Una serie de estrategias de control de tránsito puede ser implementada en las Operaciones de las Redes Viales con el objeto de mejorar el flujo de tránsito, prevenir la congestión y mejorar la performance. El software ITS – soportado por una gran cantidad de datos en tiempo real permite saber con precisión el estado de la red vial – es usado para desarrollar una óptima gestión y estrategias de control que soportan a los objetivos de las políticas de la red. Éstos varían de un lugar a otro, pero comúnmente incluyen la maximización del rendimiento del tránsito, la minimización de las demoras y la congestión, el mantenimiento de la seguridad vial para todos los usuarios del camino – incluyendo los cruces seguros para peatones y ciclistas – los objetivos del medioambiente (para reducir los niveles de ruido y/o polución del aire) y la prioridad de señales para autobuses / tranvías para algunos lugares.
Los métodos de control incluyen:
Control de Tránsito Urbano (UTC), con:
Sistemas de Control de Autopistas, incluyendo:
Los controladores de campo son necesarios para implementar estas estrategias. Representan el cerebro del sistema local y proveen los medios para acceder, monitorear y controlar al equipamiento de campo (tal como un medidor en rampas, una señal de tránsito o un detector de vehículos).
El software informático es necesario para proveer estas funciones. Algunas de las funciones que el software del sistema ITS deben realizar incluyen el control de tránsito urbano, el control de tránsito en carreteras arteriales y los sistemas de control de autopistas. .
El control del tránsito urbano se refiere a un paquete de tecnologías dirigidas a la gestión y al control del flujo vehicular en redes urbanas – para minimizar las demoras, maximizar la eficiencia, mejorar la seguridad vial y reducir las emisiones y el consumo de combustible. Una gran parte del control de tránsito urbano involucra software para optimizar los planes de señales en intersecciones para alcanzar esos objetivos. Ésto requiere redes extensa de sensores para recolectar infomación del tránsito en tiempo real – por ejemplo, espiras detectoras, videocámaras de circuito cerrado de TV y procesamiento de imágenes de video, o detectores no intrusivos de tránsito. Basados en la información recolectada, los algoritmos inteligentes logran optimizar los planes de tránsito. Diferentes niveles de control y sofisticación son encontrados en los sistemas de control de tránsito urbano. (Ver Control del Tránsito Urbano).
Varios tipos de controladores de campo están disponibles para responder a las demandas del tránsito, facilitar la movilidad y permitir los tiempos de cruce de calles. En USA el controlador tipo 170 fue desarrollado a comienzos de los año 1970 por el Departamento de Transporte de California. Su sucesor – el tipo 2070 – fue introducido en 1992. Ejemplos más recientes son los controladores de señales NEMA y el Controlador Avanzado de Tránsito (ATC – 2005) – el controlador más avanzado en USA.
Los controladores de tránsito trabajan sobre la base de un ciclo de tiempo que es desagregado en "fases" – el orden en el cual cada corriente vehicular está en verde mientras el otro tránsito vehicular permaneces en rojo. Una simple intersección en una calle debe tener sólo dos fases: Norte/Sur y Este/Oeste. Una intersección congestionada de cuatro manos, con grandes volúmenes de tránsito cambiantes, debería tener hasta ocho fases - una fase por cada una de las cuatro direcciones de tránsito y una fase por cada movimiento cambiante.
En el Reino Unido, un relativamente nuevo controlador denominado Microprocessor Optimised Vehicle Actuation (MOVA) fue desarrollado para superar algunas de las limitaciones asociadas con el tradicional control Vehicle Actuation (VA). Una singular característica del MOVA es que tiene dos modos de operación – una para las condiciones del tránsito congestionado y una para el descongestionado o condiciones de flujo libre.´Para las condiciones de flujo libre, el objetivo del MOVA es controlar cualquier cola que se ha acumulado durante la fase de rojo. Un algoritmo evalúa las cargas de tránsito desde diferentes enfoques de intersecciones y determina si la extensión del tiempo de verde es beneficioso. Si lo es, la fase verde es extendida para dejar circular al tránsito. Ésto continúa hasta que el controlador cambia a una fase diferente. Durante la congestión, el objetivo operacional del MOVA cambian para maximizar la capacidad o rendimiento de la intersección completa.
Los sistemas de control en autopistas se focalizan en obtener una mejor gestión de los segmentos viales para mejorar la capacidad e incrementar la performance. A través de los años, os Sistemas de Ayuda a las Decisiones (DSS) han sido propuestos y desarrollados para ayudar este proceso. Estos DSS pueden proveer recomendaciones para los operadores de tránsito sobre posibles estrategias de control del tránsito – tales como el guiado dinámico de ruta, la medición en rampas, los límites variables de velocidad y la sincronización óptimas de las señales.
Los sistemas de control automatizados de autopistas (algunas veces se los denomina como Gestión Activa de Tránsito o sistemas ATM), usan diferentes conceptos para alcanzar su objetivo – tal como la armonización de la velocidad, el uso temporario de las banquinas, el ruteo y la señalización dinámicas, el control en intersecciones y la medición en rampas. (Ver Gestión del Tránsito en Autopistas).
La Gestión del Tránsito Activo ha sido implementada en Europa, convirténdose en una herramienta para la gestión de la congestión (recurrente o no recurrente), como así también en USA. Los componentes tecnológicos principales de un ATM son similares a los de los sistemas UTC e incluyen sistemas de monitoreo y sensado, comunicaciones, controladores y algoritmos inteligentes.
Los beneficios del sistema ATM incluyen:
Los sistemas de Control de Tránsito Urbano (UTC) requieren señales de tránsito, controladores de señal, medición en rampas y carteles de mensajes variables (Variable Message Signs – VMS) para controlar el tránsito. También se requiere:
Diferentes enfoques y medidas son utilizadas para la gestión y el control en tiempo real en áreas urbanas:
Los sistemas computarizados de control de señales computarizada aparecén en la década de 1960 cuando las computadoras fueron las primeras usadas para coordinar los controladores de señales vehoculares para un grupo de intersecciones – pero sin el beneficio de la actual realimentación de la información desde los detectores de campo a las computadoras. En este tipo de sistema ( conocido como control de lazo abierto) los planes de tránsito que son implementados no responden a la demanda del tránsito real. En cambio, los planes son desarrollados "fuera de líenea" usando datso de los conteos históricos del tránsito – e implementados de acuerdo a la hora del día y el día de la semana.
Este sistema es bastante básico, pero aún ofrece varias ventajas, a saber:
El siguiente nivel de sofisticación es el que corresponde a los sistemas de control de señales donde la informacióon desde los detectores vehiculares de campo es realimentada al computador central. La computadora usa la información de las condiciones actuales del tránsito para elegir el plan de señales a ser implementado (control de lazo cerrado). La selección de planes se realiza de acuerdo a uno de los siguientes métodos:
En este caso, el sistema ha accedido a la base de datos (librería) que acumula un gran número de diferentes patrones de tránsito junto con los planes ´de tránsito "óptimos" (desarrollados fuera de línea) para cada patrón de tránsito. Basado en la información recibida desde los detectores de tránsito , la computadora armoniza el patrón de tránsito observado con los patrones almacenados, para identificar el patrón más parecido. El plan "óptimo" asociado con el patrón identificado es entonces implementado. Este tipo de sistema de control adaptativo de tránsito es, frecuentemente, conocido como un sistema de Primera Generación. Su característica distintiva es que los planes, mientras responden a las condiciones de tránsito, son aún desarrollados fuera de línea. Los sistema de Primera Generación trabajan sobre la base de los datos de tránsito actuales y, generalmente, no tienen capacidades de predicción del tránsito.
