Vehicle speed dataset for the major European road network derived from Sentinel-2 imagery, 2022-2026
यह शोध पत्र यातायात पैटर्न विश्लेषण और परिवहन मॉडलिंग को समर्थन देने के लिए, सेंटिनल-2 उपग्रह इमेजरी में चलते हुए वाहनों के इंटर-बैंड विस्थापन का विश्लेषण करके, 2022-2026 के लिए प्रमुख यूरोपीय ई-सड़कों पर व्यक्तिगत वाहन गति के एक महाद्वीपीय-स्तर के डेटासेट को प्रस्तुत करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक महाद्वीप में लोग कैसे चलते हैं, इसे समझने के लिए हमें आमतौर पर उन्हें गिनने की आवश्यकता होती है। दशकों से, यातायात इंजीनियर कारों की गति मापने के लिए डामर (asphalt) में दबे सेंसर या खंभों पर लगे कैमरों पर भरोसा करते आए हैं। ये उपकरण सटीक हैं, लेकिन वे केवल अपने ठीक नीचे की सड़क को ही देख पाते हैं। यदि कोई कार नॉर्वे में किसी दूरस्थ राजमार्ग या पोलैंड की किसी माध्यमिक सड़क पर चल रही है, तो वह पूरी तरह से अनसुनी रह सकती है। अन्य तरीके, जैसे कि ड्राइवरों के फोन पर नेविगेशन ऐप्स से प्राप्त डेटा का उपयोग करना, एक व्यापक दृश्य प्रदान करते हैं, लेकिन वे केवल उन वाहनों को कैप्चर करते हैं जिन्होंने अपनी लोकेशन साझा करने की सहमति दी है, जिससे अक्सर विशिष्ट समूहों या क्षेत्रों की ओर झुकाव होता है। यूरोप में यातायात वास्तव में कैसे बह रहा है, इसका एक पूर्ण, निष्पक्ष मानचित्र प्राप्त करने के लिए, वैज्ञानिकों को लंबे समय से ऊपर से सड़कों को देखने के तरीके की आवश्यकता थी, जिसमें ड्राइवरों से अनुमति लेने या जमीन पर नया हार्डवेयर स्थापित करने की आवश्यकता न हो।
शोधकर्ताओं की एक टीम ने अब ठीक वही प्रदान किया है, एक विशाल नया डेटासेट बनाया है जो केवल उपग्रह इमेजरी का उपयोग करके प्रमुख यूरोपीय सड़क नेटवर्क पर वाहनों की गति को ट्रैक करता है। यूरोपीय अंतरिक्ष एजेंसी के सेंटिनल-2 (Sentinel-2) उपग्रह द्वारा ली गई छवियों का विश्लेषण करके, उन्होंने 2022 से 2026 तक मोटरवे, मुख्य मार्गों और प्राथमिक एवं माध्यमिक मार्गों पर व्यक्तिगत वाहनों की गति का मानचित्र तैयार किया है। यह कार्य एक मानक तस्वीर को एक चलती-फिरती फिल्म में बदल देता है, जिससे वैज्ञानिक न केवल यह देख सकते हैं कि कारें कहाँ हैं, बल्कि वे कितनी तेजी से चल रही हैं, और यह सब बिना सड़क को छुए संभव होता है।
इस खोज का रहस्य इस बात में छिपा है कि आधुनिक उपग्रह तस्वीरें कैसे लेते हैं। अधिकांश उपग्रह प्रकाश के सभी रंगों—नीला, हरा और लाल—को बिल्कुल एक ही क्षण में कैप्चर करते हैं। हालाँकि, सेंटिनल-2 उपग्रह एक अलग विधि का उपयोग करता है जिसे 'पुश-ब्रूम स्कैनर' (push-broom scanner) कहा जाता है। एक एकल क्षण को कैद करने के बजाय, यह जमीन को पंक्ति दर पंक्ति स्कैन करता है, नीली रोशनी को कैप्चर करता है, फिर हरी, और अंत में लाल रोशनी को, बहुत कम समय के अंतराल में। क्योंकि उपग्रह हजारों किलोमीटर प्रति घंटे की गति से चल रहा है, इसलिए नीले सेंसर द्वारा जमीन के एक विशिष्ट स्थान को देखने और लाल सेंसर द्वारा उसे देखने के बीच एक सेकंड का बहुत छोटा हिस्सा बीत जाता है। यदि कोई कार उस सूक्ष्म सेकंड के दौरान पर्याप्त तेजी से चल रही है, तो वह एक ही छवि के नीले, हरे और लाल स्तरों में थोड़े अलग स्थानों पर दिखाई देगी।
