Talento
Traªs perguntas: O que um aºnico carro pode dizer sobre o tra¢nsito
Meshkat Botshekan, estudante de doutorado que trabalha com o MIT CSHub, estãodescobrindo uma alternativa inspirada na física mais eficiente e acessavel.
Por
André Logan - 10/02/2022
Meshkat Botshekan, estudante de doutorado e assistente de pesquisa no MIT Concrete Sustainability Hub, ajudou a desenvolver um manãtodo para estimar as condições de tra¡fego usando as medições coletadas de um aºnico veaculo. Foto: AndréLogan
O tra¡fego de veaculos hámuito desafia a descrição. Antes medidos aproximadamente por meio de inspeção visual e ca¢meras de tra¢nsito, as novas ferramentas de crowdsourcing de smartphones agora quantificam o tra¡fego com muito mais precisão. Esse manãtodo popular, no entanto, também apresenta um problema: medições precisas exigem muitos dados e usuários
.
Meshkat Botshekan, estudante de doutorado do MIT em engenharia civil e ambiental e assistente de pesquisa no MIT Concrete Sustainability Hub, procurou expandir os manãtodos de crowdsourcing analisando a física do tra¡fego. Durante seu tempo como candidato a doutorado, ele ajudou a desenvolver o Carbin , uma ferramenta de crowdsourcing de estradas baseada em smartphone criada pelo MIT CSHub e pela Universidade de Massachusetts Dartmouth, e usou seus dados para oferecer mais informações sobre a física do tra¡fego - desde a formação de engarrafamentos a inferaªncia da fase do tra¢nsito e do comportamento de condução. Aqui, ele explica como descobertas recentes podem permitir que smartphones infiram propriedades de tra¡fego a partir das medições de um aºnico veaculo. Â
Va¡rios aplicativos de navegação já medem o tra¡fego. Por que precisamos de alternativas?
R: As caracteristicas do tra¡fego sempre foram difaceis de medir. No passado, a inspeção visual e as ca¢meras eram usadas para produzir manãtricas de tra¡fego. Portanto, não hácomo negar que os aplicativos de ferramentas de navegação atuais oferecem uma alternativa superior. No entanto, mesmo essas ferramentas modernas tem lacunas.
O principal deles éa dependaªncia de contagens de usuários distribuadas espacialmente: essencialmente, esses aplicativos registram seus usuários em segmentos de estrada para estimar a densidade do tra¡fego. Embora essa abordagem possa parecer adequada, ela évulnera¡vel a manipulação, como demonstrado em alguns vadeos virais , e requer imensas quantidades de dados para estimativas confia¡veis. O processamento desses dados consome tanto tempo e recursos que, apesar de sua disponibilidade, eles não podem ser usados ​​para quantificar o tra¡fego de forma eficaz em toda a rede rodovia¡ria. Como resultado, essa imensa quantidade de dados de tra¡fego não érealmente ideal para o gerenciamento de tra¡fego.
Como as novas tecnologias podem melhorar a forma como medimos o tra¡fego?
Novas alternativas tem o potencial de oferecer duas melhorias em relação aos manãtodos existentes: primeiro, elas podem extrapolar muito mais sobre o tra¡fego com muito menos dados. Em segundo lugar, eles podem custar uma fração do prea§o, oferecendo um manãtodo muito mais simples de coleta de dados. Assim como o Waze e o Google Maps, eles contam com dados de crowdsourcing dos usuários. No entanto, eles são fundamentados na incorporação de física estatastica de altonívelna análise de dados.
Por exemplo, o aplicativo Carbin, que estamos desenvolvendo em colaboração com a UMass Dartmouth, aplica princapios de física estatastica a modelos de tra¡fego existentes para dispensar totalmente a necessidade de contagens de usuários. Em vez disso, ele pode inferir a densidade de tra¡fego e o comportamento do motorista usando a entrada de um smartphone montado em um aºnico veaculo.
O manãtodo no coração do aplicativo, que foi publicado no outono passado na Physical Review E , trata os veaculos comopartículas em um sistema de muitos corpos. Assim como o comportamento de um sistema fechado de muitos corpos pode ser entendido observando o comportamento de uma partacula individual com base no teorema erga³dico da física estatastica, podemos caracterizar o tra¡fego atravanãs das flutuações na velocidade e na posição de um aºnico veaculo em uma estrada. Como resultado, podemos inferir o comportamento e a densidade do tra¡fego em um segmento de uma estrada.
Como são necessa¡rios muito menos dados, esse manãtodo émais rápido e torna o gerenciamento de dados mais gerencia¡vel. Mas o mais importante, também tem o potencial de tornar os dados de tra¡fego mais baratos e acessaveis para aqueles que precisam deles.
Quem são algumas das partes que se beneficiariam das novas tecnologias?
Dados de tra¡fego mais acessaveis e sofisticados beneficiariam mais do que apenas motoristas que buscam rotas mais suaves e rápidas. Tambanãm permitiria que os departamentos de transporte estaduais e municipais (DOTs) fizessem intervenções locais e coletivas que promovam os objetivos craticos de transporte de equidade, segurança e sustentabilidade.
Como solução de segurança, novas tecnologias de coleta de dados podem identificar condições de direção perigosas em uma escala muito mais precisa para informar medidas aprimoradas de moderação de tra¡fego. E como as comunidades socialmente vulnera¡veis sofrem violência no tra¢nsito de forma desproporcional , essas intervenções teriam o benefacio adicional de abordar questões urgentes de equidade.Â
Haveria também um benefacio ambiental. Os DOTs podem mitigar as emissaµes dos veaculos identificando desvios de minuto no fluxo de tra¡fego. Isso os apresentaria com mais oportunidades para mitigar a marcha lenta e o congestionamento que geram o consumo excessivo de combustavel. Â
Como vimos, esses três desafios se tornaram cada vez mais agudos, especialmente nas áreas urbanas. No entanto, os dados necessa¡rios para resolvaª-los já existem ose estãosendo coletados por smartphones e dispositivos telema¡ticos em todo o mundo. Assim, para garantir uma rede rodovia¡ria mais segura e sustenta¡vel, serácrucial incorporar esses manãtodos de coleta de dados em nossa tomada de decisão.
