คณิตศาสตร์กับการจราจร: คำนวณรอบไฟจราจรลดรถติด

เคยเป็นไหมที่นั่งรอไฟแดงอยู่หน้ามหาวิทยาลัยหรือโรงเรียน ในขณะที่ช่องจราจรตรงข้ามไม่มีรถวิ่งผ่านสักคัน แล้วต้องตั้งคำถามว่า "ทำไมไฟแดงต้องนานขนาดนี้?" สถิติจากกรมทางหลวงระบุว่า รถยนต์ในกรุงเทพมหานครและปริมณฑลเสียเวลาอยู่บนท้องถนนเฉลี่ยชั่วโมงครึ่งต่อวัน ส่วนหนึ่งมาจากการรอไฟจราจรที่ไม่ได้สัดส่วนกับปริมาณรถ บทความนี้จะพานักเรียนและนักศึกษาไปดูว่า วิชาคณิตศาสตร์ที่เรียนในห้องเรียนสามารถนำมาแก้ปัญหารถติดได้อย่างไร ผ่านการคำนวณรอบไฟจราจรอย่างเป็นระบบ

ที่มาของปัญหาจราจรกับบทบาทของคณิตศาสตร์

การจราจรบนท้องถนนไม่ใช่เรื่องของความบังเอิญ แต่เป็นระบบที่มีพฤติกรรมสามารถพยากรณ์ได้ด้วยสถิติและคณิตศาสตร์ การตั้งเวลาไฟจราจร (Traffic Signal Timing) หากตั้งค่าสั้นเกินไป รถจะเบรกดึกดื่นและทำให้เกิดอุบัติเหตุลงท้าย แต่หากตั้งยาวเกินไป รถในช่องทางรองจะรอจนสร้างความหงุดหงิดและทำให้กระแสจราจรค้าง

คณิตศาสตร์เข้ามามีบทบาทในการหาจุดสมดุล (Equilibrium) ของเวลา เพื่อให้รถสามารถสัญจรผ่านแยกได้มากที่สุดในเวลาที่กำหนด โดยลดเวลาการรอคอย (Delay) ของผู้ใช้รถใช้ถนนโดยรวมให้น้อยที่สุด

ทฤษฎีพื้นฐานเกี่ยวกับกระแสจราจร (Traffic Flow Theory)

ก่อนจะไปถึงการคำนวณรอบไฟจราจร เราต้องเข้าใจตัวแปรพื้นฐาน 3 ตัวที่ใช้วัดกระแสจราจร ดังนี้:

ปริมาณรถ (Flow, q): จำนวนรถที่ผ่านจุดใดจุดหนึ่งในหน่วยเวลา (คัน/ชั่วโมง)
ความหนาแน่น (Density, k): จำนวนรถในระยะทางที่กำหนด (คัน/กิโลเมตร)
ความเร็ว (Speed, v): ความเร็วเฉลี่ยของรถในกระแสจราจร (กิโลเมตร/ชั่วโมง)

ความสัมพันธ์พื้นฐานคือ q = k × v ซึ่งสมการนี้คือรากฐานของวิศวกรรมจราจรทั้งหมด เมื่อนำไปประยุกต์ใช้ที่แยกไฟจราจร เราจะเน้นไปที่ปริมาณรถ (q) ที่เข้ามาในแยก

ตัวแปรสำคัญที่ใช้ในการคำนวณรอบไฟจราจร

ในการคำนวณเวลาไฟเขียวและไฟแดง วิศวกรจราจรจะใช้ตัวแปรที่สำคัญดังต่อไปนี้:

Cycle Length (C): ระยะเวลา 1 รอบของไฟจราจร นับตั้งแต่ไฟเขียวช่องที่ 1 จนกระทั่งกลับมาเป็นไฟเขียวช่องที่ 1 อีกครั้ง (มักวัดเป็นวินาที)
Saturation Flow (s): อัตราการไหลสูงสุดที่รถสามารถผ่านแยกได้เมื่อไฟเขียวติดต่อเนื่องกันโดยไม่หยุด (คัน/ชั่วโมง หรือ คัน/วินาที)
Lost Time (L): เวลาที่สูญเปล่าในแต่ละรอบ เช่น เวลาตอบสนองของคนขับเมื่อไฟเปลี่ยนเป็นเขียว (Start-up lost time) และเวลาที่รถต้องชะลอเมื่อไฟเหลือง (Clearance lost time)
Critical Flow Ratio (y): อัตราส่วนระหว่างปริมาณรถจริง (q) กับอัตราการไหลสูงสุด (s) ของช่องจราจรที่มีความหนาแน่นมากที่สุดในแต่ละทิศทาง

