IIT Guwahati usa drones e IA para modelar el tráfico en la India

Por qué fallan los modelos actuales

Muchos modelos existentes parten de un tráfico ordenado y vehículos relativamente homogéneos. En la India, motos, vehículos de tres ruedas y de cuatro comparten la calzada con peatones, lo que genera mayor variabilidad en interacciones, velocidades y distancias.

Los datos muestran que en vías relativamente vacías los vehículos mantienen mayores distancias. Con tráfico moderadamente denso, los huecos se reducen y los vehículos se siguen más de cerca. Con tráfico muy denso, cerca de la congestión, los huecos vuelven a aumentar. Para Maurya, la relación entre densidad, espaciamiento y velocidad no es necesariamente lineal. Antes de la congestión, casi 3.000 vehículos pasaban por un punto en cada carril a flujo máximo; en atascos con vehículos detenidos, la densidad llegó a casi 900 vehículos por kilómetro en todo el ancho.

Rangos de velocidad, no un único valor

El equipo probó seis modelos matemáticos y entrenó dos de aprendizaje automático. En lugar de una sola velocidad, estiman un rango de velocidades posibles, lo que, según los investigadores, refleja mejor la variabilidad del tráfico heterogéneo.

Maurya afirmó que estos modelos específicos para la India podrían ayudar a simular el tráfico de forma más realista, diseñar mejor carreteras e intersecciones, gestionar la congestión, evaluar la capacidad y desarrollar sistemas inteligentes de gestión del tráfico adecuados a las condiciones del país.