มูลนิธิโตโยต้า โมบิลิตี้ ร่วมกับพันธมิตรแถลงผลงานโครงการบริหารจัดการข้อมูลจราจรบนถนนพระราม 4 กรุงเทพมหานคร ข้อเสนอมาตรการการแก้ปัญหาจราจร โดยการใช้ข้อมูลในการบริหารจัดการการจราจร

Torque Thailand April 26, 2023 Lifestyle, Torque News, ข่าวประชาสัมพันธ์, ข่าวรถ

มูลนิธิโตโยต้า โมบิลิตี้ (TMF) ซึ่งเป็นมูลนิธิอิสระที่ไม่แสวงหาผลกำไร ร่วมกับพันธมิตรได้แก่ กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล และจุฬาลงกรณ์มหาวิทยาลัย จัดพิธีปิดโครงการพระราม 4 โมเดล: การปลดล็อคข้อมูลการจราจรเพื่ออนาคตที่ดีกว่า (พระราม 4 โมเดล)

เพื่ออธิบายสิ่งที่ได้เรียนรู้และข้อเสนอแนะจากโครงการที่ดำเนินการมากว่า 3 ปีโดยการใช้ข้อมูลเป็นศูนย์กลางเพื่อหาแนวทางลดปัญหาจราจรในกรุงเทพฯ โครงการดังกล่าวเริ่มขึ้นในเดือนพฤศจิกายน 2562 โดยมุ่งเน้นที่ถนนพระราม 4 เป็นพื้นที่ทดลองทำการรวบรวมข้อมูล และหาข้อมูลเชิงลึกเกี่ยวกับการใช้ข้อมูลอย่างมีประสิทธิภาพในการลดปัญหาและเพิ่มประสิทธิภาพการจัดการจราจร

ผู้ตรวจราชการกระทรวงคมนาคม นายมนตรี เดชาสกุลสม และ ดร.ชัชชาติ สิทธิพันธุ์ ผู้ว่าราชการกรุงเทพมหานคร เป็นประธานในพิธีปิด รับทราบผลการดำเนินงานของโครงการ และได้แสดงความคิดเห็น รวมถึงแขกผู้มีเกียรติท่านอื่นๆ ที่ได้ร่วมงาน ได้แก่ มร. ปาซานา คุมาร์ กาเนซ ผู้อำนวยการโครงการมูลนิธิ โตโยต้า โมบิลิตี้ ดร. จิตติศักดิ์ ธรรมาภรณ์พิลาศ อธิการบดีจุฬาลงกรณ์มหาวิทยาลัย

ดร. วิศณุ ทรัพย์สมพล รองผู้ว่าราชการกรุงเทพมหานคร รองผู้บัญชาการตำรวจนครบาล พล.ต.ต จิรสันต์ แก้วแสงเอก ดร.ศุภิชัย ตั้งใจตรง ผู้อำนวยการศูนย์บริการวิชาการจุฬายูนิเสิร์ช จากจุฬาลงกรณ์มหาวิทยาลัย และ นางสาวสตตกมล เกียรติพานิช ผู้อำนวยการกองบริหารทุนวิจัยและนวัตกรรม 2 สำนักงานการวิจัยแห่งชาติ

โครงการพระราม 4 โมเดล เป็นโครงการต่อเนื่องจาก “โครงการสาทรโมเดล” และดำเนินการโดยทีมงานเดียวกันตั้งแต่ปี 2558-2560 ประสบความสำเร็จเป็นอย่างดีจากการดำเนินมาตรการแก้ปัญหาอันหลากหลาย บริการถรับส่ง Smart Shuttle Bus การเหลื่อมเวลาทำงาน บริการจอดแล้วจร (Park & Ride) และนำมาสู่ข้อเสนอแนะเพื่อแก้ปัญหาการจราจร และนำเสนอแก่หน่วยงานรัฐและ

