Adaptive SDN-Assisted Traffic Signal Control for Road Traffic Congestion Mitigation in VANETs

Elke dag navigeren miljoenen bestuurders door stadsstraten en bevinden zij zich vaak in lange wachtrijen bij kruispunten waar verkeerslichten op een rigide, onveranderlijk schema schakelen. Deze vaste timers weten niet of een rijstrook vol staat met auto's of leeg is, wat leidt tot tijdverlies, extra brandstofverbruik tijdens het stationair draaien en een frustrerende ophoping van voertuigen die het hele netwerk vertraagt. In de afgelopen jaren zijn ingenieurs begonnen met het verbinden van auto's met de weg-infrastructuur zelf, waardoor voertuigen hun snelheid en locatie naar wegunits kunnen uitzenden. Deze stroom van realtime gegevens biedt een kans om voorbij statische timers te gaan, maar het beheren van deze informatie vereist een centraal brein dat snelle, eerlijke beslissingen kan nemen voor het hele systeem. De uitdaging ligt in het creëren van een controlesysteem dat direct kan zien welke weg het drukst is, die rijstrook groen licht kan geven, en er nog steeds voor zorgt dat geen andere richting eeuwig moet wachten.

Onderzoekers aan de Pondicherry University hebben een nieuwe aanpak ontwikkeld om dit probleem op te lossen door voertuigcommunicatie te combineren met een gecentraliseerd netwerkbeheersysteem dat bekend staat als software-defined networking. In plaats van te vertrouwen op vooraf ingestelde timers, fungeert hun systeem als een dynamische verkeersmanager die constant naar de auto's luistert. Terwijl voertuigen een kruispunt naderen, sturen ze korte digitale signalen uit met hun positie en snelheid. Wegunits verzamelen deze informatie en vatten de omstandigheden van elke rijstrook samen, waarbij ze tellen hoeveel auto's stilstaan of langzaam rijden en hun gemiddelde snelheid berekenen. Deze samenvatting wordt naar een centrale controller gestuurd, die fungeert als een verkeerscommando-centrum en de gegevens analyseert om te bepalen welke rijstrook op dat exacte moment de grootste vraag heeft.

Het systeem neemt vervolgens een beslissing over welk verkeerslicht groen moet worden. Het identificeert de rijstrook met de meeste congestie en verleent die prioriteit, waardoor die voertuigen het kruispunt als eerste kunnen passeren. Om eerlijkheid te garanderen, gebruikt het systeem een gestructureerde rotatiemethode voor de overige rijstroken, zodat als twee wegen een vergelijkbaar niveau van verkeer hebben, ze om de beurt groen licht krijgen in plaats van dat één weg wordt genegeerd. Dit proces herhaalt zich elke vijftig seconden, waardoor de verkeerssignalen zich continu kunnen aanpassen aan de veranderende verkeersstroom. De onderzoekers testten dit idee met behulp van een geavanceerde computersimulatie die een vierwegs stedelijk kruispunt modelleerde met tot 250 voertuigen die erdoorheen bewegen. Ze vergeleken hun adaptieve systeem met traditionele vaste-tijdsignalen en andere bestaande methoden om te zien hoe goed het presteerde onder zware verkeersomstandigheden.

De resultaten van deze simulaties toonden een duidelijk voordeel voor de adaptieve aanpak. Wanneer het verkeersvolume toenam, worstelde het traditionele systeem, waarbij voertuigen tijdens piekbelastingen gemiddeld meer dan vijf minuten moesten wachten. In tegenstelling hiertoe hield het nieuwe systeem de gemiddelde wachttijden aanzienlijk lager, rond de 51 seconden, zelfs wanneer de wegen het drukst waren. Deze efficiëntie vertaalde zich direct in een betere doorstroming van voertuigen; gedurende de simulatie lieten de adaptieve systeem 415 auto's door het kruispunt passeren, vergeleken met slechts 261 met de traditionele vaste-tijdsignalen. Dit vertegenwoordigt een substantiële verbetering in de snelheid waarmee de achterstand van auto's bij het kruispunt kan worden weggewerkt.

Naast het sneller verplaatsen van auto's, verbeterde het systeem ook de communicatie tussen voertuigen en de weg. Omdat de adaptieve signalen wachtrijen efficiënter wegwerkten, was er minder congestie op de wegen, wat op zijn beurt het aantal verloren of vertraagde datapakketjes tijdens de transmissie verminderde. Het systeem behield een hogere mate van succesvolle gegevenslevering en hield de tijd die informatie nodig had om van het ene punt naar het andere te reizen veel lager dan de conventionele methoden. Daarnaast leidde de vermindering van stationair draaien en stop-en-gaand rijden tot een meetbare daling in het brandstofverbruik, waarbij voertuigen aanzienlijk minder brandstof gebruikten per rit vergeleken met de voertuigen die vaststonden in de langere wachtrijen veroorzaakt door vaste timers.

De studie toont aan dat steden, door realtime gegevens te gebruiken om verkeerssignalen te sturen, congestie effectiever kunnen beheren zonder nieuwe wegen te hoeven aanleggen. Hoewel de resultaten afkomstig zijn van een computersimulatie en niet van een fysieke stad, suggereren de bevindingen dat een systeem dat in staat is om naar de weg te luisteren en in realtime aan te passen, vertragingen aanzienlijk kan verminderen, brandstof kan besparen en communicatienetwerken soepel kan laten functioneren. De onderzoekers concluderen dat deze methode een gebalanceerde en schaalbare manier biedt om de complexe eisen van het moderne stedelijke verkeer aan te pakken, waarmee wordt bewezen dat een flexibele, datagestuurde aanpak superieur is aan de rigide schema's uit het verleden.