Investigadores del Departamento de Ingeniería Civil y Ambiental de la Universidad Carnegie Mellon colaboraron con Uber Advanced Technologies Group (Uber ATG) para comprender mejor cómo los datos de sensores avanzados basados ​​en vehículos pueden informar las mediciones de flujo de tráfico de alta resolución.

Henry Posner, Anne Molloy, y el profesor asociado de Robert y Christine Pietrandrea Sean Qian y el asistente de investigación Shuguan Yang, ambos miembros del Mobility Data Analytics Center (MAC) de Carnegie Mellon, fue coautor de un documento técnico informado por Allison Plummer de Uber Advanced Technologies Group. Para el propósito de este estudio, Uber proporcionó a MAC acceso para seleccionar datos, incluida la velocidad de desplazamiento de los vehículos y la densidad del tráfico a lo largo de dos tramos de carreteras en el distrito de Strip.

Los investigadores crearon un estudio de caso que muestra cómo los sensores avanzados basados ​​en vehículos pueden proporcionar información sobre las condiciones del tráfico en un área determinada. Usando datos históricos, eligieron casos en los que al menos tres vehículos equipados con sensores habían pasado por un segmento de carretera determinado. La información desde el momento en que el primer y tercer vehículo pasó un punto dado proporcionó la entrada para su método, que luego pudo generar una predicción precisa de la densidad del tráfico entre esos momentos.

Como se indica en el libro blanco, MAC demuestra cómo se recopilan los datos de los sensores en la actualidad, independientemente del desarrollador que lo recopile, podría abrir conceptualmente nuevas oportunidades para la estimación del tráfico y las ciudades inteligentes en general.

Qian, director del MAC, y Yang planean seguir probando este enfoque en una red de carreteras más amplia utilizando conjuntos de datos más grandes. Están interesados ​​en comparar la eficacia del uso de datos de sensores flotantes basados ​​en vehículos, frente a los sensores fijos más tradicionales.