Investigación de la dinámica del tráfico espacio-temporal hacia los niveles de riesgo de conflicto utilizando datos...

Área de la Ciencia:

• Ingeniería del tráfico
• Seguridad vial
• Ciencias del transporte

Sus antecedentes:

• Las condiciones de tráfico heterogéneas en la India presentan desafíos únicos de seguridad en las carreteras nacionales.
• Los modelos de seguridad vial existentes a menudo carecen de granularidad para capturar los riesgos de conflicto dinámicos y en tiempo real.
• Los datos de trayectoria de alta resolución son cruciales para comprender las interacciones complejas de los vehículos.

Objetivo del estudio:

• Identificar los factores dinámicos del tráfico espacio-temporal que influyen en los niveles de riesgo de conflicto en un tráfico heterogéneo.
• Desarrollar una nueva metodología en dos etapas para la evaluación de los riesgos de conflicto en tiempo real utilizando un marco de cuatro niveles.
• Para ir más allá de las clasificaciones tradicionales de riesgo binario a una evaluación más matizada.

Principales métodos:

• Utilizó datos de trayectoria basados en UAV de alta resolución para capturar más de 40,000 secuencias de riesgo de conflicto.
• Clasificación de la gravedad de los conflictos en cuatro niveles (Alto, Moderado, Bajo, Sin Riesgo) utilizando el Tiempo de Colisión Modificado (MTTC).
• Aprendizaje automático empleado (Random Forest, XGBoost, LightGBM) y un modelo de probita ordenado para analizar 65 variables espaciotemporales.

Principales resultados:

• La dinámica inmediata del vehículo (variabilidad de velocidad y aceleración dentro de 1 segundo) fue el predictor más fuerte de riesgo de conflicto.
• La frecuencia de cambio de carril y el flujo de tráfico de carril adyacente se volvieron influyentes durante un período de 5 segundos.
• El aumento de la variabilidad de velocidad y la frecuencia de cambio de carril elevaron la probabilidad de alto riesgo en ~ 10%; la mayor densidad de tráfico lo redujo.

Conclusiones:

• Se introdujo un enfoque metodológico sólido que combina el aprendizaje automático y el modelado estadístico.
• El estudio destaca el impacto de las dinámicas espaciotemporales de resolución fina en la gravedad de los conflictos de tráfico.
• Los hallazgos tienen implicaciones significativas para el desarrollo de sistemas de alerta de riesgos en tiempo real para mejorar la seguridad en las carreteras en entornos de tráfico mixto.