ปัญหาการจราจรตดิดขัดนับเป็นหนึ่งในประเด็นทางสังคมที่มีความซับซ้อนและส่งผลกระทบต่อคนกรุงเทพฯ มาอย่างยาวนานอันเป็นผลมาจากหลายปัจจัย ไม่ว่าจะเป็นระบบการวางผังเมืองการขยายตัวทางเศรษฐกิจและชุมชนเมือง การหลั่งไหลของแรงงานจากต่างจังหวัด ปริมาณรถยนต์ที่เพิ่มขึ้น รวมทั้งระบบขนส่งสาธารณะที่ไม่เพียงพอต่อความต้องการ จนทำให้กรุงเทพฯ กลายเป็นเมืองที่รถติดมากที่สุดในภูมิภาคเอเชีย โดยการจัดอันดับของ INRIX Global Traffic Scorecard1
ทั้งนี้ จากข้อมูลของศูนย์วิจัยกสิกร2 ระบุว่า คนกรุงเทพฯ ต้องใช้เวลาในการเดินทางยาวนานขึ้น 35 นาทีต่อครั้ง ซึ่งหากนำมาคำนวณเป็นค่าเสียโอกาสทางด้านเวลาที่ต้องติดอยู่บนถนน แทนที่จะนำเวลานั้นไปสร้างรายได้หรือกิจกรรมทางเศรษฐกิจเพิ่มขึ้น คิดเป็นเม็ดเงินมูลค่าประมาณ 11,000 ล้านบาทต่อปี หรือเฉลี่ยประมาณ 60 ล้านบาทต่อวัน ทั้งยังส่งผลต่อการบริโภคเชื้อเพลิงพลังงานที่เพิ่มขึ้นคิดเป็นเม็ดเงินประมาณ 6,000 ล้านบาทต่อปี ไม่เพียงแต่ในด้านเศรษฐกิจเท่านั้น แต่ปัญหาการจราจรยังส่งผลต่ออารมณ์และสุขภาพจิต รวมไปถึงปัญหาทางด้านสิ่งแวดล้อม ทั้งฝุ่นละอองและมลพิษทางอากาศ ซึ่งส่งผลกระทบต่อสุขภาพร่างกายของคนกรุงเทพฯ ด้วย
หนึ่งในโครงการล่าสุดที่เพิ่งเปิดตัวเมื่อเร็วๆ นี้ เพื่อแก้ปัญหาการจราจรในเขตกรุงเทพฯ คือ โครงการ “พระราม 4 โมเดล” ซึ่งเกิดจากความร่วมมือของหน่วยงานต่างๆ ทั้งภาครัฐ ภาคเอกชนและสถาบันการศึกษา อันประกอบด้วย กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล จุฬาลงกรณ์มหาวิทยาลัย แกร็บ ประเทศไทย และมูลนิธิโตโยต้า โมบิลิตี โดยมุ่งใช้เทคโนโลยีสมัยใหม่และข้อมูลขั้นสูง (Advanced Data) จากฐานข้อมูลของหน่วยงานภาคีมาศึกษาวิเคราะห์และคาดการณ์รูปแบบการจราจรตลอดทั้งเส้นทาง เพื่อนำเสนอแนวทางในการปรับปรุงการจัดการจราจรของถนนพระราม 4
รศ. ดร.สรวิศ นฤปิติ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย ในฐานะผู้จัดการโครงการ “พระราม 4 โมเดล” กล่าวว่า “โครงการนี้ถือเป็นส่วนหนึ่งของกิจกรรมหลักภายใต้บันทึกความร่วมมือด้านวิชาการเพื่อแก้ไขปัญหาการจราจรในเขตกรุงเทพมหานครและปริมณฑล ซึ่งหน่วยงานภาคีได้ร่วมลงนามไปเมื่อเดือนตุลาคม 2561 ที่ผ่านมา โดยริเริ่มขึ้นเพื่อมุ่งศึกษาและทดลองนำเอาบิ๊กดาต้าจากฐานข้อมูลเชิงลึก เทคโนโลยีอันทันสมัยและองค์ความรู้จากหน่วยงานต่างๆ ทั้งภาครัฐ ภาคเอกชน และสถาบันการศึกษา มาใช้ในการวิเคราะห์ วางแผนและบูรณาการต่อยอดเพื่อแก้ปัญหาด้านการจราจรและคมนาคมขนส่ง ทั้งนี้ เฟสแรกจะเริ่มจากถนนพระราม 4 และมีแผนที่จะขยายผลไปยังถนนสุขุมวิท ถนนเจริญกรุง และบริเวณถนนโดยรอบอนุสาวรีย์ชัยสมรภูมิ ตามลำดับ”
