- Sistema de navegação considerará a disponibilidade de vagas, reduzindo a procura por estacionamento e a frustração dos motoristas, além de potencial redução de emissões.
- Em testes com dados de Seattle, houve economia de até sessenta e seis por cento no tempo total de viagem, equivalente a cerca de trinta e cinco minutos.
- O método identifica o estacionamento ideal com melhor equilíbrio entre proximidade e probabilidade de vaga, usando programação dinâmica.
- Dados de disponibilidade podem vir de sensores, dados crowdsourced ou outras fontes; a solução ainda não está pronta para uso real.
- Futuras etapas incluem estudos maiores com informações em tempo real e exploração de novas fontes de dados, como imagens de satélite, para estimar reduções de emissões.
A pesquisa desenvolveu um sistema de navegação capaz de indicar estacionamentos que equilibram proximidade e disponibilidade, reduzindo o tempo gasto para encontrar vaga. Em simulações com dados de tráfego de Seattle, o método alcançou até 66% de economia de tempo, especialmente nos piores momentos de congestionamento.
O objetivo é evitar que motoristas percorram a cidade buscando vagas, o que aumenta tráfego e emissões. O estudo também aponta que estimativas de tempo de viagem simples podem desencorajar o uso de transporte público ou outras opções.
Como funciona na prática
A abordagem considera todas as vagas públicas próximas ao destino, além da distância de ida, da caminhada até o local e da probabilidade de encontrar vaga. O cálculo usa programação dinâmica para escolher a rota ideal.
O modelo também avalia cenários em que o motorista chega ao estacionamento desejado e não encontra vaga, levando em conta alternativas próximas. Assim, busca minimizar o tempo esperado para dirigir, estacionar e caminhar até o destino.
Dados de disponibilidade e relevância
Os pesquisadores discutem fontes de dados como sensores magnéticos, cancelamento de acesso e dados crowdsourced fornecidos pelos próprios usuários. Esses dados ajudam a estimar a probabilidade de sucesso de estacionamento em cada opção.
De acordo com a análise, informações coletadas pela comunidade teriam erro de cerca de 7% em relação à disponibilidade real, o que ainda sugere utilidade prática para orientar escolhas de estacionamento.
Cenários e próximos passos
Testes com tráfego realista indicam que, em áreas congestionadas de Seattle, a metodologia reduziu o tempo total de viagem em cerca de 60% em comparação a aguardar uma vaga e em cerca de 20% frente a buscar vagas incessantemente. Pesquisadores planejam estudos maiores com dados de rota em tempo real.
As próximas etapas incluem testar em uma cidade maior, explorar dados de imagens de satélite para estimar vagas e avaliar potenciais reduções de emissões. O trabalho foi financiado por Cintra, MIT Energy Initiative e National Science Foundation.
Entre na conversa da comunidade