スマートシティを計画する際には、アクセシビリティを忘れないようにしましょう

スマートシティを計画する際には、アクセシビリティを忘れないようにしましょう

私たちは、使用するほぼすべてのものが「スマート」な時代に生きています。私たちのデバイスは、長い間、指先でデータを届ける機能を持っていました。今日では、家電製品や交通手段など、私たちの生活の多くのものにスマート機能が拡大しています。つまり、私たちの個人的なライフスタイルが「スマート」になるだけでなく、それが都市や国にも影響を及ぼし、「スマートシティ」へと進化しているのです。

スマート シティは、スマート テクノロジーのアイデアを取り入れ、それを大規模に拡大します。都市はテクノロジーと接続性を活用して、社会経済の幸福の向上、環境汚染と廃棄物の削減、安全とセキュリティのポリシーの改善、そして誰もが利用できるサービスとソリューションの提供など、社会のニーズを満たすサービスとソリューションを提供します。

スマートモビリティ

多くのスマート シティ プロジェクトは、モビリティと輸送というテーマを中心に展開されています。モビリティはほとんどの人が何らかの形で関わっている、または関わる必要がある分野であるため、これは理にかなっています。多くの成功したユースケースの中で、スマート シティは、機械学習と AI を使用してデータ パターンを分析し、住民の生活を向上させるスマート モビリティ プロジェクトを実装しています。たとえば、2012 年にピッツバーグ市は、交差点での車両の動きを最適化することで移動時間と排出量を削減するインテリジェントな交通信号システムである Surtrac を導入しました。プロジェクトの分析により、平均移動時間は 25 パーセント短縮され、車両のアイドル時間は最大 40 パーセント短縮されたことが判明しました。交通渋滞は住民の生活の質を低下させるだけでなく、環境にも影響を与えるからです。

これは、スマート シティが住民にどのようなメリットをもたらすかを示す一例にすぎません。しかし、スマート シティとは、市の職員が住民に利益をもたらすインフラ、サービス、ソリューションをどのように提供するかということだけではありません。もしこれが核心的な問題であるならば、それは単にデジタル都市であり、必ずしもスマートな都市ではないだろう。スマート シティの本質は、スタッフが収集したデータを活用してサービスを改善し、より効率的で包括的、かつ安全なものにすることです。

つまり、都市の住民が関与しなかったり、参加する権限を与えられていなかったりすると、スマート シティは…結局のところ、それほどスマートではないのです。多くの都市がスマートシティを計画していますが、スマートモビリティと交通システムをすべての人に利用可能にすることに関しては、障害者や運動障害のある人々という重要な人口統計を見落としています。

調査によると、2050年までに世界の人口の68%が都市部に住むと予想されており、そのうち約15%、つまり約9億3,750万人が障害者となる見込みです。多くの人が、都市部に住むことの利点、つまり医療、基本的な家庭のニーズ、交通機関などの基本的なニーズに迅速かつ容易にアクセスできることに共感できます。しかし、障害のある人にとって、A地点からB地点まで移動するのは思ったほど簡単ではありません。

私たちが利用できるさまざまな交通手段について考えてみましょう。歩く、自転車に乗る、自家用車を運転する、タクシー、固定ルートの公共交通機関(地下鉄やバスなど)、相乗り、ライドシェアなどです。これらの方法は障害のある人には適さない可能性があります。交通手段を見つけることさえ難しいため、統計によると、障害者の28%はほとんど家から出ません。

先ほど述べたように、都市の住民がスマート シティに参加しない、または参加できない場合、その目標を完全に達成できないため、実際には「スマート」になっていないことになります。これは、障害者向けのスマートなモビリティソリューションが不足していることを示す完璧な例です。スマートシティへの軌道に戻るには、モビリティと関連インフラストラクチャが利用可能でなければなりません。アクセシビリティとは、身体障害やその他の障害を持つ人々を含むすべての人が利用できるようにインフラストラクチャとサービスを設計することを指します。

批評家の中には、アクセスしやすい交通手段はすでに存在していると言う人もいるかもしれない。結局のところ、多くの大都市圏には、追加の支援を必要とする可能性のある人々のために、「パラトランジット」または DRT (デマンド対応型交通機関) サービスがあります。しかし、これは多くの人が簡単に解決できると考えるグレーゾーンだと思います。パラトランジットは障害のある人々にとってアクセス性を高めますが、障害のある人々へのサービス提供にはコスト(サービス容量、車両の移動時間、距離など)がかかり、費用も高くなります。

平均して、ドアツードアのバスサービスの料金は 45 ドルから 50 ドルで、距離と時間に応じて料金が高くなります。これは多くの障害者が買えるものではありません。パラトランジットと DRT も、特定の時間に車両が到着することを前提としており、交通状況や天候などの問題により遅延や欠席が発生する場合があります。多くの障害者にとって、タクシーに乗れないことは問題ではないように思えるかもしれませんが、重要な健康診断の予約や仕事、経済の安定についてはそうではないかもしれません。

[[382647]]

短期的: 機械学習とAIを活用することから始める

今日のモビリティ問題を解決する特効薬はありませんが、モビリティをより簡単に、より包括的に、よりアクセスしやすいものにするための変更を実施する方法がないというわけではありません。 DRT へのアクセスを容易にし、運用を最適化してコストを削減し、待ち時間を短縮し、配車能力を高めて乗客が必要なときに乗車できるようにすることができます。

これがスマートシティの中心的なテーマです。 DRT サービスは、データを収集し、機械学習テクノロジーを活用することで、車両管理システムを使用するドライバーにドライバーを派遣し、両者のアイドル待機時間を短縮できます。車両管理システムのスマートディスパッチ機能は、交通状況やドライバーのリアルタイムの空き状況と位置を考慮して到着時間をより正確に予測し、ドライバーと乗客の混乱や遅延を減らすことができます。