En este método, el plan de señales "óptimo" es computado e implementado en tiempo real. La sincronización óptima de señales se comutan en tiempo rel usando los datos actuales de las condiciones del tránsito obtenidas desde la información del detector. Ésto requiere un potencia informática suficiente para realizar las acciones informáticas necesarias en tiempo real. También, se necesitan suficientes datos desde los detectores vehoculares para hacer los cálculos. Los sistemas que desarrollan planes "en red" (en tiempo real) están clasificados como sistemas de Segunda o Tercera Generación. Típicamente, tienen una frecuencia de actualización del plan mucho más corta comparada con los sistemas de Primera Generación; tipícamente, cada 5 minutos para sistemas de Segunda Generación y de 3 a 5 minutos por sistemas de Tercera Generación. Además, algunos sistemas de Tercera Generación utilizan la información de los detectores de tránsito para alimentar algoritmos de diagnóstico de tránsito a corto plazo.
Existen varios ejemplos de sistemas de control adaptativo del tránsito que están en uso alrededor del miundo. Entre los algoritmos más aceptados se encuentran: SCOOT, SCATS y RHODES.
SCOOT (Split, Cycle, Offset Optimisation Technique) es un sistema de control adaptativo del tránsito desarrollado por el Laboratorio de Investigación de Transporte del Reino Unido (United Kingdom’s Transport Research Laboratory (TRL)) a comienzos de los años 1980. SCOOT opera intentando minimizar un índice de performance (PI) – típicamente, la suma de la longitud promedio de colas y el número de paradas a través de la red de controladores. Con el objeto de hacer ésto, SCOOT modifica la longitud del ciclo, la duración del tiempo de verde dado a cada fase de la señal (conocida como tiempo “splits”), y el tiempo "offset" para cada grupo de señales (la diferencia de tiempo entre los tiempos de comienzo del ciclo en las señales adyacentes). SCOOT realiza estos cálculos en tiempor real en respuesta a la información provista por los detectores vehiculares.
La operación de SCOOT está basada en los llamdaos Cyclic Flow Profiles (CFP). Ése presentan como histogramas (representaciones gráficas en rangos especificados por el usuario) que muestran la variación en el flujo de tránsito en un ciclo – el cual es medido mediante lazos y detectores que se ubican a mitad de cuadra de cruces significativos de la red. Usando los CFPs, el optimizador del offset calcula las colas en la línea de parada. Los splits y longitud de ciclo óptimos son, entonces, calculados.
Varias características adicionales se han agregado al SCOOT para mejorar su efectividad y flexibilidad, incluyendo la habilidad para:
El Sistema de Tránsito Adaptativo Coordinado de Sydney (Sydney Co-ordinated Adaptive Traffic System (SCATS)) fue desarrollado a finales de los años 1970 por las Autoridades Viales de tránsito y Carreteras de New South Wales en Australia. Para la operación, SCATS sólo requiere la detección de tránsito en la línea de detención sin necesidad de detectar el tránsito a mitad de cuadra como es necesario en el SCOOT. Ésto simplifica la instalación dado que la mayoría de los sistemas existentes de señales están equipados con sensores solamente en los cruces. SCATS es un sistema jerárquico de inteligencia distribuida que optimiza la longitud de ciclo, los intervalos de fase (splits), y los offsets en respuesta a los volúmenes a ser detectados. Par el control, la red de señales es dividida en un gran número de subsistemas más pequeños, cada uno atendiendo desde una a diez intersecciones. Los subsistemas funcionan individualmente excepto que las condiciones de tránsito requieran el “enlace” – o la integración de los sistemas individuales.
Desde 1991, la Universidad de Arizona ha estado desarrollando un sistema de control adaptativo en tiempo real, llamado RHODES (Sistema Eficaz Distribuido Jerárquico en Tiempo Real - Real-time Hierarchical Distributed Effective System). RHODES es diseñado para tomar ventaja de las variaciones estocásticas (random) naturales en el flujo vehicular, para mejorar la performance – una característica que no se encuentra en los sistemas SCOOT y SCATS.
