借助智能手机的道路众包工具Carbin,形成交通拥堵对交通阶段和驾驶行为的推断

一辆汽车可以说什么关于交通
图片说明:Meshkat Botshekan 是麻省理工学院混凝土可持续发展中心的博士生和研究助理,他帮助开发了一种使用从单个车辆收集的测量值来估计交通状况的方法。

曾经通过视觉检查和交通摄像头粗略测量车辆和交通数据,新的智能手机众包工具现在可以更精确地量化交通。然而,这种流行的方法也存在一个问题:准确的测量需要大量的数据和用户。

Meshkat Botshekan,麻省理工学院博士。土木与环境工程专业的学生和麻省理工学院混凝土可持续发展中心的研究助理,试图通过研究交通物理来扩展众包方法。在攻读博士期间,他帮助开发了 Carbin,这是一种由 MIT CSHub 和马萨诸塞大学达特茅斯分校创建的基于智能手机的道路众包工具,并利用其数据提供了对交通物理的更多见解——从形成交通拥堵对交通阶段和驾驶行为的推断。在这里,他解释了最近的发现如何让智能手机从单个车辆的测量值中推断出交通属性。

问:许多导航应用程序已经测量了流量。为什么我们需要替代品?

答:交通特征一直很难衡量。过去,目视检查和摄像头用于生成交通指标。因此,不可否认,当今的导航工具应用程序提供了一种更好的选择。然而,即使是这些现代工具也存在差距。

其中最主要的是它们对空间分布的用户数量的依赖:本质上,这些应用程序统计他们在路段上的用户以估计交通密度。虽然这种方法似乎足够了,但它既容易受到操纵,正如一些病毒视频中所证明的那样,并且需要大量数据才能进行可靠的估计。处理这些数据非常耗费时间和资源,尽管它们可用,但它们不能用于有效地量化整个道路网络的交通量。因此,大量的交通数据实际上并不是交通管理的最佳选择。

问:新技术如何改进我们衡量流量的方式?

答:新的替代方案有可能比现有方法提供两个改进:首先,它们可以用更少的数据推断更多关于流量的信息。其次,它们的成本只是价格的一小部分,同时提供了一种更简单的数据收集方法。就像 Waze 和谷歌地图一样,它们依赖于来自用户的众包数据。然而,它们的基础是将高级统计物理学纳入数据分析。

例如,我们正在与 UMass Dartmouth 合作开发的 Carbin 应用程序将统计物理学原理应用于现有的交通模型,以完全放弃对用户数量的需求。相反,它可以使用安装在单个车辆中的智能手机的输入来推断交通密度和驾驶员行为。

该应用程序的核心方法于去年秋天发表在Physical Review E上,将车辆视为多体系统中的粒子。正如一个封闭的多体系统的行为可以通过观察单个粒子的行为来理解,依赖于统计物理学的遍历定理,我们可以通过单个车辆在道路上的速度和位置的波动来表征交通。因此,我们可以推断出路段上的交通行为和密度。

由于需要的数据少得多,这种方法速度更快,并且使数据管理更易于管理。但最重要的是,它还有可能降低交通数据的成本,让需要的人可以访问。

问:谁会从新技术中受益?

答:更容易获得和更复杂的交通数据将不仅仅让寻求更顺畅、更快路线的司机受益。它还将使州和市交通部门 (DOT) 能够进行地方和集体干预,以推进公平、安全和可持续性的关键交通目标。

作为一种安全解决方案,新的数据收集技术可以在更精细的范围内查明危险的驾驶条件,从而为改进的交通平静措施提供信息。而且由于社会弱势社区不成比例地遭受交通暴力,这些干预措施将具有解决紧迫的公平问题的额外好处。

也会有环境效益。DOT 可以通过识别交通流量的微小偏差来减少车辆排放。这将为他们提供更多机会来缓解产生过多燃料消耗的怠速和拥堵。

正如我们所看到的,这三个挑战变得越来越严峻,尤其是在城市地区。然而,解决这些问题所需的数据已经存在,并且正在被世界各地的智能手机和远程信息处理设备收集。因此,为了确保更安全、更可持续的道路网络,将这些数据收集方法纳入我们的决策至关重要。

本文为作者 已诺 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论