กรุงเทพมหานครเพื่อขยายไปยังพื้นที่อื่นๆ ในกรุงเทพ และมาตรการหลายๆ อย่างเช่น การจัดช่องจราจรพิเศษ ซึ่งยังคงดำเนินการอยู่จนถึงปัจจุบัน

แนวทางดำเนินงานและวัตถุประสงค์

โครงการสาทรโมเดลดำเนินการประสบความสำเร็จ แต่อย่างไรก็ตามเป็นการดำเนินการที่อาศัยวิธีการลองผิดลองถูกจากสมมติฐานที่ตั้งขึ้น ทางพันธมิตรเชื่อว่ามีวิธีการที่ถูกต้องและแม่นยำมากกว่า โดยใช้หลักการทางวิทยาศาสตร์ในการจัดการจราจร พระราม 4 โมเดลจึงเกิดขึ้นโดยเป็นโครงการที่ออกแบบโดยจุฬาลงกรณ์มหาวิทยาลัยและมูลนิธิโตโยต้า โมบิลิตี้

เพื่อศึกษาและทดสอบความสามารถในการใช้วิธีแก้ปัญหาขั้นสูง โดยใช้ข้อมูลที่มีมนุษย์เป็นศูนย์กลางเพื่อแก้ปัญหาการจราจรบนถนนพระราม 4 สาเหตุที่เลือกถนนเส้นนี้เนื่องจากเป็นพื้นที่ที่มีการจราจรคับคั่งที่สุดแห่งหนึ่งในกรุงเทพฯ และเป็นพื้นที่ที่ทางภาครัฐให้ความสำคัญ

โดยมีมูลนิธิโตโยต้า โมบิลิตี้ ให้การสนับสนุนเงินทุน จำนวน 52 ล้านบาท และคาดหวังผลลัพธ์ใน 3 ประการ

ใช้ข้อมูลเพื่อแสดงภาพข้อมูลการจราจรให้มีประสิทธิภาพมากขึ้น รวมถึงการเชื่อมโยงของชุดข้อมูลต่างๆ
ระบุสาเหตุที่แท้จริง และแนวทางแก้ไขที่เป็นไปได้ของการจราจรติดขัด และเหตุการณ์ต่างๆ โดยใช้ข้อมูลเชิงลึกจากชุดข้อมูลต่างๆ และตรวจสอบความถูกต้องโดยการวัดเชิงคุณภาพ
สรุปและแบ่งปันสิ่งที่เรียนรู้ และข้อเสนอแนะในแง่ของวิธีการ/หลักการแก่ผู้ที่เกี่ยวข้อง

1.การรวบรวมข้อมูลและการแสดงภาพทางกราฟฟิก (Visualization)

ในขั้นตอนของการรวบรวมข้อมูล จุฬาลงกรณ์มหาวิทยาลัยได้ทำการติดตั้งอุปกรณ์ต่างๆ สำหรับการรวบรวมข้อมูล เช่น CCTV-AI (13 จุด) เซนเซอร์บลูทูธ (50 ตัว) และเซนเซอร์ NDRS (10 เครื่อง) นอกจากนี้บริษัทแกร็บแท็กซี่ (ประเทศไทย) จำกัด และมูลนิธิ iTIC

ซึ่งเป็นผู้ให้การสนับสนุนด้านข้อมูล ได้ช่วยเหลือในการให้ข้อมูล GPS รถแท็กซี่แก่โครงการ ด้วยผลกระทบของโควิด 19 ทำให้ขั้นตอนการรวบรวมข้อมูลได้รับผลกระทบเกิดความล่าช้า แต่ท้ายสุดทางทีมงานก็สามารถดำเนินการติดตั้งและเก็บรวมข้อมูลที่จำเป็นได้สำเร็จ

ด้วยความเชี่ยวชาญของทีมนักวิจัยของจุฬาลงกรณ์มหาวิทยาลัยและแนวทางการแก้ปัญหาและการจัดการแบบลีน (ลดการสูญเปล่า) ของโตโยต้า เราได้พัฒนา Data Visualization Platforms (รูปที่ 1) เป็นส่วนหนึ่งของวิธีแก้ปัญหาในการวางแผนการจราจรในกรุงแทพ และเพื่อสนับสนุนการจัดการจราจรแบบเรียลไทม์โดยตำรวจจราจร