El sistema RHODES consiste en una jeraquía de tres niveles que desagrega el problema del control del tránsito en tres componentes: carga de la red, control del flujo vehicular y control de la intersección:
El nivel 3 se ocupa del control de la intersección - determinando el tiempo óptimo para cambiar las señales de tránsito para la siguiente secuencia de fase y si la fase actual debería ser acortada o extendida. El marco de tiempo para el control del nivel 3 está, típicamente, en el orden de segundos o minutos.
Donde haya rutas alternativas disponibles, se puede abordar matemáticamente el problema de optimización del tránsito de la red. Para el guiado dinámico de enrutamiento (o de redireccionamiento en rutas) (DRG), la "función objetivo" (una ecuación que expresa la función operacional que necesita ser maximizada o minimizada) – es la medición de la performance de la red de autopistas, a ser optimizada. Por ejemplo, el objetivo debería ser minimizar el tiempo total de viaje de todos los vehículos. Las variables de decisión son las proporciones del tránsito que se dividen en cada punto de desviación – para optimizar la performance de la red. La división del tránsito define cómo el tránsito debería ser distribuido. La meta es modelizar el flujo vehicular en la región y asegurar que se mantenga en los nodos y a lo largo de los enlaces de la red, sin la congestión establecida. El software ITS puede, entonces, ser utilizado para resolver el problema de optimización de la función objetivo y para recomendar una estrategia de redireccionamiento que variará en tiempo real de acuerdo a las condiciones del tránsito. El consejo de direccionamiento será dado a través de la difusión de información del tránsito, o bien en VMS o mediante guiado embarcado de rutas para aquellos vehículos que estén equipados con dicho equipamiento.
La prioridad del transporte público (conocida como Transit Signal Priority o TSP en USA) es una medida que tiene como meta la reducción de las demoras para los vehículos del transporte público (autobuses, tranvías, taxis) en intersecciones semaforizadas, dando a sus movimientos un trato preferencial. Los métodos para realizar esta acción pueden ser divididas en estrategias pasivas i activas. La diferencia básica estriba en las características de los sensores y detectores especializados que son utilizados para detectar a los vehículos del transporte público que se aproximan.
Las tecnologias de soporte para identificar específicamente a estos tipos de sensores son: la tecnología pasiva TSP, que simplemente mejora las condiciones para todos los vehículos a lo largo del corredor del transporte público.
Y las tecnologías activas que detectan la aproximanción de autobuses o tranvías (ésto es típicamente un conjunto de un transmisor en el vehículo que se comunica con un receptor o detector instalado en un controlador al costado de la carretera). Se dispone de diferentes algoritmos o estrategias para el funcionamiento de la prioridad activa de autobuses. Entre las más comunes se tienen:
Extensión de Verde: ésto extiende el tiempo de verde si un autobús o un tranvía es detectado, para permitir pasar al vehúclo en forma prioritaria - hasta un cierto y predeterminado límite. Esta estrategia solamente beneficia a una pequeña porción de vehículos, pero la reducción en la demora para los beneficiarios es significativa (igual a la longitud de todo el intervalo en rojo)
Verde Temprano: acorta el tiempo de verde para fases conflictivas, mediante una predefinida cantidad de tiempo – por ejemplo, cuando el autobús llega mientras la señal de tránsito está en su fase de color rojo. El Verde temprano beneficia a un gran porcentaje de autobuses, pero el ahorro por vehículo no es tan grande como con la Extensión de Verde.
Rotación de Fase: bajo esta estrategia, la secuencia del tiempo de verde para diferentes maniobras en la intersección se cambia de modo tal que el vehículo prioritario no se retrase. Una modificación común – que permite al vehículo cruzar a la corriente vehicular opuesta – amerita saltar de una señal dedicada de intercambio desde el comienzo del ciclo (la fase " de avance") al final del ciclo (la fase "de retraso").
Fase de Tránsito Actuada (s): requiere establecer fases de tránsito, las cuales solamente se activen cuando un autobús / tranvía se presente. En este caso, una fase especial de señal de tránsito debería mostrarse; por ejemplo, una letra “B” para Bus o “T” para Tranvía.
Inserción de Fase: ésto permite a la misma fase aparecer más de una vez durante el mismo ciclo con el objeto de servir al vehículo circulante.
Una importante función que el software ITS puede proveer para las Operaciones de Redes de Carreteras es la capacidad de detectar incidentes y condiciones anormales a través de un análisis automático de los datos de supervisión del tránsito en tiempo real. El desarrollo de los algoritmos de Detección Automática de Incidentes (Automatic Incident Detection (AID)) comenzó en los años 1970, y desde ese tiempo muchos algoritmos se han desarrollado. Ellos han tenido un éxito desigual, primeramente debido a su relativamente alta tasa de falsas alarma (medida como una relación entre el número de detecciones falsas y el número total de observaciones).
Los algoritmos AID puede ser ampliamente divididos en cuatro grupos basados en el principio de operación del algoritmo. Estos grupos son:
Estos son los algoritmos AID comúnmente más usados. Ellos están basados en la premisa de que la ocurrencia de un incidente ocasiona un incremento en la densidad del tránsito aguas arriba y un decrecimiento en la densidad del tránsito aguas abajo. El Algoritmo California es uno de los primeros algoritmos AID del tipo comparativo que fueron desarrollados – y es, frecuentemente, usado para comparaciones y benchmarking. Desde que el se desarroll+o el primer algoritmo original California, se han realizado ajustes para su performance. Al menos 10 nuevos algoritmos han sido producidos, de los cuales el 7 y el 8 son los más exitosos. El algoritmo TSC 7 representa un intento para reducir la tasa de falsa alarma del algoritmo original. El algoritmo TSC 8 prueba repetidamente los efectos de la congestión aguas arriba de un probable incidente y monitorea otras características del tránsito.
La Teoría de la Catástrofe deriva su nombre de los cambios repentinos que tienen lugar en una variable que está siendo monitoreada – mientras que variables relacionadas, que también estpan siendo monitoreadas, muestran cambios suaves y continuos. Para la detección de incidentes, los algoritmos de la teoría de la catástrofe monitorean las variables fundamentales del flujo vehicular – velocidad, flujo y ocupación del carril (densidad). Cuando el algoritmo detecta una drástica caída en la velocidad, sin una inmediata cambio correspondiente en la ocupación y en el flujo, ésto es un indicador de que un incidente ha probablemente ocurrido. El algoritmo McMaster desarrollado en la Universidad de McMaster en Cánada es un buen ejemplo de un algoritmo basado en este concepto.
Métodos estadísticos o de serires de tiempos son utilizados para pronosticar estados o condiciones futuras de tránsito. A través de las comparación de datos de tránsito observados en tiempo real con datos pronósticos, los cambios inesperados son clasificados como incidentes. Un ejemplo de este tipo de algoritmos, es el algoritmo de series de tiempos, llamado Auto-Regressive Integrated Moving-Average (ARIMA). ARIMA es utilizado para proveer pronósticos de ocupaciones de tránsito a corto plazo basados en datos observados de tres intervalos de tiempo previos. El algoritmo también calcula con el intervalo de confiabilidad de 95%. Si las observaciones fallan fuera del rango del 95% como predice el modelo, se asume que ha ocurrido un incidente.
Varios conceptos de Inteligencia Artificial (AI) han sido aplicados a problemas en la ingeniería y en la planificación del transporte. La detección automática de incidentes es una aplicación. La detección de incidentes es un buen ejemplo de un grupo de problemas conocidos como problemas de clasificación o de reconocimiento de patrones - para los cuales las teorías son bastante efectivas para encontrar una solución. Entre los conceptos más aplicados al problema de la detección de incidentes está el llamado Artificial Neural Networks (ANNs). Este usa algoritmos complejos y múltiples procesadores computarizados para reconocer patrones y conexiones en los datos de entrada.