Talento

Três perguntas: O que um único carro pode dizer sobre o trânsito
Meshkat Botshekan, estudante de doutorado que trabalha com o MIT CSHub, está descobrindo uma alternativa inspirada na física mais eficiente e acessível.
Por André Logan - 10/02/2022


Meshkat Botshekan, estudante de doutorado e assistente de pesquisa no MIT Concrete Sustainability Hub, ajudou a desenvolver um método para estimar as condições de tráfego usando as medições coletadas de um único veículo. Foto: André Logan

O tráfego de veículos há muito desafia a descrição. Antes medidos aproximadamente por meio de inspeção visual e câmeras de trânsito, as novas ferramentas de crowdsourcing de smartphones agora quantificam o tráfego com muito mais precisão. Esse método 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 métodos de crowdsourcing analisando a física do tráfego. 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 tráfego - desde a formação de engarrafamentos à inferência da fase do trânsito e do comportamento de condução. Aqui, ele explica como descobertas recentes podem permitir que smartphones infiram propriedades de tráfego a partir das medições de um único veículo.  

Vários aplicativos de navegação já medem o tráfego. Por que precisamos de alternativas?

R: As características do tráfego sempre foram difíceis de medir. No passado, a inspeção visual e as câmeras eram usadas para produzir métricas de tráfego. Portanto, não há como negar que os aplicativos de ferramentas de navegação atuais oferecem uma alternativa superior. No entanto, mesmo essas ferramentas modernas têm lacunas.

O principal deles é a dependência de contagens de usuários distribuídas espacialmente: essencialmente, esses aplicativos registram seus usuários em segmentos de estrada para estimar a densidade do tráfego. Embora essa abordagem possa parecer adequada, ela é vulnerável à manipulação, como demonstrado em alguns vídeos virais , e requer imensas quantidades de dados para estimativas confiáveis. O processamento desses dados consome tanto tempo e recursos que, apesar de sua disponibilidade, eles não podem ser usados ​​para quantificar o tráfego de forma eficaz em toda a rede rodoviária. Como resultado, essa imensa quantidade de dados de tráfego não é realmente ideal para o gerenciamento de tráfego.

Como as novas tecnologias podem melhorar a forma como medimos o tráfego?

Novas alternativas têm o potencial de oferecer duas melhorias em relação aos métodos existentes: primeiro, elas podem extrapolar muito mais sobre o tráfego com muito menos dados. Em segundo lugar, eles podem custar uma fração do preço, oferecendo um método 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 estatística de alto nível na análise de dados.

Por exemplo, o aplicativo Carbin, que estamos desenvolvendo em colaboração com a UMass Dartmouth, aplica princípios de física estatística a modelos de tráfego existentes para dispensar totalmente a necessidade de contagens de usuários. Em vez disso, ele pode inferir a densidade de tráfego e o comportamento do motorista usando a entrada de um smartphone montado em um único veículo.

O método no coração do aplicativo, que foi publicado no outono passado na Physical Review E , trata os veículos como partículas 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 partícula individual com base no teorema ergódico da física estatística, podemos caracterizar o tráfego através das flutuações na velocidade e na posição de um único veículo em uma estrada. Como resultado, podemos inferir o comportamento e a densidade do tráfego em um segmento de uma estrada.

Como são necessários muito menos dados, esse método é mais rápido e torna o gerenciamento de dados mais gerenciável. Mas o mais importante, também tem o potencial de tornar os dados de tráfego mais baratos e acessíveis para aqueles que precisam deles.

Quem são algumas das partes que se beneficiariam das novas tecnologias?

Dados de tráfego mais acessíveis e sofisticados beneficiariam mais do que apenas motoristas que buscam rotas mais suaves e rápidas. Também permitiria que os departamentos de transporte estaduais e municipais (DOTs) fizessem intervenções locais e coletivas que promovam os objetivos críticos 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 tráfego. E como as comunidades socialmente vulneráveis sofrem violência no trânsito de forma desproporcional , essas intervenções teriam o benefício adicional de abordar questões urgentes de equidade. 

Haveria também um benefício ambiental. Os DOTs podem mitigar as emissões dos veículos identificando desvios de minuto no fluxo de tráfego. Isso os apresentaria com mais oportunidades para mitigar a marcha lenta e o congestionamento que geram o consumo excessivo de combustível.  

Como vimos, esses três desafios se tornaram cada vez mais agudos, especialmente nas áreas urbanas. No entanto, os dados necessários para resolvê-los já existem – e estão sendo coletados por smartphones e dispositivos telemáticos em todo o mundo. Assim, para garantir uma rede rodoviária mais segura e sustentável, será crucial incorporar esses métodos de coleta de dados em nossa tomada de decisão.

 

.
.

Leia mais a seguir