evidoria

← Voltar à navegação

Boa prática Importada

Surtrac — Os Semáforos Adaptativos com IA de Pittsburgh Reduzem o Tempo de Viagem em 26% e o Tempo de Espera em 41%

Estados Unidos da América · Pittsburgh · Ver o perfil de Estados Unidos da América · Ver o perfil de Pittsburgh

Evidência: Observacional / pré-pós Top 25% 73/100 · Pergunte a Evidence Copilot sobre esta prática

O sistema de semáforos com IA Surtrac de Pittsburgh, construído com a Carnegie Mellon University, reduziu o tempo de viagem em 26%, o tempo de espera em 41% e as emissões em 21% no seu projeto-piloto original em East Liberty. A cidade já garantiu mais de 20 milhões de dólares para o expandir de 50 para cerca de 200 interseções.

-26%
Variação no tempo médio de viagem (2012 pilot)
-41%
Variação no tempo de espera nos cruzamentos (2012 pilot)
-31%
Variação no número de paragens (2012 pilot)
-21%
Variação nas emissões dos veículos (2012 pilot)

Detalhes

Maturidade
Em expansão
Promotor
City of Pittsburgh Department of Mobility and Infrastructure / Carnegie Mellon University Robotics Institute (Rapid Flow Technologies)
Período
2012-2026
Palavras-chave
traffic management, adaptive control, machine learning, urban mobility

Contexto

Em 2012, a cidade de Pittsburgh, em parceria com o Robotics Institute da Carnegie Mellon University, instalou o Surtrac, um sistema de sinalização de trânsito adaptativo baseado em IA, em nove cruzamentos do bairro de East Liberty, substituindo os planos de sinalização de tempo fixo.

Objetivos

Permitir que cada cruzamento construa o seu próprio plano de sinalização de curto prazo em tempo real a partir de dados de sensores locais, partilhando depois esse plano com os cruzamentos vizinhos para que grupos de veículos atravessem os corredores com menos paragens.

Atividades

A Carnegie Mellon criou a spin-off Rapid Flow Technologies para comercializar e manter o Surtrac; Pittsburgh alargou o sistema de 9 para cerca de 50 cruzamentos sinalizados até 2016, e a cidade já comprometeu mais de 20 milhões de dólares, com parceiros estaduais e federais, para expandir a cerca de 200 cruzamentos em toda a cidade.

Resultados

A avaliação independente da CMU ao piloto original de East Liberty mediu uma redução de 26% no tempo médio de viagem, um corte de 41% no tempo de espera nos cruzamentos, uma queda de 31% no número de paragens e uma redução de 21% nas emissões dos veículos, em comparação com a sinalização de tempo fixo anterior.

Conclusões

Os resultados quantificados dizem respeito apenas ao piloto original de 9 cruzamentos; as fases de expansão posteriores não publicaram uma avaliação independente equivalente antes/depois, embora responsáveis municipais e materiais do fornecedor continuem a citar os números do piloto ao descrever o programa atual.

Implementação
Custo indicativo
Muito elevado (> 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.
Tempo até resultados
Longo (> 3 anos) — Pilot deployed 2012; scaled to ~50 intersections by 2016; further expansion to ~200 intersections was underway as of the latest reporting.
Equipa e competências
CMU Robotics Institute researchers, Rapid Flow Technologies (spin-out vendor), City of Pittsburgh Dept. of Mobility and Infrastructure staff

Condições de sucesso

  • 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

Onde se enquadra

Tipo de governação
municipal
Escala
citywide arterial network

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Práticas semelhantes que podem ser úteis