Revolucionando la gestión de intersecciones utilizando datos de vehículos conectados

Diseño de movimiento INSIDER

El tráfico pasa por una de las 34 intersecciones que formaron parte del estudio de datos de vehículos conectados en Birmingham, MI. (Imagen:Jeremy Little, Ingeniería de Michigan)

Las comunidades podrían reducir costos y reducir las emisiones de los vehículos, todo con el fin de acortar su viaje.

Con datos de GPS de tan solo el seis por ciento de los vehículos en la carretera, los investigadores de la Universidad de Michigan pueden recalibrar las señales de tráfico para reducir significativamente la congestión y los retrasos en las intersecciones.

En un estudio piloto de 18 meses realizado en Birmingham, Michigan, el equipo utilizó datos de vehículos conectados proporcionados por General Motors para probar su sistema, lo que resultó en una disminución del 20 al 30 por ciento en el número de paradas en las intersecciones señalizadas.

Es el primer sistema de reprogramación de señales de tráfico basado en la nube a gran escala del mundo y representa una gran oportunidad para que las comunidades recalibren sus patrones de señales a un costo reducido.

El sistema de la Universidad de Michigan toma datos de GPS de un porcentaje de vehículos en la carretera y extrapola los patrones de tráfico. Por ejemplo, un vehículo conectado que se detiene aproximadamente a 100 pies de una intersección indica claramente que está detrás de al menos otros tres o cuatro vehículos.

"Si bien los detectores en las intersecciones pueden proporcionar recuento de tráfico y velocidad estimada, el acceso a la información de la trayectoria del vehículo, incluso con tasas de penetración bajas, proporciona datos más valiosos, incluido el retraso del vehículo, el número de paradas y la selección de ruta", afirmó Henry Liu, profesor de ingeniería civil de la Universidad de Michigan y director tanto del campo de pruebas automotrices conectado inalámbricamente de Mcity como del Centro para el transporte conectado y automatizado.

Hay aproximadamente 320.000 señales de tráfico en Estados Unidos y los costos anuales de congestión (directos e indirectos) asociados con esas intersecciones ascienden a 22.900 millones de dólares. Esos costos incluyen el tiempo de espera en las luces, así como el consumo innecesario de energía causado por tiempos de señal que podrían mejorarse.

La mayoría de los semáforos funcionan según un plan de sincronización de señales según la hora del día, donde existen patrones preestablecidos para la mañana, la tarde, la noche y la noche. Los planificadores de tráfico intentan coordinar esos ciclos con las intersecciones circundantes para permitir que los automóviles fluyan entre las intersecciones con la menor cantidad de paradas y arranques posible.

"La razón por la que estas señales deberían cambiarse con más frecuencia es que el tráfico siempre cambia", dijo Liu. "Un buen ejemplo son los patrones de tráfico que vimos el año anterior a la llegada de la COVID y los dos años posteriores. La hora pico de la mañana cambió drásticamente con tanta gente trabajando desde casa. Cuando ves ese tipo de cambio es necesario volver a cronometrar las señales".

Optimizar las señales para mantenerse al día con los cambios en los flujos de tráfico no es una tarea sencilla. Los costos y el tiempo que implica realizar recuentos y recálculos del tráfico significan que la mayoría de los municipios no volverán a realizar evaluaciones durante dos a cinco años, o a veces décadas.

Si bien las señales adaptativas existen desde la década de 1970 y detectan vehículos en las intersecciones para reprogramar las señales casi en tiempo real, su costo ha impedido su uso generalizado. La instalación de un sistema adaptativo en una sola intersección puede costar hasta $50,000, y requiere mantenimiento regular, un precio que no todas las comunidades pueden pagar. El sistema de optimización de la Universidad de Michigan costaría una fracción de lo que cuesta un sistema adaptativo.

