https://frosthead.com

Masa Lalu Lintas Trafik yang Lebih Baik Akan Mendapatkan Anda Lebih Pantas

Ia berlaku kepada setiap pemandu lebih kerap daripada dia mungkin suka: Perjalanan sepanjang laluan yang dirancang, dan entah bagaimana seseorang berjaya memukul setiap satu cahaya di sepanjang jalan. Bukan sahaja ia mengecewakan, tetapi bahan bakar stop-and-go bahan bakar, masa dan bahkan boleh menyebabkan kekacauan, menggiling seluruh bandar terhenti.

Perisian simulasi baru yang dibangunkan oleh Carolina Osorio, seorang penolong profesor kejuruteraan awam dan alam sekitar di MIT, berjanji untuk melicinkan trafik dengan cara yang lebih berkesan daripada perisian sebelum itu. Dengan mengoptimumkan masa lampu isyarat di luar keupayaan sistem semasa, modelnya telah ditunjukkan untuk mengurangkan masa perjalanan jam sibuk sebanyak 22 peratus.

Sistem pemasaan trafik biasanya berfungsi dalam salah satu daripada dua cara. Di bandar atau skala serantau yang besar, sistem menetapkan masa cahaya berdasarkan lalu lintas yang diperhatikan; ini dipanggil model berasaskan aliran. Simulator lain bekerja pada skala yang lebih kecil, dengan mengambil kira tindakan dan kebiasaan pemandu individu. Simulator ini bertindak sebagai kecerdasan buatan untuk membantu meramalkan bagaimana tingkah laku pemandu dan keputusan mungkin berubah dalam keadaan lalu lintas yang diberikan. Ia adalah perbezaan minit dan keputusan individu yang membuang model yang berasaskan aliran dari luar.

"Saya perlu menjelaskan bagaimana orang akan bertindak balas terhadap perubahan saya. Jika masa perjalanan meningkat pada jalan [arus], maka orang mungkin mengalihkan, "jelas Osorio." Kebanyakan perisian isyarat masa lalu melihat corak lalu lintas semasa atau sejarah, tidak mengambil kira bagaimana perjalanan mungkin berubah. "

Masalah ini dapat dikompaun apabila semakin banyak perubahan isyarat dilaksanakan. Katakan, sebagai contoh, anda mempunyai dua laluan yang mungkin untuk berulang-alik: Route A dan Route B. Anda paling sering memilih Route A, tapi satu hari perubahan masa lalu lintas cahaya, jadi anda memutuskan untuk beralih ke Laluan B. Bukan sahaja mempunyai aliran lalu lintas yang berubah pada Laluan A, tetapi mereka yang sudah mengambil Route B mungkin cenderung menimbang semula pilihan mereka. Perkara-perkara yang lebih rumit ialah bagaimana perubahan dan pelibatan itu mungkin meretas keluar dan menjejaskan seluruh jalan dan persimpangan di rantau ini.

Penyelesaian yang jelas adalah untuk menjalankan kedua-dua aliran dan model individu untuk semua senario. Tetapi simulasi setiap permutasi aliran trafik yang mungkin tidak boleh dilakukan. Jumlah kuasa pengkomputeran yang mungkin diperlukan untuk menyelesaikan simulasi kompleks sedemikian untuk seluruh bandar akan menyebabkan kos sistem mahal.

Untuk mengatasi masalah itu, tanpa mengorbankan kesetiaan dan kebolehpercayaan, sistem Osorio menggabungkan yang terbaik dari kedua-dua dunia. Hanya diperlukan senario berasaskan aliran terbaik, seperti yang dikenal pasti oleh perisian pemasaan biasa, dan menjalankan simulasi khusus pemandu hanya pada kes tersebut.

Sebagai contoh, ambil persimpangan yang mempunyai aliran lalu lintas yang lebih berat di utara dan selatan berbanding dengan timur dan barat. Model-model yang mudah boleh menyebabkan lampu isyarat memberi peluang lebih banyak masa hijau di lorong utara-selatan daripada di timur-barat. Kemudian, simulasi yang lebih kompleks dapat membantu menilai berapa lama lampu tersebut dan juga meramalkan kesan riak perubahan sedemikian.

