Se você tem um modelo de carro novo ou antigo, provavelmente está conectado:navegação GPS, aquele painel de infoentretenimento, a rede sem fio que seu carro cria - todas elas são maneiras de seu carro fornecer informações, seja para lhe dar direções, ping em outros veículos, ou para verificar a infraestrutura, como sinais de trânsito, sinais ou pontes.

Todos esses dados criam o potencial para carros conectados para ajudar os planejadores de transporte a obter uma imagem precisa de como suas estradas estão sendo usadas. Agora mesmo, no entanto, esse tipo de dado geralmente não é controlado, impreciso e não confiável, com locais e caminhos ausentes.

Kuilin Zhang, professor assistente de engenharia civil e ambiental e professor assistente afiliado de ciência da computação na Michigan Technological University, desenvolveu uma maneira de preencher as lacunas, conforme apresentado em um estudo recente publicado em Pesquisa de Transporte - Parte C:Tecnologias Emergentes . No futuro, Zhang acredita que esta será uma maneira econômica de permitir que os planejadores de transporte façam de tudo, desde criar estratégias mais eficazes de mitigação de congestionamento de tráfego até saber onde construir estradas mais largas ou novas.

"No futuro, teremos mais veículos conectados, "disse ele." Se preenchermos as partes que faltam nos dados que estão fornecendo, podemos obter atividades e viagens completas para motoristas individuais, e então esses dados podem ser usados ​​para saber a demanda. "

Preenchendo lacunas em carros conectados

Os carros não precisam ser autônomos para se conectar:​​qualquer veículo com acesso sem fio, como tecnologias celulares ou de comunicação de curto alcance dedicado (DSRC), é considerado conectado. A IHS Automotive espera que 152 milhões de carros ativamente conectados estarão nas estradas ao redor do mundo em 2025 e que o carro médio produza até 30 terabytes de dados todos os dias.

Os dados da trajetória do veículo conectado podem ser usados ​​para fazer previsões de viagens, mas Zhang descobriu que há lacunas suficientes nos dados que não podem ser usadas para fazer previsões confiáveis.

Neste estudo, pesquisadores usados ​​incluíram dados de dois meses de veículos conectados de 2, 800 carros, fornecido pelo Programa de Implantação do Modelo Piloto de Segurança em Ann Arbor, Michigan. A partir dele, eles criaram uma abordagem de otimização baseada em dados para reconstruir as opções de localização-duração-caminho que esses carros fazem. As escolhas reconstruídas podem ser usadas para melhorar a validação e calibração dos modelos. Os modelos baseados em atividades da dinâmica da demanda de viagens fornecem mais detalhes às organizações de planejamento de transporte. Melhor estimativa da demanda de viagens, Zhang disse, também ajudará a reduzir o congestionamento, diminuir as emissões e economizar energia.

Modelos preveem dados de veículos

Zhang acredita que o valor desse modelo baseado em atividades vai além da precisão. Isso vai economizar dinheiro. Governos locais, que muitas vezes compram informações retiradas de GPS em veículos comerciais de empresas privadas, ou confie na National Household Travel Survey, que é caro de conduzir, e apresenta apenas informações sobre uma porção de drivers em vez do todo, podem usar os modelos para saber mais e pagar menos para observar os hábitos de direção do município.

Ele também disse que esse tipo de modelagem será especialmente importante se mais cidades seguirem o exemplo da cidade de Nova York e começarem a implementar preços de congestionamento, que usará leitores de placas para cobrar pedágios dos motoristas durante os horários de pico do tráfego.

A próxima etapa desta pesquisa é que o modelo seja aplicado aos bancos de teste de veículos conectados existentes na Flórida, Nova York e Wyoming, e fornecer informações sobre como usar dados de veículos conectados.

"Esta é uma era de big data, "disse Zhang." Além do benefício de segurança da tecnologia de veículos conectados, dados de alta frequência gerados a partir de veículos conectados oferecem grande conjunto de dados para novas soluções de mobilidade. "