित होते हैं, इसलिए कवरेज असमान होगी और सक्रिय रोबोटैक्सी तैनाती वाले बाजारों में केंद्रित रहेगी। सत्यापन महत्वपूर्ण बना रहता है क्योंकि स्वचालित पहचान गलत-सकारात्मक परिणाम दे सकती है, और शहरों को अभी भी रिपोर्टों पर कार्रवाई करने के लिए स्टाफ, बजट और मरम्मत प्रक्रियाओं की आवश्यकता होती है। बेहतर जानकारी तब तक अपने आप तेज मरम्मत में नहीं बदलती जब तक रखरखाव क्षमता सीमित बनी रहे।
फिर भी, यह पायलट परिवहन तकनीक किस दिशा में जा सकती है, इसका एक महत्वपूर्ण संकेत है। सबसे मूल्यवान शहरी तकनीक हमेशा वह मुख्य फीचर नहीं होती जो उपभोक्ता देखते हैं। कभी-कभी वह पृष्ठभूमि परत होती है: संरचित अवलोकनों की एक धारा, जो सार्वजनिक प्रणालियों को दिन-प्रतिदिन की समस्याओं पर तेज़ और अधिक न्यायसंगत प्रतिक्रिया देने में मदद करती है।
स्वायत्त वाहन कंपनियों के लिए, यह वैधता स्थापित करने का एक महत्वपूर्ण तरीका बन सकता है। सेल्फ-ड्राइविंग कार्यक्रमों को अक्सर सुरक्षा, सड़क पहुंच और सार्वजनिक लाभ के बारे में जांच का सामना करना पड़ता है। ऐसा सहयोग, जो शहरों को खतरों की पहचान करने और चालकों को उनसे बचने में मदद करता है, एक ठोस नागरिक उपयोग-मामला प्रदान करता है, जिसे भविष्य की गतिशीलता के बारे में अमूर्त वादों की तुलना में समझाना आसान है। स्थानीय एजेंसियों के लिए, यह अधूरी जानकारी के साथ सड़कों को बनाए रखने की पुरानी समस्या में एक और उपकरण देता है।
उस अर्थ में, यह गड्ढा पायलट जितना सुनाई देता है, उससे कम तुच्छ है। यह दिखाता है कि स्वायत्तता के लिए बने धारणा-तंत्र नगरपालिका संचालन में कैसे फैल सकते हैं, वाणिज्यिक वाहनों को शहरी रखरखाव में निष्क्रिय योगदानकर्ता बना सकते हैं। यदि यह मॉडल फैलता है, तो बेहतर अवसंरचना की राह शायद नए सड़क किनारे हार्डवेयर से नहीं, बल्कि उन डेटा से बनेगी जो पहले से ही उन कारों द्वारा एकत्र किए जा रहे हैं जो हर दिन सड़क पर मौजूद हैं।
यह लेख CleanTechnica की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
