Cuando el tráfico está atascado en una intersección del centro de la ciudad, puede haber una manera de reducir parte de la congestión:eliminar algunos giros a la izquierda.

Según Vikash Gayah, profesor asociado de ingeniería civil en Penn State, las restricciones de giro a la izquierda bien ubicadas en ciertas intersecciones concurridas podrían aliviar muchos de los cuellos de botella que obstaculizan la eficiencia del tráfico. Recientemente creó un nuevo método que podría ayudar a las ciudades a identificar dónde restringir estos giros para mejorar el flujo de tráfico general.

"Todos hemos experimentado esa sensación de quedar atrapados esperando para girar a la izquierda", dijo Gayah. "Y si permite que estos giros tengan su propia flecha verde, debe detener a todos los demás vehículos, lo que hace que la intersección sea menos productiva. Los giros a la izquierda también son donde se encuentran los choques más graves, especialmente con los peatones. Nuestra idea es eliminar de estos giros cuando podamos para crear intersecciones más seguras y eficientes".

Al restringir selectivamente los giros a la izquierda, pero no prohibirlos por completo, es posible que los conductores simplemente necesiten encontrar rutas alternativas a sus destinos en ciertas áreas, dijo Gayah. Es posible que se requiera que algunos viajen algunas cuadras adicionales, pero Gayah cree que un flujo de tráfico más eficiente a través de intersecciones concurridas compensa la distancia adicional.

Para los planificadores urbanos, agregó, determinar dónde colocar las restricciones es un acto de equilibrio entre la productividad de las intersecciones y el aumento de la longitud de los viajes. Con tantas posibilidades de restricción a considerar, encontrar el diseño más eficiente puede resultar difícil.

"Por ejemplo, si solo tiene que considerar 16 intersecciones, cada una con la opción de permitir o no permitir giros a la izquierda, ya hay 65,000 configuraciones diferentes", dijo Gayah. "Se vuelve aún más complicado cuando consideras que el tráfico fluye de una intersección a la siguiente, por lo que las decisiones dependen unas de otras. Termina habiendo tantas respuestas posibles que nunca podemos encontrar la mejor".

El nuevo método de Gayah se basa en algoritmos heurísticos, que usan atajos para encontrar soluciones que casi se acercan a un resultado óptimo, pero no se garantiza que lo sean.

"Hacemos una conjetura, aprendemos de esa conjetura y luego hacemos mejores conjeturas", dijo. "Con el tiempo, podemos acercarnos mucho, mucho a la mejor respuesta".

En un estudio publicado en Transportation Research Record , Gayah combinó dos algoritmos heurísticos existentes para crear un nuevo enfoque híbrido. El primero, un algoritmo de aprendizaje incremental basado en la población (PBIL), muestreó aleatoriamente configuraciones potenciales y reconoció los patrones de opciones de alto rendimiento. Luego, un algoritmo de optimización bayesiano analizó este nuevo conjunto de alto rendimiento para identificar cómo las restricciones estaban afectando el tráfico en las intersecciones adyacentes. La optimización bayesiana combina la información inicial sobre el problema y la actualiza con el tiempo a medida que se aprende nueva información para lograr una solución cercana, pero no necesariamente perfecta. Luego, el algoritmo aplicó este conocimiento de la dinámica del tráfico para encontrar soluciones más eficientes.

"En lugar de comenzar la optimización bayesiana con una suposición aleatoria, la alimentamos con las mejores suposiciones del PBIL", dijo Gayah. "El primer método crea el punto de partida y el segundo lo refina".

Gayah probó el método híbrido a través de una red cuadrada simulada en una variedad de escenarios y descubrió que los tres métodos (PBIL, optimización bayesiana e híbrido) identificaron configuraciones que condujeron a patrones de tráfico más eficientes que un diseño sin restricciones. Sin embargo, en simulaciones con escenarios más realistas, el método híbrido demostró ser el más efectivo.

Según Gayah, las configuraciones más eficientes tendían a prohibir los giros a la izquierda en el centro de la ciudad y los permitían con mayor frecuencia en la periferia. Si bien el método se aplicó a una red generalizada, los resultados se pueden usar como punto de partida para los patrones de tráfico del mundo real, ya que los algoritmos se pueden personalizar ciudad por ciudad.

"La red de cuadrícula es la más generalizable y no específica de ninguna ciudad", dijo Gayah. "No puedo tomar la mejor configuración para Nueva York y aplicarla a San Francisco, pero este enfoque generalizado podría configurarse para cualquier red con un poco de codificación".