ทีมงานได้พัฒนา “ข้อมูลจราจรแบบเรียลไทม์” (real-time traffic data) หรือ “war room” ซึ่งจะมีข้อมูลจราจรต่างๆ เพื่อทำให้ตำรวจจราจรสามารถมองเห็น เข้าใจสภาพการจราจร ทำให้บริหารจัดการการจราจรได้ดีขึ้น ตัวอย่างของการแสดงภาพจากแพลตฟอร์มใหม่ เช่น

100 จุดฝืด (100 friction points) : รวบรวมข้อมูลย้อนหลังผ่าน GPS Probe ทำให้สามารถจำแนกระดับของการจราจรที่ติดขัดได้อย่างแม่นยำ และแสดงภาพความเร็วการจราจรเป็นกิโลเมตร/ชั่วโมงตามช่วงเวลาเร่งด่วนเช้า-เย็น และจัดอันดับเป็น 100 อันดับแรกเพื่อสนับสนุนทางกรุงเทพมหานคร ในการจัดลำดับความสำคัญของพื้นที่ในการแก้ไขปัญหา
Historical Speed Map: แสดงข้อมูลความเร็วในอดีต ช่วยให้วิเคราะห์ตามโซนและถนนแต่ละเส้นได้ สามารถเลือกแสดงผลได้จาก 3 ตัวเลือก 1) Free-Flow Speed (FFS), 2) Travel Time Index (TTI) และ 3) Road Segment Speed
Travel Time Map : แสดงข้อมูลเวลาที่ใช้ในการเดินทางในอดีต ทำให้เห็นสภาพการจราจรในวัน และเวลาต่างๆ
Origin Destination Maps (OD-Maps): OD Maps แสดงภาพการเดินทางระหว่างจุดต้นทาง และปลายทางของการเดินทางที่เลือก ข้อมูลเส้นทางการเดินทางและปริมาณการเดินทางดังกล่าวช่วยในการบริหารจัดการการจราจรและหาแนวทางแก้ไข การเลือกและศึกษาตามวันที่และเวลาที่สนใจจะสามารถทำให้การวางแผนมีความถูกต้องมากยิ่งขึ้น นอกจากนี้การเลือกโดยการเจาะจงต้นทางหรือปลายทางที่คนนิยมใช้เดินทาง ณ ชั่วโมงที่กำหนดของวันนั้นๆ ก็สามารถนำมาสู่การวางแผนระบบขนส่งสาธารณะมากขึ้นหรือ share mobility

รูปที่ 1: เว็ปไซต์ Data Visualization Platform (กลาง) Dashboard – 100 Friction Points

ระบุสาเหตุของปัญหาการจราจรและเหตุการณ์ต่างๆ

จากการหาข้อมูลเบื้องต้น ทำให้ทราบว่ามี 3 จุดที่รถติดมากที่อยู่บนถนนพระราม4 และเชื่อมต่อกับพระราม 4 ซึ่งทำให้การจราจรติดขัด (รูปที่ 2)

รูปที่ 2 จุดที่มีปัญหาการจราจรบนถนนพระราม 4 ที่ระบุด้วยเครื่องมือ Data Visualization (ซ้าย) พื้นที่พระโขนง (กลาง) พื้นที่อ่อนนุช (ขวา) พื้นที่เกษมราษฎร์

พื้นที่พระโขนง (เชื่อมต่อกับพื้นที่อ่อนนุช):

จุดที่เป็นคอขวดคือบริเวณซูเปอร์มาร์เก็ตขนาดใหญ่ย่านอ่อนนุช จากข้อมูลและการวิเคราะห์เชิงคุณภาพ ทำให้ทราบว่ามีสาเหตุมาจากการข้ามทางม้าลายของคนเดินเท้าอยู่ตลอดเวลา และการจอดรถของวินมอเตอร์ไซด์และรถสองแถว (ดูรูปที่ 3) ดังนั้น ในส่วนหนึ่งของการทดลองทางสังคมของเรา จึงดำเนินมาตรการหลักสองประการ

ก) จัดระเบียบคนข้ามถนนที่ทางม้าลาย
ข) ย้ายตำแหน่งที่จอดรถของรถสองแถวให้ห่างจากหน้าซูเปอร์มาร์เก็ตขนาดใหญ่ออกไป ด้วยมาตรการเหล่านี้ เราสามารถลดเวลาการข้ามถนนบนทางม้าลายได้ 23 นาทีในช่วงเวลาเร่งด่วน (15.00-18.00 น.) และทำให้การจราจรคล่องตัวขึ้น 10%

รูปที่ 3 : (บน) คอขวดพื้นที่อ่อนนุชบริเวณซูเปอร์มาร์เก็ต (คนข้ามทางม้าลาย & การจอดรถสองแถว) (ล่าง) ผลการทดลองทางสังคม

ข้อเสนอแนะ : จากผลการทดลองทางสังคม ทีมงานได้เสนอข้อเสนอแนะการจัดการการจราจรหน้าซูเปอร์มาร์เก็ตขนาดใหญ่ หรือการติดตั้งสัญญาณไฟจราจรอัตโนมัติและสอดคล้องกับสัญญาณไฟที่แยกอ่อนนุช และการพิจารณาจุดจอดที่เหมาะสมสำหรับมอเตอร์ไซด์รับจ้าง (รูปที่ 4)

รูปที่ 4 : ข้อเสนอแนะสำหรับพื้นที่อ่อนนุช (ซ้าย) การติดตั้งสัญญาณไฟที่บริเวณทางม้าลาย (ขวา) หาจุดจอดที่เหมาะสมสำหรับวินมอเตอร์ไซด์

B. พื้นที่เกษมราษฎร์:

เนื่องจากสภาพทางกายภาพของถนนที่แคบ (เป็นวงเล็กๆ จากแยกม้าศึกไปยังถนนพระราม 4) และมีการตัดกันของกระแสรถที่วิ่งออกมาจากซอยสุขุมวิท 22 และถนนพระราม 4 จึงทำให้เกิดปัญหารถติดขัดบ่อยครั้งในแยกม้าศึกและเกษมราษฎร์ จากการศึกษาสิ่งที่จะช่วยให้การจราจรดีขึ้นคือ การประสานงานกันอย่างมีประสิทธิภาพของตำรวจที่แต่ละแยก

ตำรวจมีข้อมูลของสภาพการจราจรมากขึ้น เพื่อให้จัดการการจราจรได้ดีขึ้น (รูปที่ 5) ทางโครงการจึงได้จัดกิจกรรม Knowledge Management ด้านการจราจรหลายครั้ง (เพื่อให้การประสานงานระหว่างตำรวจแต่ละแยกให้ดีขึ้น) และติดตั้งจอแสดงข้อมูลการจราจรแบบเรียลไทม์ (รูปที่ 6)

ตลอดพื้นที่พระราม4 (เช่น ข้อมูลสัญญาณไฟจราจร ข้อมูลอุบัติการณ์ต่างๆ แผนที่สภาพการจราจร และกล้องวงจรปิด) ส่งผลให้เราสามารถลดระยะเวลาความผิดปกติของการเปิดสัญญาณไฟโดยเฉลี่ย 10% ต่อวัน (รูปที่ 7)

รูปที่ 5 : (ซ้าย) การควบคุมสัญญาณไฟจราจรโดย AI และตำรวจที่แยกเกษมราษฎร์ (ขวา) การเปรียบเทียบ Jam Length จากการควบคุมสัญญาณไฟระหว่าง AI และ ตำรวจ

