دوربین کنترل سرعت: انواع دوربین‌های ترافیکی و نقشه رایگان

دوربین‌های ثبت تخلف ترافیکی این تابستان در دو کشور به مسئله‌ای حقوقی تبدیل شدند. در ۱۲ ژوئیه ۲۰۲۶ فرمانی در ایتالیا اجرایی شد که دوباره تعیین کرد کدام دستگاه‌ها می‌توانند قانوناً جریمه صادر کنند. تنها ۲۵ مدل به طور خودکار تأییدشده به شمار می‌روند. حدود ۸۵۰ دستگاه نصب‌شده بیرون از آن فهرست ماندند و تا زمانی که سازنده درخواست تأیید ندهد فعلاً قابل استفاده نیستند. افزون بر این، از ۳۰ نوامبر ۲۰۲۵ شهرداری‌های ایتالیا باید هر دستگاه را در پایگاه داده ملی وزارت حمل‌ونقل ثبت کنند، چون جریمه‌ای که از دستگاه ثبت‌نشده صادر شود قابل اعتراض است.

اسپانیا مسیری موازی را می‌پیماید. اصلاح Reglamento General de Circulación از ۱ اکتبر ۲۰۲۶ اجرا می‌شود و آشکارسازهای رادار را به طور کامل ممنوع می‌کند، با جریمه ۵۰۰ یورو و سه امتیاز منفی، و ۶٬۰۰۰ یورو و شش امتیاز برای دستگاه‌های مختل‌کننده، حتی اگر دستگاه بدون استفاده در داشبورد مانده باشد.

دو کشور، دو نظام ثبت، دو مجموعه قاعده، و در هر دو مورد یک پرسش مشترک از سوی رانندگان و توسعه‌دهندگان: دوربین‌های ثبت تخلف کجا هستند و آن فهرست از کجا می‌آید. پاسخی وجود دارد که از هر دو فرمان قدیمی‌تر است و به هیچ‌کس به طور خاص تعلق ندارد. دوربین‌ها بیش از پانزده سال است در OpenStreetMap ثبت می‌شوند، و حجم این داده بزرگ‌تر از تصور بیشتر افراد است.

ما آن را شمردیم، سپس پایگاه داده خودمان را که از گزارش رانندگان ساخته شده شمردیم تا بتوان این دو را صادقانه سنجید. این مقاله هر دو رشته عدد، پرس‌وجوهایی که آن‌ها را ساخته‌اند، تاریخ هر منبع، و آنچه را که هیچ‌یک از دو مجموعه داده نمی‌تواند بگوید منتشر می‌کند.

چه چیزی دوربین ثبت تخلف به شمار می‌آید

دوربین ثبت تخلف هر دوربینی است که بدون حضور نیروی انسانی در محل، یک قاعده رانندگی را خودکار اعمال می‌کند. دوربین سرعت عضوی از این خانواده است نه تمام آن، و این تمایز به محض آنکه بخواهید بشمارید تعیین‌کننده می‌شود، چون هر کشور از یک واژه چیز دیگری می‌فهمد.

در ایالات متحده کل این دسته را photo enforcement یا automated traffic enforcement می‌نامند و در بریتانیا safety cameras. در آلمان واژه روزمره Blitzer است، در ایتالیا autovelox، در فرانسه radar و در اسپانیا radar de la DGT. همان دسته از دستگاه‌هاست، تنها بار سیاسی همراهش در هر کشور فرق می‌کند.

مجموعه داده این مقاله چهار سطر نخست را پوشش می‌دهد، چون رانندگان و موتورهای مسیریابی دقیقاً در همین محدوده به مختصات نیاز دارند. دو سطر آخر پلاک‌خوان هستند نه سنجش سرعت، و پرسش‌های حریم خصوصی دیگری پیش می‌کشند که درباره‌شان در مقاله DeFlock و پلاک‌خوان‌ها نوشته‌ایم.

