Quando il traffico è intasato in un incrocio del centro, potrebbe esserci un modo per ridurre parte della congestione:eliminare alcune svolte a sinistra.

Secondo Vikash Gayah, professore associato di ingegneria civile alla Penn State, le restrizioni di svolta a sinistra ben posizionate in alcuni incroci trafficati potrebbero allentare molti dei colli di bottiglia che ostacolano l'efficienza del traffico. Di recente ha creato un nuovo metodo che potrebbe aiutare le città a identificare dove limitare queste svolte per migliorare il flusso generale del traffico.

"Abbiamo tutti sperimentato quella sensazione di rimanere bloccati in attesa di fare una svolta a sinistra", ha detto Gayah. "E se si consente a queste curve di avere la propria freccia verde, è necessario fermare tutti gli altri veicoli, rendendo l'incrocio meno produttivo. Le curve a sinistra sono anche il luogo in cui si verificano gli incidenti più gravi, soprattutto con i pedoni. La nostra idea è di sbarazzarci di queste svolte quando possiamo per creare incroci più sicuri ed efficienti."

Limitando selettivamente le svolte a sinistra, ma non vietandole del tutto, i conducenti potrebbero semplicemente aver bisogno di trovare percorsi alternativi verso le loro destinazioni in determinate aree, ha affermato Gayah. Ad alcuni potrebbe essere richiesto di percorrere qualche isolato in più, ma Gayah ritiene che un flusso di traffico più efficiente attraverso incroci trafficati compensi la distanza aggiuntiva.

Per gli urbanisti, ha aggiunto, determinare dove posizionare le restrizioni è un atto di equilibrio tra la produttività degli incroci e l'aumento delle lunghezze di viaggio. Con così tante possibilità di restrizione da considerare, trovare il layout più efficiente potrebbe rivelarsi difficile.

"Ad esempio, se hai solo 16 incroci da considerare, ognuno con la possibilità di consentire o meno le svolte a sinistra, sono già 65.000 diverse configurazioni", ha detto Gayah. "Diventa ancora più complicato se si considera che il traffico scorre da un incrocio all'altro, quindi le decisioni dipendono l'una dall'altra. Alla fine ci sono così tante risposte possibili che non riusciamo mai a trovare quella migliore."

Il nuovo metodo di Gayah si basa su algoritmi euristici, che utilizzano scorciatoie per trovare soluzioni che si avvicinano quasi, ma non sono garantite, a un risultato ottimale.

"Facciamo un'ipotesi, impariamo da quella ipotesi e poi facciamo ipotesi migliori", ha detto. "Nel tempo, possiamo avvicinarci davvero molto alla risposta migliore."

In uno studio pubblicato su Transportation Research Record , Gayah ha combinato due algoritmi euristici esistenti per creare un nuovo approccio ibrido. Il primo, un algoritmo di apprendimento incrementale basato sulla popolazione (PBIL), ha campionato in modo casuale potenziali configurazioni e ha riconosciuto i modelli di opzioni ad alte prestazioni. Successivamente, un algoritmo di ottimizzazione bayesiano ha analizzato questo nuovo insieme di prestazioni elevate per identificare in che modo le restrizioni stavano influenzando il traffico agli incroci adiacenti. L'ottimizzazione bayesiana combina le informazioni iniziali sul problema e le aggiorna nel tempo man mano che vengono apprese nuove informazioni per ottenere una soluzione vicina, ma non necessariamente perfetta. L'algoritmo ha quindi applicato questa conoscenza della dinamica del traffico per trovare soluzioni più efficienti.

"Invece di iniziare l'ottimizzazione bayesiana con un'ipotesi casuale, l'abbiamo alimentata con le migliori ipotesi del PBIL", ha affermato Gayah. "Il primo metodo crea il punto di partenza e il secondo lo perfeziona."

Gayah ha testato il metodo ibrido attraverso una rete quadrata simulata in una varietà di scenari, scoprendo che tutti e tre i metodi (PBIL, ottimizzazione bayesiana e ibrido) hanno identificato configurazioni che hanno portato a modelli di traffico più efficienti rispetto a un layout con zero restrizioni. Tuttavia, nelle simulazioni con impostazioni più realistiche, il metodo ibrido si è rivelato il più efficace.

Secondo Gayah, le configurazioni più efficienti tendevano a vietare le svolte a sinistra nel centro della città e consentivano loro più spesso la periferia. Sebbene il metodo sia stato applicato a una rete generalizzata, i risultati possono essere utilizzati come punto di partenza per i modelli di traffico del mondo reale con gli algoritmi personalizzabili città per città.

"La rete a griglia è la più generalizzabile e non specifica per nessuna città", ha detto Gayah. "Non posso prendere la configurazione migliore per New York e applicarla a San Francisco, ma questo approccio generalizzato potrebbe essere configurato per qualsiasi rete con un po' di codifica".