Suponga que tiene 10 taxis en Manhattan. ¿Qué porción de las calles del municipio cubren en un día típico?

Antes de responder eso, examinemos por qué sería útil conocer este hecho. Las ciudades tienen muchas cosas que deben medirse:la contaminación del aire, clima, patrones de tráfico, calidad de la carretera, y más. Algunos de estos pueden medirse con instrumentos instalados en edificios. Pero los investigadores también pueden colocar sensores económicos en los taxis y capturar mediciones en una porción más grande de una ciudad.

Entonces, ¿cuántos taxis se necesitarían para cubrir una cierta cantidad de terreno?

Descubrir, un equipo de investigadores del MIT analizó datos de tráfico de nueve ciudades importantes en tres continentes, y surgió con varios hallazgos nuevos. Algunos taxis pueden cubrir una gran cantidad de terreno, pero se necesitan muchos más taxis para cubrir una ciudad de manera más completa. Curiosamente, este patrón parece replicarse en áreas metropolitanas de todo el mundo.

Más específicamente:solo 10 taxis generalmente cubren un tercio de las calles de Manhattan en un día. También se necesitan unos 30 taxis para cubrir la mitad de Manhattan en un día. Pero debido a que los taxis tienden a tener rutas convergentes, más de 1, Se requieren 000 taxis para cubrir el 85 por ciento de Manhattan en un día.

"El poder de detección de los taxis es inesperadamente grande, "dice Kevin O'Keeffe, un postdoctorado en el MIT Senseable City Lab y coautor de un artículo recientemente publicado que detalla los resultados del estudio.

Sin embargo, O'Keeffe observa, "Hay una ley de rendimientos decrecientes" en juego también. "Obtienes el primer tercio de las calles casi gratis, con 10 taxis aleatorios. Pero ... luego se vuelve progresivamente más difícil ".

Una relación numérica similar ocurre en Chicago, San Francisco, Viena, Beijing, Llevar a la fuerza, Singpore y algunas otras ciudades importantes del mundo.

"Nuestros resultados mostraron que el poder de detección de los taxis en cada ciudad era muy similar, "Observa O'Keeffe". Repetimos el análisis, y he aquí y he aquí, todas las curvas [que trazan la cobertura de los taxis] tenían la misma forma ".

El papel, "Cuantificar el poder de detección de flotas de vehículos, "aparece esta semana en procedimientos de la Academia Nacional de Ciencias . Además de O'Keeffe, quien es el autor correspondiente, los coautores son Amin Anjomshoaa, investigador del Senseable City Lab; Steven Strogatz, profesor de matemáticas en la Universidad de Cornell; Paolo Santi, un científico investigador en el Senseable City Lab y el Instituto de Informática y Telemática de CNR en Pisa, Italia; y Carlo Ratti, director del Senseable City Lab y profesor de práctica en el Departamento de Estudios Urbanos y Planificación (DUSP) del MIT.

Los miembros del Senseable City Lab llevan mucho tiempo estudiando ciudades basándose en datos de sensores. Al hacerlo, han observado que algunas implementaciones tradicionales de sensores vienen con compensaciones. Sensores en edificios, por ejemplo, puede proporcionar datos diarios consistentes, pero su alcance es muy limitado.

"Son buenos en el tiempo, pero no espacio, "dice O'Keeffe de los sensores de ubicación fija." Los sensores aéreos tienen propiedades inversas. Son buenos en el espacio pero no en el tiempo. Un satélite puede tomar una foto de una ciudad entera, pero solo cuando pasa sobre la ciudad, que es un intervalo de tiempo relativamente corto. Hicimos la pregunta, '¿Hay algo que combine las fortalezas de los dos enfoques, que explora bien esta ciudad tanto en el espacio como en el tiempo? '"

Poner sensores en los vehículos es una solución. ¿Pero qué vehículos? Autobuses que tienen rutas fijas, cubre un terreno limitado. Los miembros del Senseable City Lab tienen sensores fijos en camiones de basura en Cambridge, Massachusetts, entre otras cosas, pero aun así, no recopilaron tantos datos como los taxis.

Esa investigación ayudó a conducir al estudio actual, que utiliza datos de una variedad de municipios y esfuerzos de investigación del sector privado para comprender mejor los patrones de cobertura de taxis. El primer lugar que estudiaron los investigadores fue Manhattan, que dividieron en unos 8, 000 segmentos de calles, y obtuvo sus resultados iniciales.

Todavía, Manhattan tiene algunas características distintivas:una cuadrícula de calles generalmente regular, por ejemplo, y no había garantía de que las métricas que producía fueran similares en otros lugares. Pero en ciudad tras ciudad surgió el mismo fenómeno:una pequeña cantidad de taxis puede circular en un tercio de la ciudad en un día, y un número un poco mayor puede llegar a la mitad de la ciudad, pero después de eso, se necesita una flota mucho mayor.

"Es un resultado muy fuerte y me sorprende verlo, tanto desde un punto de vista práctico como teórico, "Dice O'Keeffe.

El aspecto práctico del estudio es que los planificadores de la ciudad y los responsables de la formulación de políticas, entre otros, ahora potencialmente tienen una idea más concreta sobre la inversión necesaria para ciertos niveles de detección móvil, así como el alcance de los resultados que probablemente obtendrían. Un estudio de contaminación del aire, por ejemplo, podría elaborarse teniendo en cuenta este tipo de datos.

"La detección del medio ambiente urbano es fundamental para la salud humana, "dice Ratti." Hasta hoy, La detección se ha realizado principalmente con una pequeña cantidad de estaciones de monitoreo fijas y costosas. … Sin embargo, Todavía falta un marco integral para comprender el poder de la detección móvil y es la motivación de nuestra investigación. Los resultados han sido increíblemente sorprendentes, en términos de qué tan bien podemos cubrir una gran ciudad con solo unas pocas sondas en movimiento ".

Como O'Keeffe reconoce fácilmente, Una forma práctica de construir un proyecto de detección móvil podría ser colocar sensores en los taxis, luego, despliegue una flota de vehículos relativamente pequeña (como lo hace Google para proyectos de mapeo) para llegar a las calles donde los taxis prácticamente nunca se aventuran.

"Tu sesgo, casi por definición, áreas populares, "Dice O'Keeffe." Y potencialmente estás desatendiendo áreas desfavorecidas. La forma de evitarlo es con un enfoque híbrido. [Si] pones sensores en los taxis, luego lo aumenta con algunos vehículos dedicados ".

Por su parte, O'Keeffe, un físico de formación, cree que el resultado es un buen augurio para el uso continuo de sensores móviles en estudios urbanos, a traves del globo.

"Existe una ciencia sobre cómo funcionan las ciudades, y podemos usarlo para mejorar las cosas, "dice O'Keeffe.

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.