Si tiene un modelo de automóvil nuevo o tardío, lo más probable es que esté conectado: navegación GPS, ese panel de información y entretenimiento, la red inalámbrica que crea su automóvil: son todas las formas en que su automóvil puede proporcionar información, ya sea para darle instrucciones, hacer ping a otros vehículos o registrarse con infraestructura como señales de tránsito, letreros o puentes.
Todos estos datos crean el potencial para que los automóviles conectados ayuden a los planificadores de transporte a obtener una imagen precisa de cómo se usan sus carreteras. Sin embargo, en este momento, este tipo de datos generalmente no está controlado, es inexacto y poco confiable, con ubicaciones y caminos faltantes.
Kuilin Zhang, profesor asistente de ingeniería civil y ambiental y profesor asistente afiliado de ciencias de la computación en la Universidad Tecnológica de Michigan, ha desarrollado una forma de llenar los vacíos, como se presenta en un estudio reciente publicado en Investigación de transporte Parte C: Tecnologías emergentes . En el futuro, Zhang cree que esta será una forma rentable de permitir que los planificadores de transporte hagan todo, desde estrategias de mitigación de congestión de tráfico más efectivas para saber dónde construir carreteras más anchas o nuevas.
"En el futuro, vamos a tener más vehículos conectados", dijo. "Si completamos las partes que faltan de los datos que están proporcionando, podemos obtener actividad completa y viajar para conductores individuales, y luegoestos datos se pueden usar para conocer la demanda "
Los automóviles no necesitan ser autónomos para conectarse: cualquier vehículo con acceso inalámbrico, como las tecnologías celulares o de comunicación dedicada de corto alcance DSRC, se considera conectado. IHS Automotive espera que 152 millones de automóviles conectados activamente estén en funcionamientocarreteras en todo el mundo para 2025 y que el automóvil promedio producirá hasta 30 terabytes de datos por día.
Los datos de la trayectoria del vehículo conectado podrían usarse para hacer predicciones de viaje, pero Zhang descubrió que hay suficientes vacíos en los datos que no se pueden usar para hacer predicciones confiables.
En este estudio, los investigadores utilizaron datos de dos meses de vehículos conectados de 2.800 automóviles, proporcionados por el Programa de implementación del modelo de piloto de seguridad en Ann Arbor, Michigan. A partir de esto, crearon un enfoque de optimización basado en datos para reconstruir la ubicación faltanteLas opciones reconstruidas pueden usarse para mejorar la validación y calibración de los modelos. Los modelos basados en la actividad de la dinámica de la demanda de viajes dan más detalles a las organizaciones de planificación de transporte. Una mejor estimación de la demanda de viajes, dijo Zhang., también ayudará a reducir la congestión, disminuir las emisiones y ahorrar energía.
Zhang cree que el valor de este modelo basado en actividades va más allá de la precisión. Ahorrará dinero. Los gobiernos locales, que a menudo compran información extraída del GPS en vehículos comerciales de compañías privadas, o confían en la Encuesta Nacional de Viajes Domésticos, quees costoso de llevar a cabo, y solo presenta información sobre una astilla de conductores en lugar del conjunto, puede usar los modelos para saber más y pagar menos para observar los hábitos de manejo de su municipio.
También dijo que este tipo de modelado será especialmente importante si más ciudades siguen el ejemplo de la Ciudad de Nueva York y comienzan a implementar precios de congestión, que utilizarán lectores de placas para cobrar peajes a los conductores durante las horas pico de tráfico.
El siguiente paso en esta investigación es que el modelo se aplique a los bancos de pruebas de vehículos conectados existentes en Florida, Nueva York y Wyoming, y proporcione información sobre cómo utilizar los datos de vehículos conectados.
"Esta es una era de big data", dijo Zhang. "Además del beneficio de seguridad de la tecnología de vehículos conectados, los datos de alta frecuencia generados a partir de vehículos conectados ofrecen un conjunto de big data para nuevas soluciones de movilidad".
Fuente de la historia :
Materiales proporcionado por Universidad Tecnológica de Michigan . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :