Crédito: No
NEC Corporation ha desarrollado una tecnología de detección de fibra óptica para monitorear las condiciones de la carretera y predecir con precisión la congestión del tráfico repentino en tiempo real. Al recopilar datos de los cables de comunicaciones de fibra óptica existentes y analizar datos de flujo de tráfico en tiempo real utilizando un modelo de IA patentado, los investigadores han reducido los errores de predicción en un 80% en comparación con los métodos convencionales.
Esta tecnología permite un control de tráfico efectivo, incluida la disposición de las rutas de desvío, contribuyendo así a la resolución de desafíos sociales, como los problemas logísticos y las emisiones de CO2.
Descripción general de la tecnología
La congestión del tráfico es un problema social significativo, que amenaza la seguridad y causa pérdidas económicas sustanciales. En particular, la congestión en las autopistas, la columna vertebral de muchas redes logísticas, tiene un impacto económico significativo. Abordar este problema requiere una comprensión en tiempo real de las condiciones de la carretera tanto para la mitigación de congestión inmediata como para la evitación proactiva, así como la predicción de congestión altamente precisa basada en datos actualizados.
Los enfoques de monitoreo actual se basan principalmente en instrumentos basados en puntos, incluidas cámaras y detectores de bucle, así como datos de la sonda del vehículo. Sin embargo, ambos tienen limitaciones: el primero es costoso de instalar y mantener en redes de carretera enteras, y el segundo solo proporciona datos cuando los vehículos equipados pasan por puntos receptores específicos, limitando la cobertura en tiempo real y continua. Además, los modelos de predicción de congestión existentes dependen en gran medida de los datos históricos a largo plazo, lo que dificulta la captura de la aparición y la propagación de patrones de congestión inesperados e inesperados.
Para abordar estos desafíos, NEC ha desarrollado una tecnología que utiliza cables ópticos de fibra, instalados originalmente para fines de comunicaciones junto con carreteras, como sensores extensos y distribuidos para recopilar datos de flujo de tráfico continuo en tiempo real en las rutas enteras. El modelo único de IA de NEC proporciona predicciones en tiempo real y de alta precisión con respecto al desarrollo y la eliminación de la congestión repentina.
Crédito: No
Características técnicas
NEC ha desarrollado un algoritmo de asimilación de datos que combina técnicas avanzadas de optimización de parámetros del modelo y adaptación de datos, lo que permite simulaciones precisas del flujo de tráfico en tiempo real utilizando datos integrales recopilados a lo largo de la totalidad de las carreteras.
El equipo ha creado un algoritmo para optimizar los parámetros del modelo teórico, como los comportamientos del conductor (por ejemplo, ajuste de distancia entre vehículos), por lo que las simulaciones reproducen fielmente los datos de flujo de tráfico observados para segmentos completos de la carretera.
Algoritmo de adaptación de datos
Un algoritmo avanzado convierte diversos datos de flujo de tráfico, incluida la “velocidad promedio” y la “posición individual” de vehículo “, en formatos compatibles con entradas de simulación. Esto permite establecer las condiciones iniciales para simulaciones basadas en datos integrales de flujo de tráfico obtenidos en rutas completas, mejorando significativamente la confiabilidad de las salidas de simulación.
A través de estas innovaciones, los investigadores han confirmado, utilizando datos del mundo real, que los errores de predicción del tiempo de viaje (un indicador clave para el pronóstico de congestión) se pueden reducir en aproximadamente un 80% en comparación con el método existente que se basa en datos de sección transversal de sensores de puntos como cámaras.
NEC avanza aún más en la realización de un gemelo digital de carretera dinámico que permite el monitoreo del tráfico en tiempo real en tiempo real, la predicción de la evolución de la congestión y la optimización de las medidas receptivas. Los ensayos del mundo real están actualmente en marcha en estrecha colaboración con las autoridades viales, con el objetivo del despliegue práctico por el año fiscal 2026.
Esta tecnología se desarrolló utilizando datos proporcionados por Central Nippon Expressway Company Limited (NEXCO Central) y se presentó en la Junta de Investigación de Transporte 104a reunión anual Celebrado en Washington DC del 5 al 9 de enero de 2025 como un artículo titulado “Un enfoque novedoso para la predicción del tráfico a corto plazo a tiempo real basada en la detección de fibra óptica distribuida y la asimilación de datos con un modelo de automas de células estocásticas”. Es disponible en el servidor de preimpresión ARXIV.
Se presentará un documento relacionado en el 31º Congreso mundial En Atlanta, Georgia, EE. UU. Se celebró el 24 al 28 de agosto, se centró en mejorar la precisión del monitoreo del flujo de tráfico en las autopistas.
Más información: Yoshiyuki Yajima et al, un enfoque novedoso para la predicción del tráfico a corto plazo en tiempo real basada en la detección de fibra óptica distribuida y la asimilación de datos con un modelo de automa de células estocásticas, ARXIV (2025). Doi: 10.48550/arxiv.2501.03628
Información en el diario: ARXIV
Proporcionado por NEC
Cita: Predicción de congestión de tráfico repentino en tiempo real utilizando cables de fibra óptica (2025, 25 de agosto) Recuperado el 25 de agosto de 2025 de https://techxplore.com/news/2025-08-sudden-traffic-congestion-real-optical.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
