Un nuovo studio pubblicato su arXiv[1] presenta TGDT, un modello basato su grafi temporali e intelligenza artificiale in grado di ottimizzare il traffico urbano in tempo reale lungo corridoi stradali complessi.
Un gemello digitale per il traffico cittadino
Il modello TGDT (Temporal Graph-based Digital Twin) promette una rivoluzione nella gestione della mobilità urbana. Utilizzando una combinazione di reti neurali convoluzionali e reti neurali attentive basate su grafi, il sistema riesce a simulare e prevedere in tempo reale parametri cruciali come tempi di attesa, lunghezze delle code e volumi di traffico sia agli incroci che lungo interi tratti stradali. Testato su dati reali e simulati della SR 436 in Florida, il modello ha fornito stime accurate anche in condizioni di traffico estreme.
Una struttura modulare e scalabile
TGDT è progettato per adattarsi a qualsiasi numero di incroci e parametri di traffico, mantenendo alta precisione e bassi tempi di calcolo. Grazie alla sua architettura modulare e a una tecnica di ottimizzazione sequenziale, riesce a evitare i classici problemi dell’apprendimento profondo, come la perdita di gradiente, e può essere facilmente adattato a nuove esigenze. Il sistema utilizza dati semplici e facilmente accessibili, come i volumi di traffico aggregati e i parametri dei semafori, rendendolo economico da implementare.
Prestazioni eccezionali e rapidità
In termini di accuratezza, TGDT ha mostrato errori minimi: solo 24 secondi nella stima del tempo di percorrenza, 100 secondi per il tempo di attesa, e uno scarto massimo di 4 veicoli per le lunghezze di coda. In confronto con modelli esistenti, ha ottenuto risultati migliori anche con input meno dettagliati, riuscendo a simulare mille scenari in meno di un minuto su GPU, mentre i modelli tradizionali impiegano più di un’ora su cento CPU.
Verso città più intelligenti
Gli autori propongono TGDT come strumento essenziale per città che vogliono diventare più intelligenti e sostenibili. Il modello può diventare il cuore di un sistema di controllo adattivo della rete stradale, suggerendo parametri ottimali per la durata dei semafori o la gestione dei flussi. Potrebbe anche essere integrato in futuri sistemi di ottimizzazione automatica tramite intelligenza artificiale. Le potenzialità di TGDT lo rendono uno degli strumenti più promettenti per affrontare la congestione urbana e migliorare la qualità della vita nei centri abitati.