یک تمایز عملی ارزش به یاد سپردن دارد، چون رایج‌ترین اشتباه همین‌جاست: دوربین سرعت شما را برای اینکه چقدر تند می‌رفتید جریمه می‌کند، دوربین چراغ قرمز برای اینکه چه زمانی وارد تقاطع شدید، و بیشتر دستگاه‌های چراغ امروزی هر دو کار را انجام می‌دهند. به همین دلیل یک دستگاه می‌تواند هر یک از دو تخلف را بسازد، و به همین دلیل فهرست ما آن‌ها را به جای ادغام در یک نقطه، در دو دسته جدا نگه می‌دارد.

نقشه باز امروز چه دارد

به جای نقل یک عدد، مستقیم شمردیم. مقادیر زیر از Overpass API در ۲۷ اوت ۲۰۲۶ گرفته شده‌اند، در برابر پایه OpenStreetMap با برچسب زمانی ۱۵:۰۶ به وقت UTC همان روز.

در سراسر جهان ۷۶٬۸۰۰ گره با برچسب highway=speed_camera وجود دارد، به همراه ۲۴٬۱۸۳ رابطه type=enforcement با مقدار enforcement=maxspeed که مشخص می‌کنند یک دستگاه یا یک قطعه کنترل‌شده در عمل بر کدام بخش از جاده حاکم است.

روش کار، تا بتوانید آن را بازتولید یا رد کنید: هر مقدار شمارش گره‌های highway=speed_camera درون مرز admin_level=2 همان کشور است. هر جا جست‌وجو بر پایه کد ISO به مهلت زمانی خورد، ناحیه را با شناسه رابطه حل کردیم. شمارش بر پایه کادر محیطی را به کلی کنار گذاشتیم، چون کادری به دور فرانسه با کشیدن دستگاه‌های بلژیک و هلند و آلمان و سوئیس و کاتالونیا ۱۱٬۱۷۰ نتیجه برگرداند، در برابر ۳٬۹۲۸ درون مرز واقعی. از رقم ایالات متحده هم صرف نظر کردیم: پرس‌وجو بارها به مهلت زمانی خورد، و عددی که نتوانیم راستی‌آزمایی کنیم از نبودِ عدد کم‌ارزش‌تر است.

مقایسه با پایگاه داده‌ای که کسی نمی‌تواند پرس‌وجو کند

مجموعه داده باز تنها زمانی جالب است که بدانید چه چیزی در آن نیست، پس همان شمارش را روی داده خودمان هم اجرا کردیم.

MapMetrics سال‌هاست گزارش رانندگان درباره دوربین‌های ثبت تخلف را گرد می‌آورد. تصویر لحظه‌ای که شمردیم شامل ۱۰۸٬۰۰۸ دوربین یکتا در ۱۰۶ کشور است: ۷۵٬۲۵۸ دستگاه ثابت، ۲۷٬۹۱۲ دوربین چراغ قرمز، ۳٬۳۱۰ نقطه کنترل قطعه‌ای و ۱٬۵۲۸ تأسیسات محدودیت متغیر. بزرگ‌ترین شمارهای ملی در برزیل، روسیه، ایتالیا و ایالات متحده است.

این دو عدد از یک زمان نیستند، و همین نکته از خود مقایسه مهم‌تر است. مقادیر OpenStreetMap زنده‌اند و در ۲۷ اوت ۲۰۲۶ گرفته شده‌اند. تصویر لحظه‌ای گزارش رانندگان در ماه مه ۲۰۲۴ برون‌ریزی شده است. جدول زیر را مقایسه پوشش بخوانید، نه دو اندازه‌گیری امروزی در یک بعدازظهر.

