När trafiken är igensatt i en korsning i centrum kan det finnas ett sätt att minska en del av trängseln:Ta bort några vänstersvängar.

Enligt Vikash Gayah, docent i civilingenjör vid Penn State, kan välplacerade vänstersvängsbegränsningar i vissa trafikerade korsningar lossa många av de flaskhalsar som hämmar trafikeffektiviteten. Han skapade nyligen en ny metod som kan hjälpa städer att identifiera var man kan begränsa dessa svängar för att förbättra det totala trafikflödet.

"Vi har alla upplevt den där känslan av att fastna i väntan på att göra en vänstersväng", sa Gayah. "Och om du låter dessa svängar ha sin egen gröna pil måste du stoppa alla andra fordon, vilket gör korsningen mindre produktiv. Vänstersvängarna är också där du hittar de allvarligaste krockarna, särskilt med fotgängare. Vår idé är att bli av med av dessa svängar när vi kan skapa säkrare och effektivare korsningar."

Genom att selektivt begränsa vänstersvängarna, men inte förbjuda dem helt, kan förare helt enkelt behöva hitta alternativa vägar till sina destinationer i vissa områden, sa Gayah. Vissa kan behöva åka några extra kvarter, men Gayah tror att ett effektivare trafikflöde genom livliga korsningar uppväger det ytterligare avståndet.

För stadsplanerare, tillade han, är att bestämma var restriktionerna ska placeras en balansgång mellan korsningsproduktivitet och ökade reslängder. Med så många begränsningsmöjligheter att överväga kan det vara svårt att hitta den mest effektiva layouten.

"Till exempel, om du bara har 16 korsningar att överväga, var och en med ett val att tillåta eller inte tillåta vänstersvängar, är det redan 65 000 olika konfigurationer," sa Gayah. "Det blir ännu mer komplicerat när man betänker att trafiken flyter från en korsning till nästa, så beslut beror på varandra. Det slutar med att det finns så många möjliga svar att vi aldrig kan hitta det bästa."

Gayahs nya metod bygger på heuristiska algoritmer, som använder genvägar för att hitta lösningar som nästan närmar sig, men inte garanterat blir, ett optimalt resultat.

"Vi gör en gissning, vi lär oss av den gissningen, och sedan gör vi bättre gissningar," sa han. "Med tiden kan vi komma riktigt, riktigt nära det bästa svaret."

I en studie publicerad i Transportation Research Record , kombinerade Gayah två befintliga heuristiska algoritmer för att skapa en ny hybridmetod. Den första, en populationsbaserad inkrementell inlärning (PBIL) algoritm, tog slumpmässigt urval av potentiella konfigurationer och kände igen mönstren för högpresterande alternativ. Därefter analyserade en Bayesiansk optimeringsalgoritm denna nya uppsättning högpresterande för att identifiera hur restriktioner påverkade trafiken vid intilliggande korsningar. Bayesiansk optimering kombinerar initial information om problemet och uppdaterar den över tid när ny information lärs in för att uppnå en lösning som ligger nära, men inte nödvändigtvis perfekt. Algoritmen tillämpade sedan denna kunskap om trafikdynamik för att hitta mer effektiva lösningar.

"Istället för att starta den Bayesianska optimeringen med en slumpmässig gissning, matade vi den med de bästa gissningarna från PBIL," sa Gayah. "Den första metoden skapar startpunkten och den andra förfinar den."

Gayah testade hybridmetoden genom ett simulerat, kvadratiskt nätverk i en mängd olika scenarier och fann att alla tre metoderna – PBIL, Bayesiansk optimering och hybrid – identifierade konfigurationer som ledde till effektivare trafikmönster än en layout utan begränsningar. Men i simuleringar med mer realistiska inställningar visade sig hybridmetoden vara den mest effektiva.

Enligt Gayah tenderade de mest effektiva konfigurationerna att förbjuda vänstersvängar mitt i staden och tillät dem oftare i periferin. Medan metoden tillämpades på ett generaliserat nätverk, kan resultaten användas som en utgångspunkt för verkliga trafikmönster med algoritmerna som kan anpassas på en stad-för-stad-basis.

"Gridnätet är det mest generaliserbara och inte specifikt för någon stad," sa Gayah. "Jag kan inte ta den bästa konfigurationen för New York och tillämpa den på San Francisco, men denna generaliserade metod skulle kunna konfigureras för vilket nätverk som helst med lite kodning."