Flow Labs, un proveedor de software de transporte impulsado por inteligencia artificial, ha presentado un nuevo estándar patentado para medir el desempeño de las intersecciones, que ayuda a las agencias a analizar las operaciones de señales y reducir la congestión.
Las medidas integradas de rendimiento de la señal (NIPM) ofrecen un enfoque más integral para la gestión del rendimiento de la señal, según Flow Labs, lo que permite una mayor precisión, un mejor soporte para la toma de decisiones y una estrategia completamente nueva para abordar las limitaciones de los métodos tradicionales.
Las NIMF utilizan IA para integrar múltiples conjuntos de datos, incluidos datos de detección, señales y sondas, lo que representa un importante paso adelante en la gestión del tráfico con el potencial de mejorar drásticamente la movilidad en todo el país.
La implementación de medidas automatizadas de rendimiento de señales de tráfico (ATSPM) y, más recientemente, medidas de rendimiento de señales basadas en sondas (PBSPM) han avanzado significativamente la gestión de intersecciones durante la última década o más. Si bien han sido útiles para proporcionar a los ingenieros herramientas para comprender mejor el rendimiento de la señal, estos métodos más tradicionales han mostrado limitaciones, particularmente en lo que respecta a la integridad y precisión de los datos.
Los ATSPM, por ejemplo, proporcionan información crucial para la reprogramación de señales y la mejora del flujo de tráfico, pero dependen de la conectividad y de hardware costoso, incluidos dispositivos de detección que con frecuencia son inexactos. Por otro lado, los PBSPM proporcionan una solución regional sin hardware, pero ofrecen capacidades de diagnóstico limitadas para identificar problemas de señal y, en ocasiones, carecen de precisión debido a las bajas tasas de penetración de datos de la sonda.
Para superar estos diversos desafíos, Flow Labs desarrolló NIMF, aprovechando las fortalezas de ambas tecnologías.
«A pesar de los avances en las medidas de rendimiento de las señales en los últimos años, muchas señales en todo el país continúan funcionando mal, provocando un estancamiento interminable en las comunidades», dijo Jatish Patel, fundador y director ejecutivo de Flow Labs. “Los ATSPM y PBSPM han tenido un profundo impacto en el análisis de señales y han permitido que la gestión de señales se acerque a su destino. Desarrollamos NIMF para llegar hasta allí, combinando simultáneamente las fortalezas y eliminando las debilidades de sus predecesoras”.
Al combinar múltiples conjuntos de datos, incluidos datos de detección, señales y sondas, ISPM de Flow Labs utiliza IA para integrar la información en un análisis más completo y preciso del rendimiento de la señal. Este enfoque holístico no sólo aborda las limitaciones de las medidas tradicionales, sino que también mejora las capacidades de diagnóstico, el apoyo a las decisiones y la gestión general de las señales de tráfico.
Flow Labs señaló que las NIMF no son simplemente la adición de ATSPM y PBSPM. En cambio, al compilar y analizar varios conjuntos de datos, una NIMF puede proporcionar medidas de desempeño innovadoras que no están disponibles en ninguno de los dos, incluidas medidas de estado del detector, movimientos precisos de conteo de giros, semáforo en rojo sin hardware y detección de entrada a zonas de dilema, actividad de carga y camiones, usuario vulnerable de la vía y otras ideas de seguridad.
Patel concluyó: “Las NIMF son una solución escalable y rentable que brinda a las agencias la visión más completa y precisa de sus intersecciones. Les permite comprender el comportamiento de la red y, con apoyo en la toma de decisiones, ajustar los planes de sincronización de señales, lo que puede reducir significativamente la congestión regional y aliviar el estrés de los conductores”.