دو مجموعه داده، یکی ساخته کسانی که یک پایگاه عمومی را ویرایش می‌کنند و دیگری ساخته رانندگانی که از جاده گزارش می‌دهند:

نتیجه جالب این نیست که کدام مجموعه بزرگ‌تر است. جالب این است که در چهار کشور از این ده کشور، دو منبع مستقل در محدوده ده درصد یکدیگر قرار می‌گیرند، و در سه تای آن‌ها نقشه باز بیشتر دارد. دو جامعه که هرگز با هم هماهنگ نکرده‌اند، با ابزارهای متفاوت و انگیزه‌های متفاوت، درباره دستگاه‌های آلمان و فرانسه تقریباً به یک عدد رسیده‌اند. برای این گونه داده، سنجش متقابل بهتری به سختی پیدا می‌شود.

جایی که از هم فاصله می‌گیرند، این فاصله بیش از توضیح آسان، به بررسی نیاز دارد. ایتالیا با ۲٫۰۸ و پرتغال با ۰٫۶۰ دو سر طیف‌اند، و چون تصویر لحظه‌ای ما دو سال پیش از فرمان ایتالیا است، هیچ نسبتی نمی‌تواند واکنشی به تغییر قواعد امسال باشد. خوانش محتمل‌تر تنها به این برمی‌گردد که هر جامعه کجا فعال بوده است: در ایتالیا گزارش رانندگان سال‌هاست پرشمار است، و در پرتغال نقشه‌نگاران در کشوری با گزارشگران کمتر با دقت کار کرده‌اند. نسبت دور از ۱٫۰ دلیلی است برای رفتن و دیدن، نه گواهی بر خطای یک طرف.

روش و محدودیت‌ها، با همان صراحت. چهار مجموعه پیش از شمارش بر پایه مختصات از تکرار پاک شدند، چون مجموعه محدودیت متغیر هر دستگاه را برای هر مقدار سرعت یک بار ذخیره می‌کند، یعنی ۳۸٬۲۵۰ سطر برای ۱٬۵۲۸ دستگاه. همه رکوردها یک برچسب زمانی برون‌ریزی یکسان دارند، ۲۱ مه ۲۰۲۴، نه تاریخ بازدید میدانی هر دستگاه، پس این اعداد می‌گویند آن تصویر لحظه‌ای چه داشته است، نه اینکه هر دستگاه آخرین بار کی دیده شده. در ساختار داده یک فیلد راستی‌آزمایی هست که هرگز پر نشده است. ۱٬۳۶۲ نقطه بیرون از هر چندضلعی کشوری افتادند، بیشتر روی خط ساحلی، و کنار گذاشته شدند. بنابراین نسبت‌ها در برابر شمارش زنده OpenStreetMap، هر جا پس از مه ۲۰۲۴ دستگاه افزوده شده باشد سهم ما را کمتر و هر جا از آن پس برداشته شده باشد بیشتر نشان می‌دهند.

دوربین‌ها در OpenStreetMap چگونه برچسب می‌خورند

ساختار کوچک است، و دقیقاً به همین دلیل پر شد.

• برچسب highway=speed_camera روی یک گره، دستگاه فیزیکی را نشان می‌دهد. حجم کار را همین برچسب بر دوش می‌کشد.
• رابطه‌های type=enforcement معنا را حمل می‌کنند. رابطه، عضوی با نقش device یعنی دوربین را به قطعه‌های from و to وصل می‌کند، بنابراین یک قطعه کنترل‌شده نه کیلومتری به جای دو پایه بی‌ارتباط، یک رابطه می‌شود.
• برچسب enforcement=maxspeed کنترل سرعت را از دیگر مقادیر ساختار جدا می‌کند، از جمله traffic_signals برای دوربین‌های چراغ قرمز و نیز average_speed و toll و access.
• برچسب maxspeed محدودیت اعمال‌شده را ثبت می‌کند، و همین مقدار است که یک نقطه روی نقشه را به داده‌ای بدل می‌کند که موتور مسیریابی می‌تواند با آن کار کند.
• برچسب direction جهت نگاه دستگاه را ثبت می‌کند تا دوربینی که تنها جهت شمال را می‌گیرد چنان نمایش داده نشود که گویی هر دو جهت را پوشش می‌دهد.
• برچسب check_date یا survey:date، هر جا مشارکت‌کنندگان پر کرده باشند، می‌گوید آخرین بار کی انسانی روبه‌روی دستگاه ایستاده است. در داده مربوط به ثبت تخلف، این نکته از تقریباً هر رده دیگری از عوارض مهم‌تر است.