สำหรับการผนึกความร่วมมือภายใต้โครงการ “พระราม 4 โมเดล” จะเริ่มนำร่องดำเนินการบนถนนพระราม 4 เนื่องจากเป็นหนึ่งในถนนที่มีการจราจรหนาแน่นที่สุดในกรุงเทพฯ ครอบคลุมพื้นที่ชุมชนขนาดใหญ่ซึ่งส่งผลกระทบต่อประชาชนในวงกว้างเชื่อมต่อกับถนนเส้นหลักหลายสาย ไม่ว่าจะเป็นถนนสีลมและถนนสาทร ซึ่งเป็นย่านธุรกิจการค้า โดยมีโครงการสำคัญอย่างสามย่านมิตรทาวน์และวัน แบงค็อก รวมถึงสถานศึกษา และแหล่งที่พักอาศัยซึ่งมีแนวโน้มที่จะเติบโตอย่างต่อเนื่องในอนาคต โดยโครงการนี้จะทำการศึกษาข้อมูลต่างๆ ที่เกี่ยวเนื่องกับการจราจรตลอดถนนพระราม 4 ซึ่งมีความยาวประมาณ 12 กิโลเมตร โดยเริ่มจากสถานีรถไฟหัวลำโพงและไปสิ้นสุดที่พระโขนง มีระยะเวลาดำเนินการทั้งสิ้น 18 เดือน นับตั้งแต่เดือนพฤศจิกายน 2562 จนถึงเดือนเมษายน 2564 ด้วยงบประมาณ 50 ล้านบาท ซึ่งได้รับการสนับสนุนจากมูลนิธิโตโยต้า โมบิลิตี
ทั้งนี้ โครงการ “พระราม 4 โมเดล” ได้ขยายผลมาจากความสำเร็จของโครงการ “สาทรโมเดล” ซึ่งดำเนินการในระหว่างปี พ.ศ. 2557-2560 โดยได้นำมาตรการต่างๆ มาใช้เพื่อแก้ปัญหาการจราจรบนถนนสาทร อาทิ การควบคุมสัญญาณไฟจราจร (Traffic Signal Control Optimization) การจัดช่องจราจรพิเศษ (Reversible Lane) การใช้ระบบรถรับส่งอัจฉริยะ (Smart Shuttle Bus) มาตรการเหลื่อมเวลาทำงาน (Flexible Working Time) มาตรการจอดแล้วจร (Park and Ride) เป็นต้น โดยหน่วยงานภาคีได้ส่งมอบแผนงานเพื่อขยายผลไปยังส่วนต่างๆ ให้กับหน่วยงานภาครัฐเป็นที่เรียบร้อยแล้ว
แก่นสำคัญของโครงการ “พระราม 4 โมเดล” คือความพยายามในการนำข้อมูลจำนวนมหาศาลและมีความหลากหลายจากฐานข้อมูลของหน่วยงานภาคีทั้งจากภาครัฐและภาคเอกชนมาใช้ให้เกิดประสิทธิภาพสูงสูด ไม่ว่าจะเป็นข้อมูล GPS ของรถที่ให้บริการการเดินทางผ่านแอปพลิเคชันของแกร็บ รวมถึงขนส่งสาธารณะประเภทอื่นๆ จากกระทรวงคมนาคม ภาพจากกล้อง CCTV และข้อมูลสภาพการจราจรจากกรุงเทพมหานคร รวมทั้งสถิติด้านอุบัติภัยจากกองบัญชาการตำรวจนครบาล เป็นต้น โดยจุฬาลงกรณ์มหาวิทยาลัยจะทำงานร่วมกับหน่วยงานต่างๆ เพื่อเก็บและวิเคราะห์ข้อมูลดังกล่าวโดยใช้เทคโนโลยีสมัยใหม่อย่างระบบ AI และ Machine Learning ผนวกกับการนำองค์ความรู้จากผู้เชี่ยวชาญทางด้านเทคโนโลยีและการสัญจรมาบูรณาการ ทำให้ทราบถึงเงื่อนไขและข้อจำกัดของปัญหาด้านการจราจรในปัจจุบัน สามารถคาดการณ์ถึงแนวโน้มและรูปแบบของการจราจรในอนาคต ซึ่งจะเป็นประโยชน์ต่อการออกแบบและวางแผนระบบการจัดการจราจร การพัฒนาโครงข่ายการขนส่งรวมไปถึงการปรับปรุงการวางผังเมืองให้มีความเหมาะสมมากยิ่งขึ้น