शोधकर्ताओं ने इन सूक्ष्म बदलावों को खोजने के लिए एक परिष्कृत कंप्यूटर प्रोग्राम बनाया। जब कोई वाहन चलता है, तो वह तीन रंग बैंडों में एक धुंधली "प्रतिध्वनि" (echo) छोड़ता है, जो एक चमकदार धब्बे के रूप में दिखाई देता है जो एक रंग से दूसरे रंग तक कुछ पिक्सेल खिसक गया है। सॉफ्टवेयर लाखों सड़क खंडों को स्कैन करता है, इन विस्थापित प्रकाश शिखर (peaks of light) की तलाश करता है। एक बार जब इसे मिलान मिल जाता है, तो यह तीन स्थितियों को एक छोटे पथ के रूप में जोड़ने के लिए उन्हें मिला देता है। यह जानकर कि नीले और लाल चित्रों के बीच बिल्कुल कितना समय बीता, और उस समय में कार कितनी दूर चली, सिस्टम वाहन की जमीनी गति की गणना करता है। यह प्रक्रिया एक स्थिर छवि को एक गतिशील माप में बदल देती है, जिससे सड़क पर यात्रा करते समय व्यक्तिगत कारों की गति का पता चलता है।
परिणामस्वरूप प्राप्त डेटा विशाल है, जिसमें यूरोप भर में व्यक्तिगत वाहन अवलोकनों के लगभग 22 मिलियन रिकॉर्ड शामिल हैं। प्रत्येक रिकॉर्ड में कार द्वारा लिया गया पथ, उसकी अनुमानित गति, उसकी दिशा और वह सटीक समय शामिल है जब उपग्रह ने तस्वीर ली थी। यह डेटा वर्ष 2022 से 2026 तक का है और ओपन-सोर्स मैप डेटाबेस 'ओपनस्ट्रीटमैप' (OpenStreetMap) द्वारा परिभाषित मोटरवे और प्रमुख राजमार्गों सहित यूरोपीय नेटवर्क की सबसे महत्वपूर्ण सड़कों पर केंद्रित है। शोधकर्ताओं ने ज्ञात भौतिक सीमाओं के विरुद्ध अपने माप की तुलना करके और यह सुनिश्चित करने के लिए सिमुलेशन चलाकर कि संख्याएँ तर्कसंगत हैं, अपने तरीके को सत्यापित किया। उन्होंने पाया कि हालांकि यह विधि अविश्वसनीय रूप से शक्तिशाली है, लेकिन इसकी प्राकृतिक सीमाएँ भी हैं: यह मध्यम से उच्च गति वाले वाहनों के लिए सबसे अच्छा काम करती है और बहुत धीमी गति वाले वाहनों या उन वाहनों को पहचानने में संघर्ष कर सकती है जो सड़क की सतह के साथ बहुत अधिक घुलमिल जाते हैं।
यह कार्य हमें यातायात को देखने के तरीके में एक महत्वपूर्ण बदलाव का प्रतिनिधित्व करता है। पारंपरिक तरीकों के विपरीत जो निश्चित सेंसर या स्वैच्छिक डेटा साझाकरण पर निर्भर करते हैं, यह दृष्टिकोण पूरी तरह से उपग्रह की अपनी गति और प्रकाश के भौतिकी पर निर्भर करता है। यह एक सुसंगत, महाद्वीप-व्यापी दृश्य प्रदान करता है जो इस बात से पक्षपाती नहीं है कि सेंसर कहाँ स्थापित किए गए हैं या कौन से ड्राइवर अपना डेटा साझा करने का विकल्प चुनते हैं। शोधकर्ताओं ने पूरे डेटासेट और इसे बनाने के लिए उपयोग किए गए कोड को जनता के लिए स्वतंत्र रूप से उपलब्ध करा दिया है। इसका अर्थ है कि शहरी योजनाकार, जलवायु वैज्ञानिक और आपातकालीन प्रतिक्रियाकर्ता अब एक ऐसे सूचना स्रोत का उपयोग करके यातायात पैटर्न का अध्ययन कर सकते हैं, उत्सर्जन का मॉडल बना सकते हैं, या निकासी मार्गों की योजना बना सकते हैं जो स्वतंत्र, पुनरुत्पादनीय है और पूरे यूरोपीय सड़क नेटवर्क को कवर करता है। यह डेटा समय के एक विशिष्ट हिस्से को कैप्चर करता है—मुख्य रूप से देर सुबह के घंटे जब उपग्रह ऊपर से गुजरता है—लेकिन यह वाहनों के महाद्वीप में चलने के बारे में सच्चाई की एक आधारभूत परत प्रदान करता है जिसे इस पैमाने पर एकत्र करना पहले असंभव था।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।