این همان الگویی است که فهرست ALPR پروژه DeFlock را ساخت: توافق بر سر یک برچسب، مستندسازی آن، و سپردن پر کردنش به یک جامعه. هیچ مرحله‌ای از آن به اجازه سازنده دوربین یا اداره راه نیاز نداشت.

خودتان پرس‌وجو کنید

این را در overpass-turbo.eu بچسبانید و اجرا کنید. هر دوربین ثبت‌شده در آلمان را با برچسب‌هایش برمی‌گرداند، در قالب هندسه‌ای که می‌توانید به GeoJSON برون‌ریزی کنید.

[out:json][timeout:180];
area["ISO3166-1"="DE"][admin_level=2]->.country;
(
  node["highway"="speed_camera"](area.country);
  relation["type"="enforcement"]["enforcement"="maxspeed"](area.country);
);
out geom;

به جای DE می‌توانید FR یا IT یا ES یا NL یا هر کد دیگر ISO 3166-1 alpha-2 را بگذارید. برای شمردن به جای گرفتن، خط آخر را با out count; جایگزین کنید، جدول بالا دقیقاً به همین شکل ساخته شده است. برای برشی به اندازه یک شهر، بخش ناحیه را با کادر محیطی به ترتیب (جنوب,غرب,شمال,شرق) جایگزین کنید.

دو نکته عملی. پرس‌وجوهای در مقیاس یک کشور روی نمونه عمومی Overpass بارها به مهلت زمانی می‌خورند، پس برای کار تولیدی از برش منطقه‌ای Geofabrik با قالب .osm.pbf استخراج کنید و به صورت محلی صافی بزنید، یا نمونه Overpass خودتان را اجرا کنید. پروانه هم ODbL است، یعنی برای پایگاه‌های مشتق، ذکر منبع و اشتراک با همان شرایط لازم است، نه استفاده آزاد بی‌قید و شرط.

داده باز در برابر ثبت‌های رسمی

سنجیدن این دو در برابر هم سودمندترین کاری است که می‌توان با این مجموعه داده کرد، و همان مقایسه‌ای است که کسی منتشر نمی‌کند.

سازمان DGT اسپانیا از ۲٬۴۷۲ رادار ثابت، ۲۹۵ قطعه کنترل‌شده، ۲۵۴ دستگاه کمربند و سیار و ۶۰۰ دوربین چراغ خبر می‌دهد. OpenStreetMap در اسپانیا ۲٬۵۵۳ گره دارد. این جمع‌ها به هم نزدیک‌اند اما یک جامعه آماری را اندازه نمی‌گیرند، چون تا وقتی مشارکت‌کنندگان آن‌ها را با رابطه‌های enforcement جدا نکرده باشند، عدد OSM دستگاه‌های ثابت و قطعه‌ای و چراغی را زیر یک برچسب در هم می‌آمیزد.

خوانش صادقانه هر مقایسه‌ای از این دست چنین است:

• ثبت‌های رسمی وضعیت حقوقی را ثبت می‌کنند. اینکه دستگاه تأیید و کالیبره و ثبت شده باشد و بنابراین بتواند جریمه قابل اجرا بسازد. پایگاه داده وزارتخانه ایتالیا دقیقاً همین است، و از ۱۲ ژوئیه ۲۰۲۶ دستگاه ثبت‌نشده مسئله‌ای حقوقی است نه مسئله‌ای نقشه‌نگاری.
• داده نقشه باز واقعیت فیزیکی را ثبت می‌کند. اینکه مشارکت‌کننده‌ای توانسته دستگاه را از فضای عمومی ببیند و جای آن را یادداشت کند. این شامل محفظه‌های از کار افتاده، جعبه‌های خالی و پایه‌هایی است که بیرون از شهرداری کسی وضعیت تأیید آن‌ها را نمی‌داند.