El sistema, llamado diagrama espacio-temporal probabilístico, permite que un porcentaje menor de datos del vehículo conectado realice la misma carga de trabajo que los sensores en una señal de tráfico adaptativa. Para probar su eficacia, los investigadores recopilaron datos durante tres semanas en marzo de 2022 de cada una de las 34 intersecciones señalizadas de Birmingham, Michigan, la mayoría de las cuales son sistemas de horario fijo.

“Lo que esto realmente ha logrado es resolver nuestro problema de recopilación de datos”, dijo Gary Piotrowicz, subdirector general de la Comisión de Carreteras del condado de Oakland. "Y podría argumentar que así será como lo harán todos en el país. Una vez que hayan solidificado el sistema, no hay razón para hacerlo de otra manera".

Fuente 

Transcripción

00:00:00 ¿Alguna vez te has sentado frente a un semáforo en rojo y te has preguntado por qué tarda tanto en ponerse verde? Reprogramar cada semáforo cuesta alrededor de $5,000 en este momento, por eso para la mayoría de las agencias de gestión de tráfico, las señales de tráfico solo se hacen R cada dos a cinco años o incluso más. La conclusión es que las señales no funcionan tan eficientemente como podrían.

00:00:23 más congestión en las carreteras y más congestión conduce a una mala seguridad Los investigadores de ingeniería de Michigan se han asociado con la Comisión de Carreteras del Condado de Oakland para desarrollar un proceso más rápido y económico para optimizar las señales de tráfico. Es un sistema basado en la nube que utiliza datos de GPS de vehículos conectados pilotados en Birmingham, Michigan, su sistema pudo disminuir

00:00:44 retraso del tráfico en un 20% y reducción del número de paradas en una intersección en un 30%. La implementación del sistema es en realidad muy, muy simple porque los datos que ya están en la nube están siendo recopilados por los fabricantes de automóviles y podemos ayudar a las agencias de gestión del tráfico a utilizar esos datos para evaluar el rendimiento de sus señales de tráfico y luego ayudarles a

00:01:08 optimizar el parámetro de la señal de tráfico aéreo actualmente las intersecciones están equipadas con señales de tráfico fijas o adaptativas si la señal es adaptativa puede usar sensores para detectar el tráfico en una intersección para cronometrar y si está arreglado un controlador de tráfico debe dirigirse a la intersección en las horas pico para contar el número de vehículos en una señal y estamos

00:01:29 intente desarrollar planes de cronometraje que funcionen las 24 horas, los 7 días de la semana, los 365 días del año, con datos que en realidad no son tan buenos como nos gustaría que fueran. Los datos de trayectoria del vehículo proporcionan mucha más información que solo los recuentos de tráfico. En lugar de eso, permiten a los controladores de tráfico ver el número de paradas, retrasos del vehículo y selecciones de ruta de solo una pequeña cantidad de vehículos conectados.

00:01:53 luego se pueden introducir en el sistema de optimización donde pueden evaluar el rendimiento de las señales y crear una nueva planta de sincronización basada en los datos. Lo que nos permite actualizar las señales con más frecuencia, en lugar de tal vez una vez cada 5 años o más, ahora podemos echar un vistazo a esto, tal vez cada pocos meses, para asegurarnos de que tenemos el

00:02:13 los mejores tiempos que existen en el sistema, lo que hace que el sistema sea más eficiente, incluso si no cambiamos los tiempos, nos confirmará que lo que hay es lo mejor. Realmente beneficia al automovilista en las ciudades. Esto significa que el mantenimiento de las señales de tráfico es mucho más frecuente y a una fracción del costo, y para usted, menos tiempo en los semáforos en rojo y un viaje más rápido. Los vehículos conectados están en todas partes

00:02:35 Así que es fácil para nosotros escalar el sistema porque podemos aprovechar sus datos no solo en el estado de Michigan sino en otros lugares. Estamos hablando de obtener datos las 24 horas, los 7 días de la semana, que están automatizados y son los mejores datos con los que hemos tenido que trabajar, lo cual es realmente emocionante