Isso acontece com todos os pilotos com mais frequência do que ele ou ela provavelmente gostariam: Viaje ao longo de uma rota planejada e, de alguma forma, consiga acertar cada luz ao longo do caminho. Isso não só é frustrante, como também o desperdício e o desperdício consomem combustível, tempo e podem até causar um impasse, forçando uma cidade inteira a parar.
Novo software de simulação desenvolvido por Carolina Osorio, professora assistente de engenharia civil e ambiental no MIT, promete suavizar o tráfego de uma maneira mais eficaz do que qualquer software anterior. Ao otimizar o tempo dos semáforos além das capacidades dos sistemas atuais, seus modelos mostraram reduzir em 22% o tempo de viagem na hora do rush.
Os sistemas de sincronização de semáforos normalmente funcionam de duas maneiras. Em uma grande cidade ou escala regional, os sistemas definem o sincronismo leve com base no tráfego observado; estes são chamados de modelos baseados em fluxo. Outros simuladores trabalham em uma escala mais micro, levando em conta as ações e os hábitos dos motoristas individuais. Esses simuladores funcionam como uma espécie de inteligência artificial para ajudar a prever como os comportamentos e as decisões dos motoristas podem mudar em determinadas condições de tráfego. São essas pequenas diferenças e decisões individuais que jogam modelos baseados em fluxo fora de ordem.
“Eu preciso explicar como as pessoas reagirão às minhas mudanças. Se os tempos de viagem aumentam em uma via arterial, as pessoas podem desviar ", explica Osorio." A maioria dos softwares analisa os padrões de tráfego atuais ou históricos. Não leva em conta como as viagens podem mudar. "
Esse problema pode aumentar à medida que mais e mais mudanças de sinal são implementadas. Digamos, por exemplo, que você tenha duas rotas possíveis para ir ao trabalho: Rota A e Rota B. Na maioria das vezes você escolhe a Rota A, mas um dia o tempo da luz do tráfego muda, então você decide mudar para a Rota B. tem o fluxo de tráfego alterado na Rota A, mas aqueles que já estavam tomando a Rota B podem estar inclinados a reconsiderar suas opções. Para complicar ainda mais as coisas, essas mudanças e diversões podem se espalhar para fora e afetar o restante das estradas e interseções da região.
A solução óbvia é executar modelos baseados em fluxo e individualizados para todos os cenários. Mas simular toda a permutação possível do fluxo de tráfego não é viável. A quantidade de poder de computação necessária para concluir uma simulação tão complexa para uma cidade inteira tornaria o custo do sistema proibitivo.
Para contornar esse problema, sem sacrificar a fidelidade e a confiabilidade, o sistema da Osorio combina o melhor dos dois mundos. Ele leva apenas os melhores cenários baseados em fluxo, conforme identificado pelo software de sincronização comum, e executa as simulações específicas do driver apenas nesses casos.
Tomemos, por exemplo, uma interseção que tem um fluxo de tráfego muito mais pesado ao norte e ao sul do que a leste e oeste. Modelos mais simples podem argumentar que o semáforo deveria permitir mais tempo verde nas pistas norte-sul do que nas leste-oeste. Então, as simulações mais complexas podem ajudar a avaliar quanto tempo essas luzes devem ser e também prever o efeito cascata de tal mudança.
A solução é escalável. "Digamos que eu tenha 100 horários de sinal diferentes que eu queria testar", diz Osorio. “O modelo mais simples poderia dar uma ideia de um subconjunto dos 100 que poderia ter um grande potencial. Então, executamos a simulação no subconjunto.
Linhas coloridas representam as principais estradas em Lausanne, na Suíça. O mapa da esquerda, com programação convencional de semáforos, possui muitas linhas vermelhas que representam longos trajetos. O mapa da direita, que usa o sistema aprimorado do pesquisador, possui muitas linhas verdes que representam viagens curtas. (Cortesia de Carolina Osorio) O artigo de Osorio, que será publicado na revista Transportation Science, aplicou seu modelo ao tráfego em Lausanne, na Suíça, uma área onde ela viveu. Trabalhando com dados de tráfego em 47 estradas e 15 cruzamentos (nove dos quais com semáforos), o estudo aplicou seus algoritmos na primeira hora da hora do rush da noite. As simulações reduzem o tempo de viagem em quase um quarto.
Os simuladores de fluxo de tráfego que o Osorio alimenta em seus modelos são tipicamente criados pelas próprias cidades. As municipalidades coletam seus próprios dados sobre as condições de tráfego predominantes e informações sobre censos de mineração, entre outros métodos, para criar modelos nos quais eles confiam. Eles então entregam suas simulações incorporadas com metadados sobre sua infraestrutura, destinos populares, tráfego de pedestres e outras prioridades relevantes para Osório.
Em Manhattan, por exemplo, há restrições específicas quanto à duração dos pedestres. O Departamento de Transportes de Nova York já está colaborando com a equipe de Osorio para gerenciar o fluxo durante períodos de pico em áreas de alto tráfego em Manhattan.
"Tal modelo pode validar nosso sistema ativo de gerenciamento de tráfego em Manhattan e nos permite ajustar nossos processos e melhorar a operação da rede", disse Mohamad Talas, vice-diretor de engenharia de sistemas do NYT DOT ao MIT News .
Dependendo dos objetivos de uma cidade, diz Osorio, o modelo pode ajudar a otimizar fatores diferentes. Por exemplo, o tráfego de tempo pode ajudar os condutores a aumentar a economia de combustível.
Sua equipe já está colaborando com empresas em vários projetos. Eles estão envolvidos em um esforço para ajudar os motoristas de futuros carros autônomos a identificar os horários e locais ideais para alternar para o modo autônomo, a fim de economizar combustível. Outro trabalho em andamento permitirá que os programas de compartilhamento de carros, como o ZipCar, localizem melhor seus locais de coleta e entrega, para que os clientes possam estimar com mais confiança seus tempos de viagem.
Todo o trabalho de Osorio, incluindo o teste de Lausanne, ainda está em fase de simulação, e não há um cronograma definido para a aplicação de suas lições de tráfego na estrada.
"Mas é por isso que fazemos essas coisas", diz ela, "para implementá-las no mundo real".
