Vsakemu vozniku se zgodi pogosteje, kot bi si verjetno želel: Potujte po načrtovani poti in nekako uspe udariti vsako luč na poti. Ne le, da je frustrirajoče, ampak to, da stop-and-go izgublja gorivo, čas in lahko celo povzroči zapore, ki uničijo celo mesto.
Nova simulacijska programska oprema, ki jo je razvila Carolina Osorio, docentka za gradbeni in okoljski inženiring na MIT, obljublja, da bo nemoteno urejala promet kot vsaka programska oprema pred njim. Z optimizacijo časa semaforja, ki presega zmogljivosti sedanjih sistemov, je bilo dokazano, da so njeni modeli skrajšali čas potovanja v urnih urah za 22 odstotkov.
Sistemi za merjenje časa na semaforju običajno delujejo na dva načina. V velikem mestnem ali regionalnem merilu sistemi določajo svetlobno merjenje časa na podlagi opazovanega prometa; ti se imenujejo modeli na osnovi pretoka. Drugi simulatorji delujejo na bolj mikro lestvici, pri čemer upoštevajo dejanja in navade posameznih voznikov. Ti simulatorji delujejo kot nekakšna umetna inteligenca, ki pomagajo napovedati, kako se lahko obnašanje in odločitve voznikov spremenijo v danih prometnih razmerah. Tiste minutne razlike in posamezne odločitve mečejo modele, ki temeljijo na toku.
»Moram razložiti, kako se bodo ljudje odzvali na moje spremembe. Če se potovalni časi po cesti podaljšajo, potem se lahko ljudje preusmerijo, "razlaga Osorio." Večina programske opreme za določanje časa signala gleda na trenutne ali zgodovinske vzorce prometa. Ne upošteva, kako se lahko potovanje spremeni. "
Ta težava se lahko še poveča, saj se izvajajo vse več sprememb signala. Recimo, na primer, da imate na delo dve poti: poti A in poti B. Najpogosteje izberete pot A, vendar se en dan spremeni semafor, zato se odločite za prehod na pot B. Ne samo se je tok prometa na poti A spremenil, toda tisti, ki so že vozili na pot B, bodo morda nagnjeni k ponovni preučitvi svojih možnosti. Nadaljnja težava je, kako lahko te spremembe in preusmeritve odcepijo navzven in vplivajo na preostale ceste in križišča v regiji.
Očitna rešitev je zagnati tako modele, ki temeljijo na toku, kot tudi individualizirane modele za vse scenarije. Toda simuliranje vsake možne permutacije prometnega toka ni izvedljivo. Količina računalniške moči, ki bi jo lahko potrebovali za dokončanje tako zapletene simulacije za celotno mesto, bi stroški sistema postali prepovedani.
Za reševanje tega vprašanja, ne da bi pri tem žrtvovali zvestobo in zanesljivost, sistem Osorio združuje najboljše iz obeh svetov. Vzame le najboljše scenarije, ki temeljijo na toku, kot jih je opredelila običajna programska oprema za določanje časa, in izvaja simulacije, specifične za voznike, samo v teh primerih.
Vzemimo za primer križišče, ki ima veliko močnejši prometni tok proti severu in jugu kot vzhod in zahod. Preprostejši modeli lahko povzročijo, da bi semafor moral imeti več zelenega časa na pasu sever-jug kot na vzhodu in zahodu. Nato lahko bolj zapletene simulacije pomagajo oceniti, kako dolgo naj bodo te luči, in tudi napovejo, da se bo takšna sprememba pojavila.
Raztopina je obsežna. "Recimo, da sem imel 100 različnih signalov, ki sem jih želel preizkusiti, " pravi Osorio. »Preprostejši model bi vam lahko dal predstavo o podskupini 100, ki bi lahko imela velik potencial. Nato zaženemo simulacijo na podskupino. "
Barvne črte predstavljajo glavne ceste v Lozani v Švici. Na levem zemljevidu je z običajnim programiranjem semaforja veliko rdečih črt, ki predstavljajo dolga prevozna sredstva. Na pravem zemljevidu, ki uporablja izboljšan sistem raziskovalca, je veliko zelenih črt, ki predstavljajo kratke poti. (Z dovoljenjem Carolina Osorio) Osoriov prispevek, ki bo objavljen v reviji Transport Science, je svoj model uporabil za promet v Lozani v Švici, na območju, kjer je nekoč živela. V raziskavi je sodelovala s podatki o prometu na 47 cestah in 15 križiščih (od tega jih je devet semaforjev), svoje algoritme pa je uporabila na prvi uri zvečer. Simulacije skrajšajo čas potovanja za skoraj eno četrtino.
Simulatorje pretoka prometa, ki jih Osorio napaja v svoje modele, običajno ustvarijo mesta sama. Občine med drugimi metodami zbirajo svoje podatke o prevladujočih prometnih razmerah in podatke o popisu rudnikov, da ustvarijo modele, ki jim zaupajo. Nato svoje simulacije, vgrajene z metapodatki o svoji infrastrukturi, priljubljenih destinacijah, prometu za pešce in drugih pomembnih prioritetah, predajo Osoriou.
Na Manhattnu na primer obstajajo posebne omejitve glede dolžine poti za pešce. Ministrstvo za promet v New Yorku že sodeluje z Osoriovo ekipo za upravljanje pretoka v največjih obdobjih na območjih z velikim prometom na Manhattnu.
"Tak model lahko potrdi naš aktivni sistem upravljanja prometa na Manhattnu in nam omogoči natančno prilagoditev naših procesov in izboljšanje delovanja omrežja, " je za MIT News povedal Mohamad Talas, namestnik direktorja sistemskega inženiringa za NYC DOT.
Osorio pravi, da lahko model pomaga pri optimizaciji različnih dejavnikov. Na primer, lahko promet traja, da bi voznikom pomagali povečati ekonomičnost porabe goriva.
Njena ekipa že sodeluje s podjetji na več projektih. Vključeni so v prizadevanje, da bi voznikom bodočih avtonomnih avtomobilov pomagali določiti idealne čase in kraje, ki jih lahko preklopijo v avtonomni način, da prihranijo gorivo. Še eno delo, ki je v teku, bo omogočilo, da bodo programi skupne rabe avtomobilov, na primer ZipCar, lažje našli svoje kraje za prevzem in opustitev, tako da bodo kupci lahko bolj zanesljivo ocenili čas potovanja.
Vse delo Osorio, vključno z Lausannovim testom, je še vedno v fazi simulacije in ni natančno določenih časovnih rokov za uporabo njenih lekcij o časovnem prometu na cesti.
"Ampak zato to počnemo, " pravi, "da jih izvajamo v resničnem svetu."