ธรินทร์ ธนียวัน กรรมการผู้จัดการใหญ่ แกร็บ ประเทศไทยกล่าวว่า “โครงการนี้สะท้อนถึงความร่วมมือระหว่างภาครัฐ ภาคเอกชนและสถาบันการศึกษาในการแก้ไขปัญหาในภาคคมนาคมขนส่งอย่างเป็นรูปธรรม ซึ่งส่งผลกระทบต่อทั้งเศรษฐกิจ สังคมและสิ่งแวดล้อมโดยแกร็บในฐานะผู้ให้บริการการเดินทางแบบออนดีมานด์ผ่านแอปพลิเคชันได้มีส่วนร่วมในการให้ข้อมูลจากระบบ GPS ซึ่งให้รายละเอียดการเดินทางของผู้ใช้บริการ (โดยไม่ระบุตัวตน) ทั้งรถยนต์และรถจักรยานยนต์ อาทิ ระยะทางและช่วงเวลาในการเดินทางความเร็วของการขับขี่ และจุดรับ-ส่งผู้โดยสาร ครอบคลุมทั้งข้อมูลแบบเรียลไทม์และข้อมูลย้อนหลัง โดยฐานข้อมูลเหล่านี้ถือเป็นหนึ่งในตัวแปรสำคัญที่จะช่วยพัฒนาระบบการจัดการด้านคมนาคม พร้อมบรรเทาปัญหาของเมืองใหญ่ๆ ที่มีการจราจรหนาแน่นและมีมลพิษทางอากาศอย่างกรุงเทพฯ ลงได้ นอกจากนี้ เรายังได้ส่งทีมวิศวกรเทคโนโลยี (Tech Engineer) และนักวิทยาศาสตร์ข้อมูล (Data Scientist) จากสำนักงานใหญ่ในประเทศสิงคโปร์ มาร่วมแลกเปลี่ยนองค์ความรู้ (Know-How) กับทีมงานของจุฬาลงกรณ์มหาวิทยาลัยและหน่วยงานภาคีด้วย”
เป็นส่วนหนึ่งของพันธกิจเพื่อสังคมในระดับภูมิภาค “Grab for Good” (แกร็บเพื่อชีวิตที่ดีกว่า) ซึ่งแกร็บได้ประกาศเป็นโรดแมปภายในระยะเวลา 5 ปี (พ.ศ. 2563-2568) เมื่อช่วงปลายเดือนกันยายนที่ผ่านมา โดยมีเป้าหมายในการขับเคลื่อนภูมิภาคเอเชียตะวันออกเฉียงใต้ไปข้างหน้า พร้อมส่งเสริมและยกระดับคุณภาพชีวิตของคนในสังคม โดยอาศัยการใช้ประโยชน์จากเทคโนโลยีเพื่อพัฒนาทักษะและศักยภาพในการแข่งขัน เพิ่มโอกาสในการสร้างรายได้รวมถึงแก้ไขปัญหาหรือขจัดข้อจำกัดในด้านต่างๆ เพื่อให้ทุกคนก้าวทันเศรษฐกิจในยุคดิจิทัล ซึ่งเป็นพื้นฐานของการสร้างความยั่งยืนทั้งด้านเศรษฐกิจ สังคม รวมถึงสิ่งแวดล้อม
Source: นิตยสาร Electricity & Industry Magazine ปีที่ 27 ฉบับที่ 1 มกราคม-กุมภาพันธ์ 2563
คอลัมน์ Special Scoop โดย กองบรรณาธิการ
ข้อมูลอ้างอิง:
1 https://www.bltbangkok.com/CoverStory/กรุงเทพฯครองแชมป์รถติดที่สุดในเอเชีย
2 https://kasikornresearch.com/th/analysis/k-econ/economy/Pages/35675.aspx