evidoria

← Volver al listado

Buena práctica Importada

Surtrac — Los semáforos adaptativos con IA de Pittsburgh reducen el tiempo de viaje un 26% y el tiempo de espera un 41%

Estados Unidos · Pittsburgh · Ver el perfil de Estados Unidos · Ver el perfil de Pittsburgh

Evidencia: Observacional / pre-post Top 25% 73/100 · Pregunte a Evidence Copilot sobre esta práctica

El sistema de semáforos con IA Surtrac de Pittsburgh, desarrollado con la Universidad Carnegie Mellon, redujo el tiempo de viaje un 26%, el tiempo de espera un 41% y las emisiones un 21% en su piloto original en East Liberty. La ciudad ya ha conseguido más de 20 millones de dólares para ampliarlo de 50 a unas 200 intersecciones.

-26%
Variación en el tiempo medio de viaje (2012 pilot)
-41%
Variación en el tiempo de espera en las intersecciones (2012 pilot)
-31%
Variación en el número de paradas (2012 pilot)
-21%
Variación en las emisiones de los vehículos (2012 pilot)

Detalles

Madurez
En expansión
Promotor
City of Pittsburgh Department of Mobility and Infrastructure / Carnegie Mellon University Robotics Institute (Rapid Flow Technologies)
Período
2012-2026
Palabras clave
traffic management, adaptive control, machine learning, urban mobility

Contexto

En 2012, la ciudad de Pittsburgh, junto con el Robotics Institute de la Universidad Carnegie Mellon, instaló Surtrac, un sistema de semáforos adaptativo basado en IA, en nueve intersecciones del barrio de East Liberty, sustituyendo los planes de señalización de tiempo fijo.

Objetivos

Permitir que cada intersección elabore su propio plan de señalización a corto plazo en tiempo real a partir de datos de sensores locales, compartiéndolo después con las intersecciones vecinas para que los grupos de vehículos crucen los corredores con menos paradas.

Actividades

Carnegie Mellon creó la spin-off Rapid Flow Technologies para comercializar y mantener Surtrac; Pittsburgh amplió el sistema de 9 a unas 50 intersecciones señalizadas en 2016, y la ciudad ha comprometido desde entonces más de 20 millones de dólares, junto con socios estatales y federales, para expandirlo a unas 200 intersecciones en toda la ciudad.

Resultados

La evaluación independiente de la CMU sobre el piloto original de East Liberty midió una reducción del 26% en el tiempo medio de viaje, una caída del 41% en el tiempo de espera en las intersecciones, un descenso del 31% en el número de paradas y una reducción del 21% en las emisiones de los vehículos frente a la señalización de tiempo fijo anterior.

Conclusiones

Los resultados cuantificados corresponden únicamente al piloto original de 9 intersecciones; las fases de expansión posteriores no han publicado una evaluación independiente equivalente antes/después, aunque los responsables municipales y los materiales del proveedor siguen citando las cifras del piloto al describir el programa actual.

Implementación
Coste indicativo
Muy alto (> 5 M€) — $20M+ committed by the city plus state/federal partners to expand from ~50 to ~200 signalised intersections citywide; the original 9-intersection pilot cost is not separately disclosed.
Tiempo hasta resultados
Largo (> 3 años) — Pilot deployed 2012; scaled to ~50 intersections by 2016; further expansion to ~200 intersections was underway as of the latest reporting.
Personal y competencias
CMU Robotics Institute researchers, Rapid Flow Technologies (spin-out vendor), City of Pittsburgh Dept. of Mobility and Infrastructure staff

Condiciones para el éxito

  • Local sensor data at each intersection to build real-time signal plans
  • A university research partnership to develop and validate the adaptive algorithm
  • Dedicated capital funding to expand beyond the original pilot corridor
  • A commercial vendor (Rapid Flow Technologies) to maintain the system at scale

Dónde encaja

Tipo de gobernanza
municipal
Escala
citywide arterial network

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles