Des chercheurs du département de génie civil et environnemental de l'Université Carnegie Mellon ont collaboré avec Uber Advanced Technologies Group (Uber ATG) pour mieux comprendre comment les données de capteurs avancés basés sur les véhicules peuvent éclairer les mesures de flux de trafic à haute résolution.

Henri Posner, Anne Molloy, et Robert et Christine Pietrandrea, professeur agrégé Sean Qian et assistant de recherche Shuguan Yang, tous deux membres du Mobility Data Analytics Center (MAC) de Carnegie Mellon, a co-écrit un livre blanc informé par Allison Plummer du groupe Uber Advanced Technologies. Aux fins de cette étude, Uber a fourni à MAC l'accès à certaines données, y compris la vitesse de déplacement des véhicules et la densité du trafic le long de deux segments de route dans le Strip District.

Les chercheurs ont créé une étude de cas montrant comment des capteurs avancés basés sur les véhicules peuvent fournir des informations sur les conditions de circulation dans une zone donnée. En utilisant des données historiques, ils ont choisi des cas où au moins trois véhicules équipés de capteurs avaient traversé un segment de route donné. Les informations du passage du premier et du troisième véhicule à un point donné ont servi de base à leur méthode, qui a ensuite été en mesure de générer une prédiction précise de la densité du trafic entre ces moments.

Comme indiqué dans le livre blanc, MAC montre comment les données des capteurs sont collectées aujourd'hui, quel que soit le développeur qui les collecte, pourrait conceptuellement ouvrir de nouvelles opportunités pour l'estimation du trafic et les villes intelligentes en général.

Qian, directeur du MAC, et Yang prévoient de continuer à tester cette approche sur un plus grand réseau routier en utilisant des ensembles de données plus volumineux. Ils sont intéressés à comparer l'efficacité de l'utilisation des données de capteurs flottants basés sur des véhicules, par rapport aux capteurs fixes plus traditionnels.