I ricercatori del Dipartimento di ingegneria civile e ambientale della Carnegie Mellon University hanno collaborato con Uber Advanced Technologies Group (Uber ATG) per comprendere meglio come i dati dei sensori avanzati basati sui veicoli possono informare le misurazioni del flusso di traffico ad alta risoluzione.

Henry Ponner, Anne Molloy, e Robert e Christine Pietrandrea Professore Associato Sean Qian e assistente di ricerca Shuguan Yang, entrambi membri del Mobility Data Analytics Center (MAC) di Carnegie Mellon, è coautore di un white paper informato da Allison Plummer di Uber Advanced Technologies Group. Ai fini di questo studio, Uber ha fornito a MAC l'accesso a determinati dati, compresa la velocità di marcia dei veicoli e la densità del traffico lungo due segmenti stradali nello Strip District.

I ricercatori hanno creato un caso di studio che mostra come i sensori avanzati basati su veicoli possono fornire informazioni sulle condizioni del traffico in una determinata area. Utilizzando i dati storici, hanno scelto i casi in cui almeno tre veicoli dotati di sensori erano passati attraverso un determinato segmento di strada. Le informazioni dal momento in cui il primo e il terzo veicolo hanno superato un determinato punto hanno fornito l'input per il loro metodo, che è stato quindi in grado di produrre una previsione accurata della densità del traffico tra quei tempi.

Come indicato nel white paper, MAC dimostra come i dati dei sensori vengono raccolti oggi, indipendentemente dallo sviluppatore che lo raccoglie, potrebbe aprire concettualmente nuove opportunità per la stima del traffico e per le smart city in generale.

Qian, direttore del MAC, e Yang intendono continuare a testare questo approccio su una rete stradale più ampia utilizzando set di dati più grandi. Sono interessati a confrontare l'efficacia dell'utilizzo dei dati provenienti da sensori galleggianti basati su veicoli, rispetto ai sensori fissi più tradizionali.