هیچ‌کدام جانشین دیگری نیست. دوربینی که در واقعیت هست اما در فهرست وزارتخانه نیست، دقیقاً همان موردی است که رانندگان ایتالیایی این روزها به آن اعتراض می‌کنند. دوربینی که در فهرست رسمی هست اما در واقعیت دیگر نیست، دقیقاً همان موردی است که برنامه مسیریاب را به خطا می‌برد. برای دیدن هر یک از این دو مشکل به هر دو مجموعه داده نیاز دارید، و تنها یکی از آن‌ها برای همه قابل پرس‌وجو است.

آنچه نقشه باز نمی‌تواند بگوید

محدودیت‌ها، روشن و بی‌پرده.

کنترل سیار تقریباً غایب است. خودرویی که سه ساعت روی یک پل ایستاده عارضه‌ای نیست که بتوان روی نقشه آورد، و قاعده راستی‌آزمایی OSM به درستی آن را کنار می‌گذارد. بسته به کشور، واحدهای سیار بخش بزرگی از همه جریمه‌های سرعت را می‌سازند، پس لایه‌ای از دوربین‌های ثبت‌شده به شکل نظام‌مند میزان کنترل را کمتر نشان می‌دهد. داده گزارش رانندگان همین خلأ را دارد، اما به دلیلی دیگر: گزارش خودرویی که مدت‌ها پیش رفته، یک لحظه را توصیف می‌کند نه یک مکان.

تازگی داده بر پایه منطقه تغییر می‌کند نه بر پایه کشور. پوشش از تراکم مشارکت‌کنندگان پیروی می‌کند. شهری در آلمان با گروه نقشه‌نگاری محلی فعال تقریباً کامل است. منطقه‌ای روستایی در سه کشور آن‌طرف‌تر ممکن است هنوز دستگاه‌هایی را داشته باشد که در ۲۰۱۹ برداشته شده‌اند. check_date را هر جا هست بخوانید و نبودش را ناشناخته بدانید، نه تضمین تازگی.

وضعیت تأیید در داده نیست. هیچ برچسب OSM به شما نمی‌گوید که یک دستگاه ایتالیایی در فهرست وزارتخانه هست یا یک رادار اسپانیایی کالیبره شده است. این واقعیت‌ها در ثبت‌های ملی زندگی می‌کنند و بدون حتی یک ویرایش روی نقشه تغییر می‌کنند.

انضباط برچسب‌گذاری یکدست نیست. برخی کشورها دوربین چراغ قرمز را با وجود مقدار اختصاصی، highway=speed_camera ثبت می‌کنند. هر جا این تمایز برای کار شما مهم است، بر پایه رابطه enforcement صافی بزنید.

نیمه دشوارتر، حقوق است

انتشار موقعیت دوربین‌ها در اتحادیه اروپا قانونی است. اجرای یک سامانه هشدار زنده هنگام رانندگی در بسیاری موارد قانونی نیست، و تمایز تعیین‌کننده نقشه در برابر برنامه نیست، بلکه جست‌وجو در پایگاه داده در برابر آشکارسازی سیگنال است. وضعیت تا اوت ۲۰۲۶:

در جاهای دیگر قواعد فرق دارد، گاهی به شکل چشمگیر، و تغییر هم می‌کنند. این جدول را شکل کلی مسئله بدانید نه مشاوره حقوقی، و پیش از عرضه قابلیتی برای رانندگان در یک بازار، قاعده ملی همان کشور را بررسی کنید.

برای کسی که محصول می‌سازد، نتیجه عملی این است که یک مجموعه داده واحد بسته به حوزه قضایی، قابلیت‌های بسیار متفاوتی را پشتیبانی می‌کند. یک نقشه ایستا برای برنامه‌ریزی، یک لایه تحلیل ناوگان، یک پژوهش ایمنی راه و یک هشدار زنده درون خودرو، چهار موضوع حقوقی متفاوت‌اند که روی یک مجموعه مختصات ساخته شده‌اند.

