![Crédito: Pixabay/CC0 dominio público embotellamiento](https://proyectoinversor.com/wp-content/uploads/2023/10/traffic-jam.jpg)
Crédito: Pixabay/CC0 dominio público
Un experto en transporte de la UNSW puede haber encontrado la solución a una de las mayores molestias de los automovilistas: quedarse sentados en el tráfico.
El profesor Vinayak Dixit, de la Escuela de Ingeniería Civil y Ambiental de la UNSW, ha desarrollado una tecnología de señales de tráfico que tiene en cuenta la congestión del tráfico en tiempo real utilizando datos de aplicaciones de navegación móviles.
Estas aplicaciones, como Google Maps, Apple Maps o Waze, proporcionan a sus usuarios información en tiempo real sobre el tiempo de viaje, la velocidad, la ubicación y los retrasos del tráfico. Este tipo de datos se utilizan para comprender los comportamientos de movilidad y los patrones de congestión a un costo significativamente bajo.
«La red actual de semáforos depende en gran medida de sensores para determinar cuándo y con qué frecuencia se asignan luces verdes en cada intersección», afirma.
“Sin embargo, el problema es que no tienen en cuenta el tiempo que le toma a un conductor viajar desde la intersección A hasta la intersección B.
«Por lo tanto, es posible que estés conduciendo por una carretera muy transitada o tranquila y acabes deteniéndote en cada semáforo. Esto se debe a que no tiene en cuenta la distancia que tienes que recorrer para llegar al siguiente semáforo, aunque Puede que no haya coches en la carretera.
«Sabemos que esta información ya está disponible en las aplicaciones de navegación móvil que ya nos ayudan a desplazarnos, así que ¿por qué no utilizarla a nuestro favor? Y hemos demostrado que puede ayudar a aliviar la congestión incluso en las horas punta.
«Las señales de tráfico en el momento inadecuado son una de las razones por las que los conductores permanecen en el tráfico más tiempo del debido, lo que a menudo resulta en un aumento de los tiempos de viaje».
¿Cómo funcionan las señales de tráfico?
Tradicionalmente, los semáforos se pueden programar para señalar de manera diferente según el movimiento de vehículos y personas en esa intersección. Dependen de tecnología como sensores y cámaras para determinar cuándo deben cambiar los semáforos.
Los sensores, o detectores de bucle, están integrados en la carretera y pueden detectar cualquier objeto metálico, como un vehículo de motor, motocicletas o autobuses y camiones. Las señales se programan con una presión máxima, o contrapresión, que son algoritmos de enrutamiento destinados a minimizar la acumulación de colas en la red de un intervalo de tiempo de señal de tráfico al siguiente.
El profesor Dixit dice que la red también utiliza cámaras para capturar y analizar el tamaño de las colas en las intersecciones, aunque los datos se limitan únicamente a esa intersección en particular.
«Tradicionalmente, los altos costos y el acceso limitado a los datos de retrasos han significado que la mayoría de los sistemas de semáforos adaptables se hayan basado en datos sobre el volumen y la longitud de las colas», afirma.
«En una red de tráfico basada en una demanda especulativa y una política específica de control de señales, la red se considera estable sólo si el número medio de vehículos en el sistema a lo largo del tiempo se mantiene dentro del volumen esperado.
“Sin embargo, si el volumen de vehículos es superior al esperado, la red se vuelve inestable y la capacidad disponible, que está determinada en parte por el horario de los semáforos, es insuficiente para la demanda media.
«Aquí es donde empezamos a ver una acumulación de congestión en nuestras carreteras».
Sólidos resultados en el extranjero
El profesor Dixit y su equipo han demostrado que el uso de datos de colaboración abierta reduce la congestión del tráfico.
Realizaron experimentos de campo en 30 intersecciones entre India e Indonesia, países conocidos por sus transitadas redes de carreteras.
La mayoría de las intersecciones tenían una configuración de carriles similar, lo que resultaba en tasas de flujo de tráfico casi idénticas.
En esas intersecciones, se instaló un controlador de placa base de código abierto y de bajo costo que recibía información en tiempo real de los datos de Google en intervalos de cinco minutos.
El controlador fue programado para gestionar conflictos en las intersecciones y asignar luces verdes más largas según los datos recopilados.
Los resultados mostraron una reducción de los retrasos de hasta un 37%.
«Finalmente, queremos preguntarle a Google o Waze, ¿cuál es el retraso entre cada intersección? ¿Y cuál es el tiempo de viaje entre las dos?» dice el profesor. Dixit.
«Basándonos en datos en tiempo real, programamos señales para asignar más luces verdes a los conductores en un área determinada porque hay una mayor acumulación de congestión».
Según él, esta tecnología cuesta entre una quinta y una décima parte del coste de los sistemas de control de tráfico actuales y además requiere menos mantenimiento.
«Y como estamos reduciendo la congestión, hay una disminución del 8% en las emisiones de los automóviles porque los conductores pasan menos tiempo en sus desplazamientos».
Allanando el camino para una menor congestión
Los estándares y regulaciones de señales de tránsito establecidos por la agencia de transporte gubernamental de cada estado históricamente se han construido en torno a tecnologías de sensores. Estas normas controlan el diseño, construcción, instalación, mantenimiento y reemplazo de señales de control de tráfico.
El profesor. Dixit dice que implementar la tecnología es solo el primer paso para reducir la congestión y mejorar la experiencia de conducción de los usuarios de la vía.
Dice: “Al planificar con antelación las normas de tráfico, incluidos los niveles de calidad que podemos esperar de los datos.
“Aún necesitamos entender qué nivel de precisión debemos esperar de los datos.
“Por supuesto, no podemos esperar que los datos de estas aplicaciones de navegación sean siempre 100% precisos y necesitamos averiguar en qué nivel se sienten cómodos todos.
«No queremos abandonar los sensores físicos tradicionales. Se trata de ampliar el alcance para permitir e incluir otros flujos de datos en la regulación».
El profesor Dixit y su equipo están trabajando actualmente con Sydney Coordinated Adaptive Systems (SCATS) para ver cómo pueden comercializar la tecnología e implementarla aquí en Australia.
«Creo firmemente que todos los datos recopilados de los conductores deberían democratizarse en beneficio de todos los conductores al volante», afirma.
«Existe una oportunidad de aprovechar los datos que los usuarios de la carretera ya están proporcionando. Si provienen de nosotros, deberíamos utilizarlos».
Proporcionado por la Universidad de Nueva Gales del Sur.
Citación: Los datos de tráfico de origen colaborativo pueden ayudar a aliviar el tiempo atrapado en el tráfico, dice un experto en transporte (2023, 11 de octubre) obtenido el 12 de octubre de 2023 de https://techxplore.com/news/2023-10-crowdsourced -traffic-ease-stuck- experto. HTML
Este documento está sujeto a derechos de autor. Excepto cuando sea apropiado para fines de investigación o estudio privado, ninguna parte puede reproducirse sin permiso por escrito. El contenido se proporciona únicamente con fines informativos.
¿Te ha gustado la entrada? No olvides compartir el contenido con quién pueda ser de interés. Para cualquier duda o sugerencia, déjanos un comentario , los leemos todos y estamos encantados de responder.
Blog de Proyecto Inversor:
[pt_view id="b78c018sd2"]
Deja una respuesta