Voertuigverkeer heeft lang de beschrijving getrotseerd. Eens ruwweg gemeten door visuele inspectie en verkeerscamera's, kwantificeren nieuwe crowdsourcing-tools voor smartphones nu het verkeer veel nauwkeuriger. Deze populaire methode brengt echter ook een probleem met zich mee:nauwkeurige metingen vereisen veel gegevens en gebruikers.

Meshkat Botshekan, een MIT Ph.D. student civiele techniek en milieutechniek en onderzoeksassistent aan de MIT Concrete Sustainability Hub, heeft geprobeerd om crowdsourcing-methoden uit te breiden door de fysica van verkeer te onderzoeken. Tijdens zijn tijd als promovendus heeft hij meegewerkt aan de ontwikkeling van Carbin, een op smartphones gebaseerde crowdsourcing-tool voor wegen, gemaakt door MIT CSHub en de Universiteit van Massachusetts Dartmouth, en heeft hij de gegevens ervan gebruikt om meer inzicht te bieden in de fysica van verkeer - vanaf de vorming van files tot de inferentie van verkeersfase en rijgedrag. Hier legt hij uit hoe met recente bevindingen smartphones verkeerseigenschappen kunnen afleiden uit de metingen van een enkel voertuig.

V:Talloze navigatie-apps meten al het verkeer. Waarom hebben we alternatieven nodig?

A:Verkeerskenmerken zijn altijd moeilijk te meten geweest. In het verleden werden visuele inspectie en camera's gebruikt om verkeersstatistieken te produceren. Het valt dus niet te ontkennen dat de huidige apps voor navigatiehulpmiddelen een superieur alternatief bieden. Maar zelfs deze moderne tools hebben hiaten.

De belangrijkste daarvan is hun afhankelijkheid van ruimtelijk verdeelde gebruikersaantallen:in wezen tellen deze apps hun gebruikers op wegsegmenten om de verkeersdichtheid te schatten. Hoewel deze aanpak misschien adequaat lijkt, is het zowel kwetsbaar voor manipulatie, zoals wordt aangetoond in sommige virale video's, als enorme hoeveelheden gegevens voor betrouwbare schattingen. Het verwerken van deze gegevens is zo tijdrovend en arbeidsintensief dat ze, ondanks hun beschikbaarheid, niet kunnen worden gebruikt om het verkeer over een heel wegennet effectief te kwantificeren. Daardoor is deze enorme hoeveelheid verkeersgegevens eigenlijk niet optimaal voor verkeersmanagement.

V:Hoe kunnen nieuwe technologieën de manier waarop we verkeer meten, verbeteren?

A:Nieuwe alternatieven kunnen twee verbeteringen bieden ten opzichte van bestaande methoden:ten eerste kunnen ze veel meer over verkeer extrapoleren met veel minder gegevens. Ten tweede kunnen ze een fractie van de prijs kosten, terwijl ze een veel eenvoudigere methode voor gegevensverzameling bieden. Net als Waze en Google Maps vertrouwen ze op crowdsourcinggegevens van gebruikers. Toch zijn ze gebaseerd op de integratie van statistische fysica op hoog niveau in gegevensanalyse.

Zo past de Carbin-app, die we ontwikkelen in samenwerking met UMass Dartmouth, principes van statistische fysica toe op bestaande verkeersmodellen om het tellen van gebruikers volledig te vermijden. In plaats daarvan kan het de verkeersdichtheid en het rijgedrag afleiden met behulp van de invoer van een smartphone die in één voertuig is gemonteerd.

De methode in het hart van de app, die afgelopen najaar werd gepubliceerd in Physical Review E , behandelt voertuigen als deeltjes in een veellichamensysteem. Net zoals het gedrag van een gesloten veellichamensysteem kan worden begrepen door het gedrag van een individueel deeltje te observeren op basis van de ergodische stelling van de statistische fysica, kunnen we verkeer karakteriseren door de fluctuaties in snelheid en positie van een enkel voertuig over een weg. Als resultaat kunnen we het gedrag en de verkeersdichtheid op een weggedeelte afleiden.

Doordat er veel minder data nodig is, is deze methode sneller en beter beheersbaar. Maar het belangrijkste is dat het ook de potentie heeft om verkeersgegevens goedkoper en toegankelijker te maken voor degenen die het nodig hebben.

V:Welke partijen zouden baat hebben bij nieuwe technologieën?

A:Meer toegankelijke en geavanceerde verkeersgegevens zouden meer ten goede komen dan alleen bestuurders die op zoek zijn naar vlottere, snellere routes. Het zou ook staats- en stadsdiensten voor transport (DOT's) in staat stellen om lokale en collectieve interventies te doen die de cruciale transportdoelstellingen van rechtvaardigheid, veiligheid en duurzaamheid bevorderen.

Als veiligheidsoplossing zouden nieuwe technologieën voor het verzamelen van gegevens gevaarlijke rijomstandigheden op een veel fijnere schaal kunnen lokaliseren om verbeterde verkeersremmende maatregelen te informeren. En aangezien sociaal kwetsbare gemeenschappen onevenredig veel te maken hebben met verkeersgeweld, zouden deze interventies het extra voordeel hebben dat ze dringende gelijkheidsproblemen aanpakken.

Er zou ook een milieuwinst zijn. DOT's kunnen voertuigemissies verminderen door minieme afwijkingen in de verkeersstroom te identificeren. Dit zou hen meer mogelijkheden bieden om het stationair draaien en de congestie die tot een overmatig brandstofverbruik leiden, te verminderen.

Zoals we hebben gezien, zijn deze drie uitdagingen steeds nijpender geworden, vooral in stedelijke gebieden. Maar de gegevens die nodig zijn om ze aan te pakken, bestaan ​​al - en worden verzameld door smartphones en telematica-apparaten over de hele wereld. Voor een veiliger en duurzamer wegennet is het dus cruciaal om deze methoden voor gegevensverzameling op te nemen in onze besluitvorming.