Scalable Urban Traffic Control ( Surtrac ) [1] [2] es un sistema de control de tráfico adaptativo desarrollado por investigadores del Instituto de Robótica de la Universidad Carnegie Mellon . Surtrac optimiza dinámicamente el control de las señales de tráfico para mejorar el flujo de tráfico tanto para las redes urbanas como para los corredores; Los objetivos de optimización incluyen menos esperas, reducción de la congestión del tráfico , viajes más cortos y menos contaminación. El motor de control central combina el control de intersecciones basado en horarios [3] con mecanismos de coordinación descentralizados. [4] [5]Desde junio de 2012, se ha implementado una implementación piloto del sistema Surtrac [6] en nueve intersecciones en el vecindario East Liberty de Pittsburgh , Pensilvania . [7] Surtrac redujo los tiempos de viaje en más del 25% en promedio y los tiempos de espera se redujeron en un promedio del 40%. [6] [8] Una segunda fase del programa piloto para el distrito de Bakery Square ha estado funcionando desde octubre de 2013. [9] En 2015, se formó Rapid Flow Technologies [10] para comercializar la tecnología Surtrac. [11]El inventor principal de esta tecnología, el Dr. Xiao-Feng Xie, afirma que no tiene ninguna asociación con esta empresa ni proporciona soporte técnico para esta. [11]
El diseño del sistema Surtrac tiene tres características. [6] Primero, la toma de decisiones en Surtrac procede de manera descentralizada . El control descentralizado de intersecciones individuales permite una mayor capacidad de respuesta a las condiciones del tráfico local en tiempo real. La descentralización facilita la escalabilidad al permitir la adición incremental de intersecciones controladas a lo largo del tiempo con pocos cambios en la red adaptativa existente. También reduce la posibilidad de un cuello de botella computacional centralizado y evita un único punto de falla en el sistema.
Una segunda característica del diseño de Surtrac es el énfasis en la capacidad de respuesta en tiempo real a las condiciones cambiantes del tráfico. Surtrac adopta la perspectiva en tiempo real de los métodos anteriores de control de intersecciones basados en modelos [12] que intentan calcular los planes de control de intersecciones que optimizan los flujos de tráfico reales. Al reformular el problema de optimización como un problema de programación de una sola máquina , el algoritmo de optimización central denominado algoritmo de control de intersección controlado por programación, [3] es capaz de calcular planes de control de intersección optimizados en un horizonte extendido segundo a segundo.
Una tercera característica del diseño de Surtrac es administrar redes viales urbanas (en forma de cuadrícula), donde hay múltiples flujos dominantes en competencia que cambian dinámicamente a lo largo del día, y donde los flujos dominantes específicos no pueden ser predeterminados (como en aplicaciones arteriales o de cruce de caminos principales ) . Las redes urbanas también suelen tener intersecciones poco espaciadas que requieren una estrecha coordinación de los controladores de intersección. La combinación de competir por flujos dominantes e intersecciones densamente espaciadas presenta un desafío para todos los sistemas de control de tráfico adaptativo. Surtrac determina los flujos dominantes dinámicamente al comunicar continuamente los flujos de salida proyectados a los vecinos aguas abajo. [4] Esta información le brinda a cada controlador de intersección una base más informada para equilibrar localmente los flujos de entrada que compiten y, al mismo tiempo, promover el establecimiento de " corredores verdes " más grandes cuando las circunstancias del flujo de tráfico lo justifiquen.
El sistema Surtrac utiliza cámaras de televisión de circuito cerrado para detectar las condiciones del tráfico. [13] La vigilancia de lugares públicos con redes de circuito cerrado de televisión ha sido criticada por permitir formas totalitarias de gobierno al socavar la capacidad de las personas para moverse de forma anónima . Las imágenes recopiladas por las cámaras de circuito cerrado de televisión pueden analizarse mediante un software de reconocimiento automático de matrículas , lo que permite un seguimiento totalmente automático de los vehículos por las matrículas (matrículas) que llevan. Del mismo modo, el software de reconocimiento facialpuede analizar tales imágenes para identificar y rastrear personas por la forma de sus rostros. Sin embargo, el tipo de cámara de video utilizada no tiene suficiente resolución para detectar matrículas o reconocer rostros. [10]