車両管理プラットフォームを利用することで、DRT およびパラトランジット サービスはコストを削減しながら継続して運営できるようになります。サービスがより最適化されるにつれて、サービスは運行エリアを拡大し、より多くの車両と乗客がサービスに参加できるようになります。データと機械学習によってシームレスで手間のかからないモビリティ サービスを提供できる方法は他にもたくさんありますが、それだけではありません。

長期的視点:アクセス可能なモビリティを他のインフラや戦略に拡大する

包括性を確保することが目標である場合、スマート シティのアクセス可能な交通手段のソリューションは、準交通機関や DRT サービスを超える必要があります。より多くの体験と経済的利益を提供するために、アクセシビリティと包括性を他の交通手段にも拡張する必要があります。

ありがたいことに、インフラやサービスを計画する際にこの課題を考慮している都市や組織があります。たとえば、2020年にGoogleマップは車椅子対応のルートを表示する新機能を導入し、誰でもアプリにアクセシビリティ情報を提供できる機能も追加しました。

さらに一歩進んで、自動運転車やコネクテッドカーが道路を走り始めると、自動運転技術がどのようにしてモビリティにさらなる包括性をもたらすことができるかについても検討することができます。完全自動運転車の技術はまだ開発中ですが、他の開発も進行中です。 2016年、シンガポールとMITの研究連合は、シンガポールのチャンギ総合病院内を移動する自動運転の車椅子を開発した。最近、「パーソナル電気自動車」企業WHILLは、日本の東京羽田空港で自動運転車いすを提供すると発表した。おそらくいつの日か、これは障害者を支援するために設計された自動運転乗用車にも応用されるかもしれません。

同時に、アクセシビリティの考え方が政策立案の一部にならなければなりません。公共インフラはアクセス可能でなければならないという包括的な規制があるかもしれませんが、デジタル化され接続されたインフラが進化するにつれて、スマート シティ構造への変換を計画する際にアクセス性が考慮されないことがよくあります。研究室、組織、企業は、これらの技術進歩の最前線にインクルージョンをもたらすためにそれぞれの役割を果たすことができます。それでも、私たちが政策を支持すれば、さらに早く進む可能性があります。

要約する

包括的なスマートシティを実現するということは、すべての人にとってアクセスしやすい交通手段を提供することと同義であるはずです。これは、安全と安心、社会的・経済的健全性、より環境に優しい世界への貢献といった他の目標を達成するために不可欠であるだけでなく、移動性を持ち、経済的利益と持続可能で活動的な生活水準を享受できることは、基本的人権です。スマートシティ、さらにはスマートな世界を実現するには、時間と的を絞った計画が必要かもしれませんが、人々を第一に考えなければなりません。

<<:  AutoML が大幅に高速化、Google が最適な ML モデルを自動検索する新しいプラットフォームをオープン ソース化

>>:  2021年の人工知能の5つのトレンド

ブログ    
ブログ    

推薦する

...

顔認識アクセス制御システムが起動した後は、ゲートを簡単に通過する際に潜在的なリスクにも注意する必要があります。

かつて、伝統的な入退室管理システムとして、アクセス制御システムは、通常、カードのスワイプとパスワード...

1年間で18本の論文:Google Quantum AI チームの2021年年次概要

量子コンピューティングは、常に次の産業革命の原動力と考えられてきました。さまざまな国やテクノロジー企...

学問に戻りましょう!シュム氏は清華大学の非常勤教授として、コンピュータビジョンとグラフィックスの博士課程の学生を募集する。

[[317132]]出典:中国ビジネスニュースマイクロソフトの元副社長、ハリー・シャム博士が学界復...

ChatGPTを忘れてください。この新しいAIアシスタントは人々の働き方を永遠に変えるでしょう

翻訳者 |ブガッティレビュー | Chonglou私はしばらくの間ChatGPTとBardを使用して...

高度な機械学習ノート 1 | TensorFlow のインストールと開始方法

[[185581]]導入TensorFlow は、DistBelief に基づいて Google が...

わずか60行のコードでディープニューラルネットワークを実装する

01データセットの準備使用されるデータセットは、30 次元の特徴と 569 個のサンプルを含む、sk...

...

AI不正対策!ディープフェイク音声・動画検出技術がCESでデビュー、精度は90%以上

真実とは程遠いが、アメリカの消費者向けニュースおよびビジネスチャンネルCNBCのロゴ入りのビデオでは...

合理的強化学習はボトルネックに達しました。進化的アルゴリズムがその後継者となるでしょうか?

人工知能とゲーム理論の交差点から強化学習が生まれましたが、ゲーム理論に基づく問題解決は通常、合理性と...

OpenAI: ニューヨークタイムズは私を攻撃するためにハッカーを雇った

新聞社が雇ったハッカーが AI の巨人を攻撃するのはなぜでしょうか?ニューヨーク・タイムズがOpen...

人工知能も汚染される可能性があるので、顔認証による支払いは依然として安全でしょうか?

下の図は、人間にとって非常に区別しやすい 3 種類の動物、鳥、犬、馬を示しています。しかし、人工知能...

ガートナーが短期的なAIイノベーションを推進する4つのトレンドを明らかに

ガートナーの 2021 年人工知能ハイプ サイクルの 4 つのトレンドが、短期的な AI イノベーシ...

マイクロソフト、AI モデルのリスクを発見するツール「PyRIT」を発表

ハッキング技術を使ってサイバーセキュリティの問題を明らかにする任務を負ったマイクロソフトのチームは、...