Contar con una manera fiable de predecir el comportamiento del tráfico en un área determinada podría constituir una gran comodidad para los viajeros, así como un significativo ahorro de energía. Contar, por ejemplo, con una predicción fiable de las mejores rutas durante la evacuación de emergencia de una ciudad ante un desastre natural puede ser la diferencia entre la vida o la muerte para muchas personas. Por ello un equipo de investigadores de diferentes instituciones académicas de todo el mundo (con el MIT y la Univ. de Notre Dame a la cabeza) se ha unido para desarrollar una fórmula eficaz y relativamente sencilla que permita realizar dichas predicciones.
Los resultados de su esfuerzo han aparecido ahora publicado en el último número de la revista Nature Communications, con la firma de Marta González (profesora asistente de ingeniería civil y ambiental en el MIT), Zoltan Toroczkai y Yihui Ren (ambos de la Universidad de Notre Dame de París). Todos los participantes en la investigación cuentan con experiencia previa aplicando sus conocimientos sobre modelado computacional de sistemas complejos a los sistemas de escala humana (como los flujos de tráfico o la propagación de enfermedades), y su trabajo ha servido para encontrar patrones en estos sistemas similares a los observados en sistemas físicos.
Hasta ahora, el estudio del comportamiento del tráfico se había abordado mediante el uso de los llamados modelos gravitacionales. Pero, según González, éstos cuentan con limitaciones severas, como las dificultades para adaptarse a los cambios de la red (como los producidos por obras o emergencias), obstáculo solventado en el nuevo modelo. En éste, el número promedio de viajeros que cada día planean ir del punto A al punto B son la “tensión” de un sistema eléctrico, y el número promedio de viajeros que en realidad sigue un camino dado durante ese trayecto se corresponde con la corriente eléctrica. Así, los lugares de destino mayoritarios (por ejemplo, un campus) son “amortiguadores” del sistema y los puntos de origen (donde la gente vive) son “emisores”.
Como prueba del modelo, los investigadores introdujeron los datos sobre distribución de la población (a partir del censo de Estados Unidos), así como información sobre dónde trabaja la gente, y sobre la estructura básica de la red de carreteras. Las predicciones generadas a partir de ello se han probado, encontrando que se relacionan muy bien con los datos de tráfico real. Posteriormente el modelo se aplicó a lugares como América del Sur y África, con datos muy diferentes a Estados Unidos, y los resultados siguieron siendo buenos.
from TICbeat http://ift.tt/1pBThws
