São Paulo — InkDesign News —
A aplicação de técnicas de machine learning e inteligência artificial (AI) em sistemas de controle de tráfego pode reduzir significativamente as emissões de carbono em cidades americanas, conforme uma pesquisa realizada por especialistas do MIT. O estudo aborda como a otimização do comportamento de condução pode minimizar o impacto ambiental do transporte urbano.
Contexto da pesquisa
Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) conduziram um estudo abrangente que investiga a possibilidade de implementar medidas de eco-condução para reduzir as emissões de CO2 em interseções movimentadas. O foco está em motoristas que frequentemente enfrentam longos períodos de espera em semáforos, o que não apenas prejudica a paciência dos condutores, mas também contribui significativamente para as emissões de carbono do transporte terrestre nos EUA.
Método proposto
A pesquisa utilizou técnicas de aprendizagem de reforço profundo, uma abordagem avançada de machine learning, para modelar cenários de tráfego em três cidades: Atlanta, San Francisco e Los Angeles. Os pesquisadores identificaram 33 fatores que influenciam as emissões de veículos, como temperatura, tipo de estrada e comportamento dos motoristas, simulando mais de um milhão de cenários de tráfego. Eles dividiram os modelos de aprendizado em cluster para otimizar a eficácia na redução de emissões, permitindo que o controle de eco-condução fosse aplicado em nível de interseção.
“Uma das maiores dificuldades foi assegurar que não deixássemos de fora fatores principais.”
(“One of the biggest challenges was making sure we were diligent and didn’t leave out any major factors.”)— Cathy Wu, Professora Associada, MIT
Resultados e impacto
Os resultados da modelagem indicam que a total implementação de medidas de eco-condução pode levar a uma redução de emissões nas interseções de 11% a 22%, dependendo da configuração das ruas na cidade. Mesmo com apenas 10% dos veículos adotando essa prática, a redução total pode variar de 25% a 50%. Os pesquisadores também notaram que a otimização dinâmica dos limites de velocidade em 20% das interseções pode oferecer 70% do benefício total em termos de emissões.
“Esta é uma primeira tentativa de quantificar sistematicamente os benefícios ambientais em toda a rede da eco-condução.”
(“This is a first attempt to systematically quantify network-wide environmental benefits of eco-driving.”)— Hesham Rakha, Professor de Engenharia, Virginia Tech
Esses achados sugerem que a integração da eco-condução com outras soluções de descarbonização do transporte poderia amplificar os benefícios gerais. A pesquisa abre caminho para novas aplicações, incluindo sistemas de controle de tráfego mais inteligentes e respostas rápidas a dinâmicas de tráfego em tempo real.
Fonte: TechXplore – Machine Learning & AI
