- Pesquisadores do MIT desenvolveram um sistema de navegação que indica vagas de estacionamento com melhor equilíbrio entre proximidade e chance de conseguir vaga, em vez de apenas levar ao destino.
- Em simulações com dados de tráfego de Seattle, a técnica reduziu o tempo total de viagem em até sessenta e seis por cento em cenários mais congestionados, correspondendo a cerca de trinta e cinco minutos a menos.
- O método usa uma abordagem de programação dinâmica para calcular a melhor rota baseada na probabilidade de conseguir vaga e no tempo de deslocamento até o destino.
- Além de explorar vagas próximas, o sistema considera cenários em que o motorista chega à vaga ideal sem encontrar espaço, avaliando outras opções de estacionar.
- A ideia é incorporar dados de vagas por meio de fontes como sensores, apps ou dados crowdsourced, para reduzir a frustração, a congestão e as emissões, mesmo ainda não estando pronto para uso real.
O MIT desenvolveu um sistema de navegação que prioriza estacionamentos com maior probabilidade de disponibilidade, reduzindo o tempo de busca por vagas. O método busca equilíbrio entre proximidade ao destino e chances de conseguir uma vaga. O estudo foi apresentado em formato de demonstração.
Os pesquisadores mostram que o foco em estacionamento, em vez do destino, pode diminuir o tempo total de viagem. Em Seattle, simulações com dados reais indicaram ganho de até 66% no congestionamento mais intenso, equivalente a cerca de 35 minutos economizados.
O trabalho, conduzido por Cameron Hickert e colegas do MIT, utiliza uma abordagem probabilística que considera diversos estacionamentos próximos, as distâncias de origem a cada opção e a probabilidade de sucesso em cada local. O modelo funciona de trás para frente para encontrar a rota ótima.
Como funciona na prática
A metodologia leva em conta a possibilidade de não encontrar vaga no estacionamento ideal e avalia alternativas nas adjacências, incluindo a distância até novas opções e a probabilidade de acerto em cada uma. O objetivo é minimizar o tempo esperado de dirigir, estacionar e caminhar.
A pesquisa também incorpora a interação entre motoristas, simulando situações como a ocupação de vagas por outros veículos e o efeito em cascata de escolhas de estacionamento. O modelo busca refinar a estratégia conforme condições reais de demanda.
Dados e próximos passos
Os dados podem vir de sensores de vagas ou de informações colaborativas, incluindo relatos de disponibilidade via apps ou padrões de circulação para encontrar vagas. Em testes, observações crowdsourced apresentaram erro estimado de cerca de 7%.
Os autores destacam a viabilidade de uso em cidades maiores e avaliam ampliar estudos com rotas em tempo real e dados adicionais, como imagens de satélite. A intenção é medir impactos potenciais sobre emissões e deslocamentos.
Entre na conversa da comunidade