Penyelesaiannya adalah berskala. "Katakan saya mempunyai 100 masa pengenalan yang berbeza yang saya mahu ujian, " kata Osorio. "Model yang lebih mudah dapat memberi gambaran tentang subset 100 yang boleh mempunyai potensi besar. Kemudian, kami menjalankan simulasi pada subset. "

Barisan berwarna mewakili jalan utama di Lausanne, Switzerland. Peta kiri, dengan pengaturcaraan cahaya lalu lintas konvensional, mempunyai banyak garis merah yang mewakili perjalanan panjang. Peta yang betul, yang menggunakan sistem penambah baik penyelidik, mempunyai banyak garis hijau yang mewakili perjalanan pendek. Barisan berwarna mewakili jalan utama di Lausanne, Switzerland. Peta kiri, dengan pengaturcaraan cahaya lalu lintas konvensional, mempunyai banyak garis merah yang mewakili perjalanan panjang. Peta yang betul, yang menggunakan sistem penambah baik penyelidik, mempunyai banyak garis hijau yang mewakili perjalanan pendek. (Hormat dari Carolina Osorio)

Kertas Osorio, yang akan diterbitkan dalam jurnal Transport Science, menerapkan modelnya ke trafik di Lausanne, Switzerland, sebuah kawasan di mana dia pernah hidup. Bekerja dengan data lalu lintas merentasi 47 jalan dan 15 persimpangan (sembilan daripadanya mempunyai lampu isyarat), kajian itu menggunakan algoritmanya pada jam pertama jam sibuk malam. Simulasi memotong masa perjalanan dengan hampir satu perempat.

Simulator aliran lalu lintas yang dimakan oleh Osorio ke modelnya biasanya dicipta oleh bandar-bandar itu sendiri. Perbandaran mengumpul data mereka sendiri mengenai keadaan lalu lintas yang berlaku dan maklumat banci saya, antara kaedah lain, untuk membuat model yang mereka percayai. Mereka kemudian menyerahkan simulasi mereka dengan metadata mengenai infrastruktur mereka, destinasi popular, lalu lintas pejalan kaki dan keutamaan lain yang berkaitan dengan Osorio.

Di Manhattan, misalnya, ada batasan tertentu mengenai berapa pejalan kaki harus mempunyai hak jalan. Jabatan Pengangkutan Bandaraya New York telah bekerjasama dengan pasukan Osorio untuk menguruskan aliran semasa tempoh puncak di kawasan trafik tinggi di Manhattan.

"Model sedemikian dapat mengesahkan sistem pengurusan trafik aktif kami di Manhattan, dan membolehkan kami menyempurnakan proses kami dan memperbaiki operasi rangkaian, " kata Mohamad Talas, timbalan pengarah kejuruteraan sistem untuk NYC DOT kepada MIT News .

Bergantung pada matlamat bandar, kata Osorio, model itu dapat membantu mengoptimumkan faktor-faktor yang berbeza. Contohnya, ia boleh menjejas lalu lintas untuk membantu pemandu meningkatkan ekonomi bahan api.

Pasukannya sudah bekerjasama dengan syarikat dalam beberapa projek. Mereka terlibat dalam usaha untuk membantu pemandu kereta autonomi masa depan mengenal pasti masa dan tempat yang sesuai untuk bertukar menjadi mod autonomi untuk menjimatkan bahan api. Satu lagi kerja yang sedang dijalankan akan membiarkan program perkongsian kereta, seperti ZipCar, lebih baik mencari lokasi pick-up dan drop-off mereka, supaya pelanggan dapat lebih pasti menganggarkan masa perjalanan mereka.

Semua kerja Osorio, termasuk ujian Lausanne, masih dalam fasa simulasi, dan tidak ada masa yang pasti untuk menerapkan pelajaran masa lalulintasnya ke jalan raya.

"Tetapi itulah sebabnya kami melakukan perkara-perkara ini, " katanya, "untuk melaksanakannya di dunia nyata."

Masa Lalu Lintas Trafik yang Lebih Baik Akan Mendapatkan Anda Lebih Pantas