Melhorar o trânsito pode ser uma questão de eliminar algumas curvas à esquerda

Redação do Site Inovação Tecnológica - 28/07/2021

As melhores soluções para otimizar o tráfego passam por proibir algumas conversões à esquerda.
[Imagem: Urban Transportation Systems Group]

Conversões à esquerda

Melhorar o trânsito, diminuir os tempos de viagem e reduzir a poluição emitida pelos carros nas grandes cidades pode ser uma questão de eliminar algumas conversões à esquerda.

Segundo novas simulações matemáticas, quando o tráfego está congestionado, a maneira mais simples de reduzir esse congestionamento está na proibição de que os motoristas possam virar à esquerda em alguns cruzamentos - e apenas em alguns deles.

E Vikash Gayah e Murat Bayrak, da Universidade Estadual da Pensilvânia, desenvolveram uma técnica para ajudar as cidades a identificar onde restringir essas conversões para melhorar o fluxo geral do tráfego.

Segundo eles, restrições de conversão à esquerda bem colocadas em certos cruzamentos movimentados podem eliminar muitos dos gargalos que prejudicam a eficiência do tráfego.

"Todos nós já experimentamos aquela sensação de ficar preso esperando para fazer uma curva à esquerda. E, se você permitir que essas conversões tenham seu próprio semáforo verde, terá que parar todos os outros veículos, tornando a interseção menos produtiva. As conversões à esquerda também são onde você encontra os acidentes mais graves, especialmente com pedestres. Nossa ideia é nos livrarmos dessas curvas o quanto pudermos para criar cruzamentos mais seguros e eficientes," disse Gayah.

Há preocupações de que os carros sem motoristas causem um caos no trânsito se eles puderem ficar rodando para não pagar estacionamento.
[Imagem: Umich]

Melhor solução para o trânsito

Para os planejadores urbanos, determinar onde colocar restrições no trânsito envolve buscar um equilíbrio entre a produtividade da interseção e o aumento do comprimento das viagens. Com tantas possibilidades de restrição a serem consideradas, encontrar a configuração mais eficiente pode ser tão difícil quanto resolver o histórico problema do caixeiro-viajante.

"Por exemplo, se você tiver apenas 16 cruzamentos a serem considerados, cada um com a opção de permitir ou não conversões à esquerda, já são 65.000 configurações diferentes," calcula Gayah. "Fica ainda mais complicado quando você considera que o tráfego flui de uma interseção para a próxima, então as decisões dependem umas das outras. Acaba havendo tantas respostas possíveis que nunca podemos encontrar a melhor."

A dupla encontrou um caminho melhor para resolver esse problema usando algoritmos heurísticos, que usam atalhos para encontrar soluções que se aproximam de um resultado ideal - mas sem exigir que seja o resultado matematicamente ideal.

"Nós damos um palpite, aprendemos com ele e então fazemos suposições melhores. Com o tempo, podemos chegar muito, muito perto da melhor resposta," disse Gayah.

Outra solução para os congestionamentos está na internet dos carros.
[Imagem: CVIS]

Algoritmos para planejamento do trânsito

Na verdade, os pesquisadores combinaram dois algoritmos heurísticos já conhecidos para criar uma nova abordagem híbrida.

O primeiro, um algoritmo de aprendizado incremental baseado em população (PBIL), seleciona configurações potenciais aleatoriamente e reconhece as opções com melhor desempenho. Em seguida, um algoritmo de otimização Bayesiano analisa esse novo conjunto de alto desempenho para identificar como as restrições estavam afetando o tráfego nos cruzamentos adjacentes.

A otimização bayesiana combina informações iniciais sobre o problema e as atualiza ao longo do tempo, à medida que aprende novas informações, até chegar a uma solução ótima, mas não necessariamente perfeita. O algoritmo então aplica esse conhecimento da dinâmica do tráfego para encontrar soluções mais eficientes - sempre mais eficientes do que as obtidas com qualquer um dos dois algoritmos separadamente.

Nas análises feitas pelos pesquisadores, as configurações mais eficientes tendem a proibir conversões à esquerda no meio da cidade e permiti-las com mais frequência na periferia. Embora o método tenha sido aplicado a uma rede generalizada, os resultados podem ser usados como um ponto de partida para padrões de tráfego do mundo real, bastando que os algoritmos sejam configurados para as características de cada cidade.

"Eu não posso pegar a melhor configuração para Nova York e aplicá-la a São Francisco, mas essa abordagem generalizada pode ser configurada para qualquer rede com um pouco de codificação," disse Gayah.

Mais tópicos