ภาพที่ 6 : ภาพกิจกรรม Knowledge Management กับเจ้าหน้าที่ตำรวจรูปที่ 7 : ผลการปรับปรุงของ “ระยะเวลาความผิดปกติของการเปิดสัญญาณไฟต่อวัน” ซึ่งเป็นผลจากการติดตั้ง Traffic War Room และกิจกรรม KM

นอกจากนี้ ห้องควบคุมการจราจรแบบเรียลไทม์ที่ติดตั้งอยู่ 12 ป้อมตำรวจในโครงการพระราม 4 ได้ถูกส่งมอบให้กับตำรวจจราจร เพื่อจะนำไปใช้บรรเทาปัญหาการจราจรติดขัดในกรุงเทพฯ ต่อไป ภายหลังสิ้นสุดการทดลองใช้ในโครงการพระราม 4 โมเดล

พื้นที่ฝั่งตะวันตก

เนื่องด้วยข้อจำกัดในการมองเห็นสภาพการจราจรและเหตุการณ์ต่างๆ บนสะพานไทย-ญี่ปุ่น ทำให้ตรวจพบปัญหาที่เกิดขึ้นบนสะพานได้ล่าช้า ทำให้เกิดปัญหาการจราจรติดขัด และขยายไปยังพื้นที่และถนนเส้นอื่นๆ โครงการจึงทำการติดตั้งกล้องวงจรปิดด้วยเทคโนโลยี AI เพื่อตรวจจับเหตุการณ์ความผิดปกติบนสะพานไทย-ญี่ปุ่น ไม่ว่าจะเป็นรถเสียหรือรถชน และเมื่อตรวจพบระบบจะทำการแจ้งเตือนตำรวจจราจรที่ป้อมสามย่านทันที (รูปที่ 8)

รูปที่ 8 : การติดตั้งกล้องวงจรปิดบริเวณสะพานไทย-ญี่ปุ่น ถนนพระราม 4 และภาพการตรวจจับอุบัติการณ์ด้วยกล้อง CCTV-AI

สรุปข้อค้นพบและข้อเสนอแนะในแง่ของระเบียบวิธี

ทีมงานโมเดลพระราม 4 ได้เล็งเห็นถึงศักยภาพของการจัดการจราจรที่ขับเคลื่อนด้วยข้อมูลผ่านโครงการนี้อย่างชัดเจน การใช้ข้อมูลในอดีตสำหรับดูแนวโน้มที่สามารถรองรับการออกแบบโครงสร้างพื้นฐานด้านการจราจร เช่น เวลาเปิด-ปิดสัญญาณไฟ หรือตารางเวลาและเส้นทางของระบบขนส่งสาธารณะได้อย่างชัดเจน

นอกจากนี้ข้อมูลแบบเรียลไทม์ที่มีอย่างเหมาะสมก็สามารถช่วยสนับสนุนการจัดการจราจรและบังคับใช้ รวมถึงการจัดการเหตุการณ์ต่างๆ และความผิดปกติที่เกิดขึ้น สิ่งต่างๆ เหล่านี้แสดงให้เห็นถึงความจำเป็นในการที่จะมีแพลตฟอร์มในการแชร์ข้อมูลแบบเปิดมากขึ้นและประสานความร่วมมือของหน่วยงานที่เกี่ยวข้อง

ผลการวิจัยที่ได้จากโมเดลพระราม 4 ถูกรวบรวมและจัดพิมพ์ในรูปแบบ e-Book เพื่อแบ่งปันให้องค์ความรู้ให้กับผู้ที่สนใจ

รูปที่ 9: ลิงค์สำหรับการดาวน์โหลด e-Book (มีเพียงภาษาไทยเท่านั้น) https://service.rama4model.in.th/documents/eBook_Rama4Model.pdf

ทีมงานยังได้ตระหนักถึงความท้าทายบางประการที่พบในโครงการนี้ ได้แก่:

(a) การเก็บรวบรวมข้อมูลเพื่อใช้งาน: ในปัจจุบัน แม้ว่าเราจะมีความเข้าใจที่ดีขึ้นเกี่ยวกับวิธีการรวบรวมและใช้ประโยชน์จากข้อมูล แต่การได้รับข้อมูลอย่างเพียงพอและการจัดเก็บข้อมูลก็ยังคงเป็นสิ่งที่ท้าทาย อีกทั้งยังมีราคาแพง จึงมีความจำเป็นที่จะต้องลงทุนใน

เทคโนโลยีเพื่อใช้การเก็บรวบรวมข้อมูล (เช่น กล้องวงจรปิดพร้อม AI) และร่วมมือกับพันธมิตรต่างๆ ซึ่งมีข้อมูลที่จำเป็น รวมถึงมีแนวทางที่เป็นประโยชน์ร่วมกันเพื่อแบ่งปันข้อมูล

(b) การแบ่งปันข้อมูล: เป็นสิ่งสำคัญที่จะต้องพิจารณาแนวทางการแบ่งปันข้อมูล (มีการรักษาความปลอดภัยอย่างเหมาะสม) กับหน่วยงานเอกชนหรือภาครัฐที่ต้องการทำงานด้านการจัดการการรับ-ส่งข้อมูล แนวทางการแบ่งปันข้อมูลแบบเปิดจึงจำเป็นต้องมีการศึกษาเพิ่มเติม

(c) ความเชี่ยวชาญและการพัฒนาทรัพยากรบุคคล: จำเป็นต้องลงทุนเพื่อพัฒนานักวิทยาศาสตร์ข้อมูล (data scientist) และผู้เชี่ยวชาญด้านการจัดการจราจร (ร่วมกับการวางผังเมือง) ซึ่งควรได้รับการฝึกอบรมและพัฒนาเพื่อศึกษาข้อมูล ทำงานเกี่ยวกับการวิเคราะห์และแบบจำลอง และสร้างการใช้งานที่หลากหลาย เพื่อปรับปรุงการจัดการจราจรของเมืองอย่างต่อเนื่อง

(d) การบังคับใช้: มีความจำเป็นต้องมีกับการบังคับใช้การจัดการจราจรที่เข้มข้นขึ้นเพื่อให้แน่ใจว่าการฝ่าฝืน (โดยเฉพาะการจอดรถ พฤติกรรมการขับขี่ ฯลฯ) และอุบัติการณ์ต่างๆ จะลดลง ซึ่งจะเป็นการลดจุดที่มีปัญหารถติดทำให้รถติดน้อยลง

เมื่อภายหลังสิ้นสุดโครงการแล้ว

พันธมิตรบางท่านได้แสดงความคิดเห็นต่อโมเดลพระราม 4 ดังนี้

ดร. ชัชชาติ สิทธิพันธุ์ ผู้ว่าราชการกรุงเทพมหานคร กล่าวว่า “การแก้ปัญหาการจราจรถือเป็นหนึ่งในสิ่งที่ทางกรุงเทพมหานครให้ความสำคัญเป็นอย่างมาก เพราะจะช่วยให้คุณภาพชีวิตของชาวกรุงเทพฯ ดีขึ้น นั่นคือเหตุผลที่เราพยายามมุ่งเน้นส่งเสริมการใช้เทคโนโลยีและข้อมูล เพื่อให้การจัดการจราจรมีประสิทธิภาพมากขึ้น

เพื่อมุ่งสู่เป้าหมายนี้ เราได้ริเริ่มนโยบายต่างๆ เพื่อปรับปรุงการจราจร การจัดตั้งศูนย์ควบคุมการจราจร (Traffic Command Center) และการจัดการจราจรอัจฉริยะ รวมถึงการใช้ Big data และ AI ซึ่งในโครงการพระราม 4 โดยมูลนิธิโตโยต้า โมบิลิตี้ และจุฬาลงกรณ์มหาวิทยาลัย ได้ดำเนินการซึ่งสอดคล้องกับจุดมุ่งหมายเหล่านี้