สูตรเว็บสเตอร์ (Webster's Formula) กับการหาค่ารอบไฟจราจรที่เหมาะสม

หัวใจสำคัญของการคำนวณรอบไฟจราจรคือสูตรของ F.V. Webster นักคณิตศาสตร์ชาวอังกฤษ ซึ่งพัฒนาขึ้นในปี 1958 และยังใช้กันอย่างแพร่หลายในปัจจุบัน สูตรมีดังนี้:

C = (1.5L + 5) / (1 - Y)

โดยที่:

C = ระยะเวลา 1 รอบไฟจราจรที่เหมาะสมที่สุด (วินาที)
L = เวลาสูญเสียทั้งหมดใน 1 รอบ (วินาที)
Y = ผลรวมของอัตราส่วนกระแสจราจรวิกฤต (Sum of y) ของทุกทิศทางในแยก

เมื่อได้ค่า C แล้ว เราจะนำมาแบ่งเวลาไฟเขียว (Effective Green Time, g) ให้แต่ละทิศทางตามสัดส่วนของ y ด้วยสูตร:

gi = (yi / Y) × (C - L)

กรณีศึกษา: แยกในอำเภอหรือจังหวัดรอบตัวเรา

เพื่อให้เห็นภาพชัดเจน สมมติว่าเราเป็นนักศึกษาฝึกงานที่ได้รับมอบหมายให้ปรับเวลาไฟจราจรบนถนนเลียบโรงเรียน (ถนน A) ตัดกับถนนวงแหวน (ถนน B) ในอำเภอแห่งหนึ่ง ซึ่งมีปัญหารถติดในช่วงเลิกเรียน

ข้อมูลที่เก็บได้จากการสำรวจในช่วงชั่วโมงเร่งด่วน (Peak Hour) มีดังนี้:

ถนน A (ทิศตะวันออก-ตะวันตก): ปริมาณรถ (q1) = 800 คัน/ชม.
ถนน B (ทิศเหนือ-ใต้): ปริมาณรถ (q2) = 400 คัน/ชม.
อัตราการไหลสูงสุด (s) ของทั้งสองถนน = 1,600 คัน/ชม. (สมมติให้เท่ากันเพื่อความง่ายในการคำนวณ)
เวลาสูญเสียต่อทิศทาง = 4 วินาที (ดังนั้น L รวม 2 ทิศ = 8 วินาที)

ขั้นตอนที่ 1: หาค่าอัตราส่วนกระแสจราจรวิกฤต (y)

y1 (ถนน A) = q1 / s = 800 / 1,600 = 0.50
y2 (ถนน B) = q2 / s = 400 / 1,600 = 0.25
Y (ผลรวม) = 0.50 + 0.25 = 0.75

ขั้นตอนที่ 2: หาค่ารอบไฟจราจร (C)

C = (1.5(8) + 5) / (1 - 0.75)
C = (12 + 5) / 0.25
C = 17 / 0.25 = 68 วินาที

ขั้นตอนที่ 3: แบ่งเวลาไฟเขียว (g)

เวลาไฟเขียวทั้งหมด = C - L = 68 - 8 = 60 วินาที
g1 (ถนน A) = (0.50 / 0.75) × 60 = 40 วินาที
g2 (ถนน B) = (0.25 / 0.75) × 60 = 20 วินาที

จากการคำนวณ ไฟจราจรควรตั้งให้ถนน A ไฟเขียว 40 วินาที และถนน B ไฟเขียว 20 วินาที รวมเวลาสูญเสีย 8 วินาที เท่ากับ 68 วินาทีต่อรอบ ซึ่งจะช่วยให้รถบนถนนเลียบโรงเรียนที่มีความหนาแน่นกว่าได้รับเวลาเขียวมากพอต่อปริมาณรถ ลดปัญหารถติดยาวได้อย่างมีประสิทธิภาพ

