Pesquisadores do Departamento de Engenharia Civil e Ambiental da Carnegie Mellon University colaboraram com o Uber Advanced Technologies Group (Uber ATG) para entender melhor como os dados de sensores baseados em veículos avançados podem informar medições de fluxo de tráfego de alta resolução.

Henry Posner, Anne Molloy, e Robert e Christine Pietrandrea Professor Associado Sean Qian e assistente de pesquisa Shuguan Yang, ambos os membros do Mobility Data Analytics Center (MAC) da Carnegie Mellon, foi coautor de um white paper informado por Allison Plummer do Uber Advanced Technologies Group. Para o propósito deste estudo, O Uber forneceu ao MAC acesso a dados selecionados, incluindo a velocidade de viagem do veículo e densidade de tráfego ao longo de dois segmentos de estrada no Strip District.

Os pesquisadores criaram um estudo de caso mostrando como sensores avançados baseados em veículos podem fornecer informações sobre as condições de tráfego em uma determinada área. Usando dados históricos, eles escolheram casos em que pelo menos três veículos equipados com sensores passaram por um determinado segmento de estrada. As informações do momento em que o primeiro e o terceiro veículos passaram por um determinado ponto forneceram a entrada para seu método, que foi então capaz de produzir uma previsão precisa da densidade do tráfego entre esses momentos.

Conforme indicado no white paper, MAC demonstra como os dados do sensor são coletados hoje, independentemente do desenvolvedor coletá-lo, poderia conceitualmente abrir novas oportunidades para estimativas de tráfego e cidades inteligentes em geral.

Qian, diretor do MAC, e Yang planejam continuar testando essa abordagem em uma rede rodoviária maior, usando conjuntos de dados maiores. Eles estão interessados ​​em comparar a eficácia do uso de dados de sensores flutuantes baseados em veículos, versus sensores fixos mais tradicionais.