และได้แสดงให้เห็นอย่างชัดเจนถึงประโยชน์ของข้อมูลเชิงลึกและการจัดการด้วยข้อมูลโดยมีมนุษย์เป็นศูนย์กลาง (Human Centric Data Driven Insight and Management) เพื่อปรับปรุงสภาพการจราจรและการบริหารจัดการ ผมขอขอบคุณมูลนิธิโตโยต้า โมบิลิตี้

และจุฬาลงกรณ์มหาวิทยาลัยที่ให้การสนับสนุนเป็นอย่างดี และผมได้สั่งการให้กทม.ดำเนินการและขยายผลแนวทางแก้ไขไปยังพื้นที่อื่นๆ ในกรุงเทพมหานครต่อไป”

รศ.ดร. สรวิศ นฤปิติ อาจารย์ประจำคณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย กล่าวว่า “จุฬาลงกรณ์มหาวิทยาลัยมีความภูมิใจมากที่ได้ร่วมเข้าทำงานกับ TMF และหน่วยงานภาครัฐต่างๆ ภายใต้โครงการพระราม 4 โมเดลเพื่อสร้างต้นแบบของการใช้วิชาการเพื่อสร้างกระบวนการคิด

และการนำเทคโนโลยีข้อมูล มาทำให้เห็นเป็นรูปธรรม เกิดผลลัพธ์ที่เป็นประโยชน์ต่อสังคม ทำให้เกิดการเรียนรู้ นำไปขยายผลปฏิบัติใช้ในวงกว้างในประเทศ และ เป็นตัวอย่างที่ดีของเมืองต่างๆ ของโลกต่อไป”

มร. ปาซานา คุมาร์ กาเนซ ผู้อำนวยการมูลนิธิโตโยต้า โมบิลิตี้ กล่าวว่า “มูลนิธิโตโยต้า โมบิลิตี้ ดำเนินงานภายใต้หลักการ 3 ข้อ คือ นวัตกรรม ความยั่งยืน และความร่วมมือ และด้วยจุดมุ่งหมายเหล่านี้เพื่อส่งเสริม Mobility for All วิธีการแก้ปัญหาการจราจรแบบเดิมที่ทำกันอยู่ทุกวันนี้และทำอยู่ในหลายๆ ประเทศ คือ

การแก้ปัญหาผ่านกระบวนการลองผิดลองถูก ข้อมูลที่มีการตรวจสอบเชิงคุณภาพโดยยึดมนุษย์เป็นศูนย์กลางจะช่วยให้เราสามารถระบุสาเหตุที่แน่ชัดและบรรเทาผลกระทบที่ตรงกับสภาพความเป็นจริง และลักษณะเฉพาะของแต่ละเมือง แม้ว่าโครงการของเราจะเป็นโครงการทดลอง

แต่เราได้รวบรวมข้อมูลเชิงลึกและคำแนะนำมากมายที่เราเชื่อว่าจะช่วยพัฒนาศาสตร์ของการจัดการจราจรและการวางผังเมืองด้วยการใช้ข้อมูล เราเชื่อในการทำงานร่วมกันโดยใช้ข้อมูลและข้อมูลเชิงลึกจากมนุษย์ในการระบุและขจัดอุปสรรคที่ขัดขวางไม่ให้ผู้คนและสินค้าเดินทางได้อย่างอิสระซึ่งโครงการนี้เป็นครั้งแรกในประเทศไทย และเราขอขอบคุณพันธมิตรของเราทั้งหมด

กระทรวงคมนาคม กรุงเทพมหานคร กองบัญชาการตำรวจนครบาล จุฬาลงกรณ์มหาวิทยาลัย บริษัท แกร็บแท็กซี่ (ประเทศไทย) จำกัด มูลนิธิ ITIC บริษัท โตโยต้า มอเตอร์ ประเทศไทย จำกัด และอื่นๆ อีกมากมาย ซึ่งการสนับสนุนอันล้ำค่าทำให้โครงการนี้เป็นรากฐานสำหรับความพยายามขับเคลื่อนข้อมูลในอนาคต”