Wanneer het verkeer op een kruispunt in het centrum verstopt is, is er misschien een manier om een ​​deel van de opstopping te verminderen:Elimineer een paar bochten naar links.

Volgens Vikash Gayah, universitair hoofddocent civiele techniek aan Penn State, zouden goed geplaatste beperkingen voor het linksaf slaan op bepaalde drukke kruispunten veel van de knelpunten kunnen oplossen die de verkeersefficiëntie belemmeren. Hij heeft onlangs een nieuwe methode ontwikkeld waarmee steden kunnen bepalen waar ze deze afslagen moeten beperken om de algehele verkeersstroom te verbeteren.

"We hebben allemaal het gevoel ervaren vast te zitten wachten om een ​​bocht naar links te maken", zei Gayah. "En als je deze bochten hun eigen groene pijl laat hebben, moet je alle andere voertuigen stoppen, waardoor de kruising minder productief wordt. Linkse bochten zijn ook waar je de meest ernstige ongevallen vindt, vooral met voetgangers. Ons idee is om er vanaf te komen van deze afslagen wanneer we kunnen om veiligere en efficiëntere kruispunten te creëren."

Door links afslaan selectief te beperken, maar niet volledig te verbieden, moeten chauffeurs misschien gewoon alternatieve routes naar hun bestemming in bepaalde gebieden vinden, zei Gayah. Sommigen moeten misschien een paar extra blokken reizen, maar Gayah gelooft dat een efficiëntere verkeersstroom door drukke kruispunten de extra afstand compenseert.

Voor stadsplanners, voegde hij eraan toe, is het bepalen waar de beperkingen moeten worden geplaatst een evenwichtsoefening tussen productiviteit op kruispunten en langere reisafstanden. Met zoveel beperkingsmogelijkheden om te overwegen, kan het moeilijk zijn om de meest efficiënte lay-out te vinden.

"Als je bijvoorbeeld maar 16 kruispunten hebt om te overwegen, elk met een keuze om bochten naar links toe te staan ​​of niet, zijn dat al 65.000 verschillende configuraties," zei Gayah. "Het wordt nog ingewikkelder als je bedenkt dat het verkeer van het ene kruispunt naar het andere stroomt, dus beslissingen van elkaar afhangen. Er zijn uiteindelijk zoveel mogelijke antwoorden dat we nooit de beste kunnen vinden."

De nieuwe methode van Gayah is gebaseerd op heuristische algoritmen, die snelkoppelingen gebruiken om oplossingen te vinden die bijna een optimaal resultaat benaderen, maar niet gegarandeerd zijn.

"We doen een gok, we leren van die gok, en dan maken we betere gissingen," zei hij. "Na verloop van tijd kunnen we heel, heel dicht bij het beste antwoord komen."

In een studie gepubliceerd in Transportation Research Record , combineerde Gayah twee bestaande heuristische algoritmen om een ​​nieuwe hybride benadering te creëren. De eerste, een op populatie gebaseerd incrementeel leren (PBIL)-algoritme, heeft willekeurig mogelijke configuraties gesampled en de patronen van goed presterende opties herkend. Vervolgens analyseerde een Bayesiaans optimalisatie-algoritme deze nieuwe set van high-performers om te bepalen hoe beperkingen het verkeer op aangrenzende kruispunten beïnvloedden. Bayesiaanse optimalisatie combineert initiële informatie over het probleem en werkt deze in de loop van de tijd bij naarmate nieuwe informatie wordt geleerd om een ​​oplossing te bereiken die dichtbij, maar niet noodzakelijk perfect is. Het algoritme paste deze kennis van verkeersdynamiek vervolgens toe om efficiëntere oplossingen te vinden.

"In plaats van de Bayesiaanse optimalisatie te starten met een willekeurige gok, hebben we deze gevoed met de beste schattingen van de PBIL," zei Gayah. "De eerste methode creëert het startpunt en de tweede verfijnt het."

Gayah testte de hybride methode via een gesimuleerd, vierkant netwerk in verschillende scenario's en ontdekte dat alle drie de methoden - PBIL, Bayesiaanse optimalisatie en hybride - configuraties identificeerden die leidden tot efficiëntere verkeerspatronen dan een lay-out zonder beperkingen. In simulaties met meer realistische instellingen bleek de hybride methode echter het meest effectief.

Volgens Gayah hadden de meest efficiënte configuraties de neiging om bochten naar links in het midden van de stad te verbieden en vaker in de periferie toe te staan. Hoewel de methode werd toegepast op een algemeen netwerk, kunnen de resultaten worden gebruikt als uitgangspunt voor verkeerspatronen in de echte wereld, waarbij de algoritmen per stad kunnen worden aangepast.

"Het rasternetwerk is het meest generaliseerbaar en niet specifiek voor een stad", zei Gayah. "Ik kan niet de beste configuratie voor New York nemen en toepassen op San Francisco, maar deze algemene benadering zou met een beetje codering voor elk netwerk kunnen worden geconfigureerd."