Vea También
 |
"°°°" by dasistdasende is licensed with CC BY-NC-SA 2.0. To view a copy of this license, visit https://creativecommons.org/licenses/by-nc-sa/2.0/ |
Identificación de ubicaciones óptimas de restricción de giro a la izquierda mediante métodos heurísticos
La restricción de los giros a la izquierda en toda la red mejora la capacidad de flujo general al eliminar los conflictos entre los vehículos que giran a la izquierda y los que circulan por ella. Sin embargo, esto requiere que los vehículos recorran distancias más largas. La aplicación de las restricciones de giro a la izquierda sólo en un subconjunto de lugares puede ayudar a equilibrar esta compensación entre el aumento de la capacidad y los viajes más largos. Desgraciadamente, identificar exactamente dónde deben aplicarse estas restricciones es un problema complejo debido a las numerosas configuraciones que deben considerarse y a las interdependencias entre las decisiones de restricción de giro a la izquierda en intersecciones adyacentes. Este artículo compara tres algoritmos de solución heurística para identificar la ubicación óptima de las restricciones de giro a la izquierda en intersecciones individuales en redes de cuadrículas perfectas e imperfectas. Se prueban escenarios en los que las decisiones de restricción son las mismas para todas las aproximaciones a la intersección y sólo las mismas para las aproximaciones en la misma dirección. Este último caso es especialmente complejo, ya que aumenta exponencialmente el número de configuraciones posibles. Los resultados sugieren que todos los métodos probados pueden utilizarse eficazmente para resolver este problema, aunque el método híbrido propuesto en este trabajo parece funcionar mejor en escenarios con espacios de solución más amplios. El marco y los procedimientos propuestos pueden aplicarse a redes urbanas realistas para identificar dónde deben aplicarse las restricciones de giro a la izquierda para mejorar el funcionamiento general de la red. La aplicación de estos métodos a redes cuadradas bajo patrones de demanda uniformes revela un patrón general en el que los giros a la izquierda deberían restringirse en las intersecciones centrales que soportan mayores flujos de vehículos, pero se permiten en los demás casos. Estos resultados pueden utilizarse como punto de partida para determinar dónde restringir los giros a la izquierda en redes más realistas.
Cuando el tráfico está atascado en un cruce del centro de la ciudad, puede haber una forma de reducir parte de la congestión: Eliminar algunos giros a la izquierda.
Según Vikash Gayah, profesor asociado de ingeniería civil en la Universidad Estatal de Pensilvania, unas restricciones de giro a la izquierda bien colocadas en ciertas intersecciones muy concurridas podrían eliminar muchos de los cuellos de botella que dificultan la eficacia del tráfico. Recientemente ha creado un nuevo método que podría ayudar a las ciudades a identificar dónde restringir estos giros para mejorar la fluidez del tráfico en general.
"Todos hemos experimentado esa sensación de quedarnos atascados esperando para hacer un giro a la izquierda", dice Gayah. "Y si se permite que estos giros tengan su propia flecha verde, hay que detener a todos los demás vehículos, lo que hace que la intersección sea menos productiva. En los giros a la izquierda es donde se producen las colisiones más graves, especialmente con peatones. Nuestra idea es eliminar estos giros cuando podamos para crear intersecciones más seguras y eficientes".
Al restringir selectivamente los giros a la izquierda, pero no prohibirlos por completo, los conductores pueden simplemente tener que encontrar rutas alternativas para llegar a sus destinos en determinadas zonas, dijo Gayah. Es posible que algunos tengan que recorrer unas cuantas manzanas más, pero Gayah cree que un flujo de tráfico más eficiente a través de las intersecciones más concurridas compensa la distancia adicional.
Para los planificadores urbanos, añadió, 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 tener en cuenta, puede resultar difícil encontrar el trazado más eficiente.
"Por ejemplo, si sólo hay que tener en cuenta 16 intersecciones, cada una de ellas con la opción de permitir o no los giros a la izquierda, ya son 65.000 configuraciones diferentes", dijo Gayah. "La cosa se complica aún más si se tiene en cuenta que el tráfico fluye de una intersección a otra, por lo que las decisiones dependen unas de otras. Acaba habiendo tantas respuestas posibles que nunca podemos encontrar la mejor".
El nuevo método de Gayah se basa en algoritmos heurísticos, que utilizan atajos para encontrar soluciones que casi se aproximan a un resultado óptimo, aunque no está garantizado.
"Hacemos una conjetura, aprendemos de esa conjetura y luego hacemos mejores conjeturas", dijo. "Con el tiempo, podemos acercarnos 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), muestreaba aleatoriamente las posibles configuraciones y reconocía los patrones de las opciones de alto rendimiento. A continuación, un algoritmo de optimización bayesiana analizó este nuevo conjunto de opciones de alto rendimiento para identificar cómo afectaban las restricciones al tráfico en las intersecciones adyacentes. La optimización bayesiana combina la información inicial sobre el problema y la actualiza a lo largo del tiempo a medida que se va conociendo nueva información para alcanzar una solución que se acerque, aunque no necesariamente, a la perfección. A continuación, el algoritmo aplica este conocimiento de la dinámica del tráfico para encontrar soluciones más eficientes.
"En lugar de comenzar la optimización bayesiana con una conjetura aleatoria, la alimentamos con las mejores conjeturas de la 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, encontrando que los tres métodos -PBIL, optimización bayesiana e híbrido- identificaron configuraciones que conducían a patrones de tráfico más eficientes que un diseño con cero restricciones. Sin embargo, en las simulaciones con escenarios más realistas, el método híbrido resultó ser el más eficaz.
Según Gayah, las configuraciones más eficientes tendían a prohibir los giros a la izquierda en el centro de la ciudad y a permitirlos más a menudo en la periferia. Aunque el método se aplicó a una red generalizada, los resultados pueden utilizarse como punto de partida para los patrones de tráfico del mundo real, ya que los algoritmos pueden personalizarse ciudad por ciudad.
"La red cuadriculada es la más generalizable y no es específica de ninguna ciudad", afirma 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".
Fuentes, créditos y referencias:
Más información: Murat Bayrak et al, Identification of Optimal Left-Turn Restriction Locations using Heuristic Methods, Transportation Research Record: Journal of the Transportation Research Board (2021). DOI: 10.1177/03611981211011647