Исследование: интеллектуальная система управления дорожным движением поможет сэкономить 277 млрд. долларов к 2025-му
Новое исследование Juniper Research прогнозирует, что интеллектуальные решения для управления дорожным движением сэкономят городам 277 миллиардов долларов к 2025 году.
Помимо экономических преимуществ, интеллектуальное управление дорожным движением помогает сократить время в пути, снизить разочарование водителя и повысить безопасность.
Мировые лидеры собираются отправиться в Великобританию на 26-ю Конференцию ООН по изменению климата в конце этого года, поэтому использование технологий Интернета вещей для повышения эффективности наших городов также должно быть в повестке дня.
Согласно исследованию Juniper, более 95 процентов из 277 миллиардов долларов экономии связано с предотвращением или ограничием дорожных пробок; с последующим сокращением выбросов углерода.
Умные перекрестки будут способствовать повышению эффективности и, в среднем, сократят время, затрачиваемое каждым водителем на движение, более чем на 33 часа в год.
Еще одной важной областью роста умных городов станут улучшенные системы парковки, помогающие предотвратить заторы, выбросы и разочарование от бесконечной езды в поисках места.
Juniper прогнозирует, что инвестиции в умные парковки вырастут с 460 миллионов долларов в 2021 году до 1 миллиарда долларов к 2025 году. Исследователи призывают поставщиков сосредоточиться на умных дисплеях, которые безопасно предоставляют актуальную информацию о наличии парковок для участников дорожного движения.
Что касается регионов, Juniper ожидает, что Северная Америка и Европа выиграют больше всего - на их долю придется почти 75 процентов сокращения затрат - благодаря крупным инвестициям в инфраструктуру умного города и интенсивному использованию транспортных средств.
Однако исследование подчеркивает, что технологии V2I (Vehicle-to-Infrastructure) будут иметь жизненно важное значение для улучшения существующих интеллектуальных решений для управления дорожным движением. Инфраструктура должна иметь возможность связываться с транспортными средствами для сбора данных, а не полагаться на традиционные методы управления дорожным движением.
