Un nuevo método para predecir el flujo de tráfico

Poder predecir el flujo del tráfico para cualquier usuario de una red de transporte es extraordinario, ya que cuando menos, aumentaría su comodidad  y se obtendría un considerable ahorro de energía, evitando los atascos. Además durante una situación extrema como una evacuación de emergencia después de un desastre natural, predicciones fiables de las mejores rutas  de evacuación podrían salvar muchas vidas.

file4061340639362

Un equipo de investigadores del MIT, la Universidad de Notre Dame, y de otras Universidades liderados por Zoltan Toroczkai y Yihui Ren y entre los que se incluye Marta González, profesora asistente de ingeniería de sistemas e ingeniería civil y ambiental en el MIT, han ideado lo que dicen es una fórmula eficaz y relativamente simple para hacer tales predicciones.

Los autores, todos físicos de formación, han aplicado sus conocimientos sobre el modelado computacional de sistemas complejos a sistemas de escala humana, como son los flujos de tráfico o la propagación de una enfermedad. Su trabajo ha encontrado patrones comunes entre los sistemas humanos  y los observados en modelos de sistemas físicos.

El Tráfico tradicionalmente se ha modelado mediante los llamados modelos gravitacionales, pero estos tienen importantes limitaciones. Por un lado, estos modelos tienen grandes dificultades para adaptarse a los cambios en la red, como sucede en una situación de emergencia, cambios que el nuevo modelo puede manejar fácilmente.

El sistema se ocupa de la dificultad de modelar las decisiones humanas a la hora de decidir destino, así como el igualmente difícil problema de la elección de las rutas de viaje. En un trabajo anterior, los investigadores  desarrollaron una variación para el modelo relativo a la elección de destino, conocido como “modelo de radiación.” Se están utilizando cada vez más esos modelos, pero para las predicciones de tráfico, Toroczkai y Ren modificaron el modelo para incluir restricciones basadas en el coste de viajar en la red en relación al tiempo de viaje, minimizando estos costes.

En la aplicación de este modelo, ciertos lugares – por ejemplo, los destinos diarios para muchas personas, como el lugar de trabajo – son “amortiguadores” que atraen  vehículos desde muchas direcciones; los lugares donde vive la gente son “emisores”. En la nueva fórmula, el número medio de viajeros que planean ir del punto “A” al punto “B” cada día corresponde a la tensión en un sistema eléctrico – en esencia, la “presión” entre dos puntos – y el número promedio de los viajeros que en realidad sigue un camino dado durante ese trayecto corresponde a la corriente eléctrica, o la cantidad real de flujo en un sistema de este tipo.

Para probar el modelo, los investigadores introdujeron los datos sobre distribución de la población, a partir del censo de Estados Unidos, así como información sobre dónde trabaja la gente y la estructura básica de la red de carreteras. Las predicciones realizadas a partir del modelo se han probado, y se encontró que se correlacionan muy bien con el tráfico real.

MIT-Traffic-Flows-01

El diagrama muestra como los investigadores calculan el tráfico medio a través de un amplio sistema de carreteras

 

La fórmula de la radiación tiene suficiente flexibilidad y, tras probarla y calibrarla con el tráfico de los Estados Unidos, se aplicó en áreas donde los datos iniciales son  mucho más escasos, como es el caso de América del Sur y África, con buenos resultados.

En situaciones de desastre, el modelo identifica los puntos críticos que pueden producir cuellos de botella. La misma modelización básica se puede aplicar a cualquier flujo de red que con presencia de decisiones humanas, incluidos los patrones de predicción de la propagación de una enfermedad.

En definitiva este nuevo modelo proporciona una herramienta más precisa para la planificación de la ciudad, las evacuaciones de emergencia, y el seguimiento de propagación de enfermedades.

El artículo completo se puede encontrar en el siguiente enlace:

http://newsoffice.mit.edu/2014/model-predicts-traffic-flow-1106