ساختن چیزی بر پایه آن

فاصله از پرس‌وجوی بالا تا یک لایه کارآمد کوتاه است، و بیشترش از همان مسائل معمول نقشه ساخته شده نه از چیزی خاصِ دوربین‌ها.

1. استخراج و صافی. برش منطقه‌ای .osm.pbf را بگیرید، گره‌های highway=speed_camera و رابطه‌های type=enforcement را نگه دارید، و اعضای رابطه را حل کنید تا قطعه کنترل‌شده به جای دو نقطه یک خط شود.
2. چسباندن به جاده. گره دوربین کنار سواره‌رو است نه روی آن. آن را به راهی که بر آن حاکم است متصل کنید، وگرنه محاسبه فاصله به اندازه عرض جاده خطا می‌دهد و صافی جهت اصلاً کار نمی‌کند. این مسئله تطبیق نقشه است.
3. بردن محدودیت همراه. maxspeed را از رابطه منتقل کنید تا لایه نه تنها به کجا بلکه به اینکه چه چیزی اعمال می‌شود هم پاسخ دهد.
4. ثبت خاستگاه هر عارضه. شناسه OSM و نسخه و check_date را نگه دارید. وقتی کاربری گزارش می‌دهد دوربینی برداشته شده، باید بدانید چه می‌دانستید و از چه زمانی.
5. نمایش به صورت لایه نه مجموعه داده. کاشی‌های برداری یک لایه سراسری دوربین را در چند مگابایت نگه می‌دارند و اجازه می‌دهند برای هر بازار سبک متفاوتی بدهید، و این وقتی مهم است که همان لایه باید در یک کشور مانند اطلاعات برنامه‌ریزی دیده شود و در کشوری دیگر به هیچ روی مانند هشدار زنده نباشد.

MapAtlas زیرساخت مکان‌یابی و کاشی و POI را اداره می‌کند که همه این‌ها روی آن می‌نشیند، با پردازش درون اتحادیه اروپا و مطابق GDPR، اگر ترجیح می‌دهید خود قابلیت را بسازید نه خط پردازش را.

چرا این ماجرا روی نقشه باز تکرار می‌شود

دوربین‌های ثبت تخلف دومین نمونه از همان الگویی هستند که درباره نقشه‌نگاری پلاک‌خوان‌ها نوشتیم، و این الگو ارزش نام‌گذاری دارد چون باز هم تکرار خواهد شد.

رده‌ای از زیرساخت محل مناقشه می‌شود. از فضای عمومی دیده می‌شود پس راستی‌آزمایی‌پذیر است، و راستی‌آزمایی‌پذیری تنها آزمونی است که OpenStreetMap واقعاً اعمال می‌کند. کسی برچسبی کوچک پیشنهاد می‌دهد، چند مشارکت‌کننده شهر خودشان را پر می‌کنند، و در عرض چند سال فهرستی جهانی پدید می‌آید که هیچ نهادی سفارشش نداده و هیچ عرضه‌کننده‌ای مهارش نمی‌کند. سپس نهاد ناظری قواعد را تغییر می‌دهد، مانند کاری که امسال ایتالیا و اسپانیا کردند، و آن مجموعه داده باز تنها منبعی از آب درمی‌آید که می‌توان منبع رسمی را با آن مستقل سنجید.

ارزش ماندگار همین‌جاست، و ربط چندانی به گریختن از جریمه ندارد. هفتاد و شش هزار دوربین را کسانی ثبت کرده‌اند که از کنارشان گذشته‌اند. و فهرست‌هایی که تعیین می‌کنند کدام‌یک قانوناً می‌تواند جریمه صادر کند، به دست وزارتخانه‌ها تدوین شده است. برای نخستین بار، دست‌کم در ایتالیا، هر دو فهرست همزمان وجود دارند، و کار جالب در فاصله میان آن دو نهفته است.