Supposons que vous ayez 10 taxis à Manhattan. Quelle portion des rues de l'arrondissement parcourent-ils au cours d'une journée type?

Avant de répondre, examinons pourquoi il serait utile de connaître ce fait. Les villes ont beaucoup de choses à mesurer :la pollution de l'air, conditions météorologiques, modèles de trafic, qualité de la route, et plus. Certains d'entre eux peuvent être mesurés par des instruments fixés aux bâtiments. Mais les chercheurs peuvent également installer des capteurs peu coûteux sur les taxis et capturer des mesures dans une plus grande partie d'une ville.

Donc, combien de taxis faudrait-il pour parcourir un certain terrain ?

Découvrir, une équipe de chercheurs basée au MIT a analysé les données de trafic de neuf grandes villes sur trois continents, et a émergé avec plusieurs nouvelles découvertes. Quelques taxis peuvent couvrir une superficie étonnamment grande, mais il faut beaucoup plus de taxis pour couvrir une ville de manière plus complète que cela. Curieusement, ce modèle semble se reproduire dans les régions métropolitaines du monde entier.

Plus précisément :seulement 10 taxis couvrent généralement un tiers des rues de Manhattan en une journée. Il faut également environ 30 taxis pour couvrir la moitié de Manhattan en une journée. Mais comme les taxis ont tendance à avoir des itinéraires convergents, plus de 1, 000 taxis sont nécessaires pour couvrir 85 % de Manhattan en une journée.

« La puissance de détection des taxis est étonnamment grande, " dit Kevin O'Keeffe, un post-doctorant au MIT Senseable City Lab et co-auteur d'un article récemment publié détaillant les résultats de l'étude.

Cependant, O'Keeffe observe, "Il y a aussi une loi des rendements décroissants" en jeu. "Vous obtenez le premier tiers des rues presque gratuitement, avec 10 taxis aléatoires. Mais … ensuite, cela devient de plus en plus difficile."

Une relation numérique similaire se produit à Chicago, San Francisco, Vienne, Pékin, Shanghaï, Singapour, et quelques autres grandes villes mondiales.

"Nos résultats montraient que la puissance de détection des taxis dans chaque ville était très similaire, " O'Keeffe observe. " Nous avons répété l'analyse, et voila, et voici, toutes les courbes [tracer la couverture des taxis] avaient la même forme."

Le papier, « Quantifier la puissance de détection des flottes de véhicules, " paraît cette semaine dans Actes de l'Académie nationale des sciences . En plus d'O'Keeffe, qui est l'auteur correspondant, les co-auteurs sont Amin Anjomshoaa, un chercheur au Senseable City Lab; Steven Strogatz, professeur de mathématiques à l'Université Cornell; Paulo Santi, chercheur au Senseable City Lab et à l'Institut d'informatique et de télématique du CNR à Pise, Italie; et Carlo Ratti, directeur du Senseable City Lab et professeur de pratique au Département d'études et de planification urbaines (DUSP) du MIT.

Les membres du Senseable City Lab étudient depuis longtemps les villes à partir des données de capteurs. Ce faisant, ils ont observé que certains déploiements traditionnels de capteurs s'accompagnent de compromis. Capteurs sur les bâtiments, par exemple, peut fournir des données quotidiennes cohérentes, mais leur portée est très limitée.

"Ils sont bons dans le temps, mais pas l'espace, " dit O'Keeffe à propos des capteurs à emplacement fixe. " Les capteurs aéroportés ont des propriétés inverses. Ils sont bons dans l'espace mais pas dans le temps. Un satellite peut prendre une photo d'une ville entière, mais seulement lorsqu'il passe au-dessus de la ville, qui est un intervalle de temps relativement court. Nous avons posé la question, « Y a-t-il quelque chose qui combine les forces des deux approches, qui explore bien cette ville dans l'espace et dans le temps ?'"

Mettre des capteurs sur les véhicules est une solution. Mais quels véhicules ? Les autobus, qui ont des itinéraires fixes, couvrir un terrain limité. Les membres du Senseable City Lab ont fixé des capteurs aux camions à ordures à Cambridge, Massachusetts, entre autres, mais tout de même, ils n'ont pas collecté autant de données que les taxis pourraient le faire.

Cette recherche a aidé à mener à la présente étude, qui utilise des données provenant de diverses municipalités et des efforts de recherche du secteur privé pour mieux comprendre les modèles de couverture des taxis. Le premier endroit que les chercheurs ont étudié était Manhattan, qu'ils ont divisé en environ 8, 000 segments de rue, et ont obtenu leurs premiers résultats.

Toujours, Manhattan a des caractéristiques distinctes :un quadrillage de rues généralement régulier, par exemple, et il n'y avait aucune garantie que les mesures qu'il produisait seraient similaires dans d'autres endroits. Mais ville après ville, le même phénomène est apparu :un petit nombre de taxis peuvent circuler sur un tiers d'une ville en une journée, et un nombre légèrement plus important peut atteindre la moitié de la ville, mais après ça, une flotte beaucoup plus importante est nécessaire.

"C'est un très bon résultat et je suis surpris de le voir, tant d'un point de vue pratique que d'un point de vue théorique, " dit O'Keeffe.

Le côté pratique de l'étude est que les urbanistes et les décideurs, entre autres, ont désormais potentiellement une idée plus concrète de l'investissement nécessaire pour certains niveaux de détection mobile, ainsi que l'étendue des résultats qu'ils obtiendraient probablement. Une étude sur la pollution de l'air, par exemple, pourrait être élaboré avec ce type de données à l'esprit.

« La détection de l'environnement urbain est cruciale pour la santé humaine, " dit Ratti. " Jusqu'à aujourd'hui, la détection a été effectuée principalement avec un petit nombre de stations de surveillance fixes et coûteuses. … Toutefois, un cadre complet pour comprendre la puissance de la détection mobile fait toujours défaut et constitue la motivation de notre recherche. Les résultats ont été incroyablement surprenants, en termes de capacité à couvrir une grande ville avec seulement quelques sondes mobiles."

Comme O'Keeffe le reconnaît volontiers, un moyen pratique de construire un projet de détection mobile pourrait être de placer des capteurs sur les taxis, puis déployer une flotte de véhicules relativement petite (comme le fait Google pour les projets de cartographie) pour atteindre des rues où les taxis ne s'aventurent pratiquement jamais.

"Vous partial, presque par définition, quartiers populaires, " dit O'Keeffe. " Et vous ne desserviz potentiellement pas les zones défavorisées. La façon de contourner cela est avec une approche hybride. [Si] vous mettez des capteurs sur les taxis, puis vous l'augmentez avec quelques véhicules dédiés."

Pour sa part, O'Keeffe, un physicien de formation, pense que le résultat est de bon augure pour la poursuite de l'utilisation des capteurs mobiles dans les études urbaines, à travers le monde.

« Il y a une science dans le fonctionnement des villes, et nous pouvons l'utiliser pour améliorer les choses, " dit O'Keeffe.

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.