ระบบไฟจราจรอัจฉริยะ (Intelligent Transport Systems)

ในยุคดิจิทัล การคำนวณด้วยสูตรเว็บสเตอร์เพียงอย่างเดียวอาจไม่เพียงพอ เพราะปริมาณรถในแต่ละวันไม่คงที่ นักพัฒนาและวิศวกรจึงผนวกเทคโนโลยีเข้ากับคณิตศาสตร์ ด้วยการใช้กล้องวงจรปิดหรือเซ็นเซอร์ตรวจจับรถ (Vehicle Detectors) ฝังบนพื้นถนน เพื่อส่งข้อมูลปริมาณรถ (q) แบบเรียลไทม์เข้าระบบคอมพิวเตอร์

ระบบคอมพิวเตอร์จะรับสมการคณิตศาสตร์เข้าไปคำนวณแบบไดนามิก (Adaptive Traffic Control) เช่น ระบบ SCATS หรือ SCOOT ที่ใช้กันในเมืองใหญ่ ระบบเหล่านี้จะปรับค่า C และ g ทุก ๆ ไม่กี่นาทีตามสภาพรถที่มากหรือน้อยลง หากนักศึกษาที่สนใจด้านการเขียนโปรแกรมสามารถนำโค้ด Python มาเขียนจำลองสมการเว็บสเตอร์ร่วมกับข้อมูลสดจากเซ็นเซอร์ได้ ก็ถือเป็นจุดเริ่มต้นของนวัตกรรมจราจรที่ยอดเยี่ยม

ความท้าทายและข้อจำกัดในโลกความจริง

แม้คณิตศาสตร์จะให้คำตอบที่ชัดเจน แต่การนำไปใช้จริงในอำเภอหรือจังหวัดมักเผชิญความท้าทาย เช่น:

พฤติกรรมคนขับ: คนขับรถที่ฝ่าไฟแดงหรือจอดบนสี่แยกทำให้เวลาสูญเสีย (L) สูงกว่าที่คำนวณไว้
คนเดินข้ามถนน: เวลาไฟเขียวอาจต้องหักไปให้คนเดินข้าม ทำให้สมการต้องเพิ่มตัวแปรความต้องการของคนเดินถนน (Pedestrian crossing time)
การประสานสัญญาณ (Signal Coordination): การตั้งเวลาแยกเดียวอาจทำให้รถไปติดที่แยกถัดไป จึงต้องใช้คณิตศาสตร์ขั้นสูงขึ้นไปอีก เช่น การทำ Green Wave เพื่อให้รถขับต่อเนื่องได้หลายแยกโดยไม่ต้องเบรก

สรุปและก้าวต่อไป

คณิตศาสตร์ไม่ใช่แค่วิชาที่ต้องทำข้อสอบในห้องเรียน แต่มันคือเครื่องมือที่ทรงพลังในการแก้ปัญหาสังคมได้จริง การทำความเข้าใจสมการเว็บสเตอร์และตัวแปรกระแสจราจร จะช่วยให้นักเรียนและนักศึกษามองเห็นปัญหารถติดในมุมมองของผู้สร้างระบบ ไม่ใช่แค่ผู้รอคอยที่ทนรถติดอยู่ฝ่ายเดียว

หากคุณสนใจที่จะนำความรู้นี้ไปต่อยอด ลองเริ่มจากการสังเกตแยกไฟจราจรใกล้บ้านหรือมหาวิทยาลัย นับจำนวนรถและจับเวลาไฟเขียว-แดง แล้วนำมาคำนวณด้วยสูตรดูสิว่าค่าที่ตั้งไว้เหมาะสมกับปริมาณรถจริงหรือไม่ แล้วอย่าลืมติดตามบทความถัดไปของเราที่จะพาไปเจาะลึกการเขียนโปรแกรมจำลองกระแสจราจรด้วยภาษา Python พร้อมลงมือสร้างโซลูชันจราจรของตัวเองกันได้เลย