Každému řidiči se to stává častěji, než by si přál: Cestovat po plánované trase a nějakým způsobem se podaří zasáhnout každé světlo po cestě. Nejen, že je to frustrující, ale i to, že stop-and-go plýtvá palivem, časem a může dokonce způsobit zatuhnutí, které zastaví celé město.
Nový simulační software vyvinutý Carolina Osorio, pomocný profesor stavebního a environmentálního inženýrství na MIT, slibuje hladší provoz efektivněji než jakýkoli jiný software před tím. Optimalizací načasování semaforů nad možnosti současných systémů se ukázalo, že její modely zkrátily dobu dopravní špičky o 22 procent.
Systémy časování semaforů obvykle fungují jedním ze dvou způsobů. Ve velkém městě nebo v regionálním měřítku nastavují systémy časování světla na základě pozorovaného provozu; Tyto modely se nazývají modely založené na toku. Ostatní simulátory pracují ve více mikro měřítku, přičemž zohledňují akce a návyky jednotlivých řidičů. Tyto simulátory fungují jako druh umělé inteligence, což pomáhá předpovídat, jak se chování a rozhodnutí řidičů mohou změnit v daných provozních podmínkách. Jsou to drobné rozdíly a individuální rozhodnutí, které odhazují modely založené na toku.
"Musím vysvětlit, jak lidé budou reagovat na mé změny." Pokud se doba cestování na arteriální [silnici] prodlouží, lidé by se mohli odklonit, "vysvětluje Osorio.„ Většina softwaru pro časování signálů se zaměřuje na současné nebo historické vzorce provozu. Nezohledňuje, jak by se cestování mohlo změnit. "
Tento problém se může zhoršovat, protože je implementováno stále více změn signálu. Řekněme například, že máte dvě možné trasy, kam dojíždět do práce: Trasa A a trasa B. Nejčastěji si vyberete trasu A, ale jednoho dne se změní časování semaforu, takže se rozhodnete přepnout na trasu B. Nejen se změnil tok provozu na trase A, ale ti, kteří již cestovali po trase B, by mohli mít sklon přehodnotit své možnosti. Další komplikací je to, jak se tyto změny a odklony mohou vlnit ven a ovlivnit zbytek silnic a křižovatek v regionu.
Zřejmým řešením je provozovat jak flow-based, tak individualizované modely pro všechny scénáře. Simulace každé možné permutace dopravního toku však není možná. Množství výpočetního výkonu, které může trvat, než se dokončí tak složitá simulace pro celé město, by způsobilo, že by náklady systému byly neúnosné.
Aby tento problém obešel, aniž by obětoval věrnost a spolehlivost, systém Osorio kombinuje to nejlepší z obou světů. Berou pouze nejlepší scénáře založené na toku, jak je identifikováno běžným časovacím softwarem, a spustí simulace specifické pro řidiče pouze v těchto případech.
Vezměte například křižovatku, která má mnohem těžší dopravní tok na sever a na jih než na východ a západ. Jednodušší modely mohou zdůvodnit, že semafor by měl umožňovat více zeleného času v severojižních pruzích než ve východo-západních. Pak mohou složitější simulace pomoci posoudit, jak dlouho by tato světla měla být, a také předpovídat zvlnění účinku takové změny.
Řešení je škálovatelné. "Řekněme, že jsem měl 100 různých časování signálu, které jsem chtěl otestovat, " říká Osorio. „Jednodušší model vám dá představu o podmnožině 100, která by mohla mít velký potenciál. Potom spustíme simulaci na podmnožině. “
Barevné linky představují hlavní silnice ve švýcarském Lausanne. Levá mapa s konvenčním programováním semaforů má mnoho červených čar, které představují dlouhé dojíždění. Správná mapa, která využívá vylepšený systém výzkumného pracovníka, má mnoho zelených čar, které představují krátké dojíždění. (S laskavým svolením Carolina Osorio) Osoriova kniha, která bude zveřejněna v časopise Transportation Science, použila svůj model na provoz v Lausanne ve Švýcarsku, oblasti, kde kdysi žila. Při práci s dopravními údaji na 47 silnicích a 15 křižovatkách (z toho devět semaforů) použila studie své algoritmy na první hodinu večerní dopravní špičky. Simulace zkrátily dobu cestování téměř o čtvrtinu.
Simulátory dopravního toku, které Osorio vkládá do svých modelů, obvykle vytvářejí samotné města. Obce shromažďují vlastní data o převládajících dopravních podmínkách a informace o sčítání min, mimo jiné k vytvoření modelů, kterým důvěřují. Poté předají společnosti Osorio své simulace s metadaty o své infrastruktuře, oblíbených cílech, provozu pro chodce a dalších důležitých prioritách.
Například na Manhattanu existují zvláštní omezení, jak dlouho by chodci měli mít právo na cestu. Oddělení dopravy v New Yorku již spolupracuje s týmem Osorio na řízení toku během období špičky v oblastech s vysokým provozem na Manhattanu.
"Takový model může potvrdit náš aktivní systém řízení provozu na Manhattanu a umožnit nám doladit naše procesy a zlepšit provoz sítě, " řekl MIT News Mohamad Talas, zástupce ředitele systémového inženýrství pro NYC DOT.
V závislosti na cílech města, říká Osorio, může model pomoci optimalizovat pro různé faktory. Například by to mohlo časově omezit provoz, aby řidiči pomohli zvýšit spotřebu paliva.
Její tým již spolupracuje s firmami na několika projektech. Zapojují se do snahy pomoci řidičům budoucích autonomních automobilů určit ideální časy a místa, kde se přepnou do autonomního režimu, aby se šetřilo palivo. Další probíhající práce umožní programům pro sdílení automobilů, jako je ZipCar, lépe lokalizovat místa vyzvednutí a odletu, takže zákazníci budou moci spolehlivěji odhadnout dobu jízdy.
Veškerá práce Osorio, včetně testu Lausanne, je stále ve fázi simulace a neexistuje žádná časová osa pro aplikaci jejích lekcí časování provozu na silnici.
"Ale proto děláme tyto věci, " říká, "implementovat je do skutečného světa."
