Méthode dirigée par l'IA pour réduire les retards de circulation et améliorer la sécurité routière
Le Dr Abolfazl Karimpour, professeur adjoint d'ingénierie des transports chez SUNY Poly, a développé un cadre innovant qui estime la longueur et la durée des files d'attente de circulation et des retards causés par des accidents, sans compter sur des capteurs physiques en bordure de route. Le Dr Karimpour est l'auteur principal du nouvel article publié dans Études de cas sur la politique de transport.
En intégrant la vitesse du véhicule en temps réel et les données de localisation provenant de sources de crowdsourced largement disponibles, cette méthode permet une surveillance cohérente et à l'échelle de l'État des impacts des accidents à une fraction du coût des approches traditionnelles. En termes pratiques, cette recherche offre aux agences de transport d'un outil puissant pour détecter et répondre aux incidents plus rapidement, mieux gérer la congestion et améliorer la sécurité des routes pour les conducteurs.
Cette récente publication a été co-écrite avec le récent diplômé de SUNY Poly Anthony Alteri, Adrian Cottam de l'Institut de recherche sur les transports de l'Université d'Auburn, et Ellwood Hanrahan II du Département des transports de l'État de New York (NYSDOT).
Dirigé par le laboratoire de recherche sur les transports de SUNY Poly (Trail), où le Dr Karimpour est directeur, le projet a grandement bénéficié de la collaboration de Nysdot. L'agence a fourni des données critiques de transport, a contribué à la brainstorming des sessions et a offert des informations clés qui ont contribué à façonner la direction et les résultats de la recherche.
