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

Todos os dias, milhões de motoristas navegam pelas ruas das cidades, muitas vezes encontrando-se presos em longas filas em interseções onde os semáforos alternam em um cronograma rígido e imutável. Esses temporizadores fixos não sabem se uma faixa está repleta de carros ou vazia, o que leva ao desperdício de tempo, ao consumo extra de combustível enquanto os veículos ficam ociosos e a um acúmulo frustrante de veículos que retarda toda a rede. Nos últimos anos, engenheiros começaram a conectar os carros à própria infraestrutura rodoviária, permitindo que os veículos transmitam sua velocidade e localização para unidades de bordo na estrada. Esse fluxo de dados em tempo real oferece uma chance de ir além dos temporizadores estáticos, mas gerenciar essa informação requer um cérebro central que possa tomar decisões rápidas e justas para todo o sistema. O desafio reside em criar um sistema de controle que possa ver instantaneamente qual via está mais congestionada, dar a ela o sinal verde e, ainda assim, garantir que nenhuma outra direção seja deixada esperando para sempre.

Pesquisadores da Universidade de Pondicherry desenvolveram uma nova abordagem para resolver este problema, combinando a comunicação entre veículos com um sistema de gerenciamento de rede centralizado conhecido como redes definidas por software (SDN). Em vez de depender de temporizadores pré-definidos, o sistema deles atua como um gestor de tráfego dinâmico que escuta constantemente os carros. À medida que os veículos se aproximam de uma interseção, eles enviam pequenos beacons digitais contendo sua posição e velocidade. Unidades de bordo na estrada coletam essas informações e resumem as condições de cada faixa, contando quantos carros estão parados ou movendo-se lentamente e calculando sua velocidade média. Esse resumo é enviado a um controlador central, que atua como um centro de comando de tráfego, analisando os dados para determinar qual faixa tem a maior demanda naquele exato momento.

O sistema então toma uma decisão sobre qual semáforo deve ficar verde. Ele identifica a faixa com maior congestionamento e concede prioridade a ela, permitindo que esses veículos desocupem a interseção primeiro. Para garantir a equidade, o sistema utiliza um método de rotação estruturado para as faixas restantes, de modo que, se duas vias tiverem níveis de tráfego semelhantes, elas se revezem para receber o sinal verde em vez de uma ser ignorada. Esse processo se repete a cada cinquenta segundos, permitindo que os sinais de trânsito se adaptem continuamente ao fluxo variável de veículos. Os pesquisadores testaram essa ideia usando uma simulação computacional sofisticada que modelou uma interseção urbana de quatro vias com até 250 veículos passando por ela. Eles compararam seu sistema adaptativo com sinais de tempo fixo tradicionais e outros métodos existentes para ver o quão bem ele desempenhava sob condições de tráfego intenso.

Os resultados dessas simulações mostraram uma vantagem clara para a abordagem adaptativa. Quando o volume de tráfego aumentava, o sistema tradicional enfrentava dificuldades, com veículos esperando por mais de cinco minutos, em média, durante os períodos de pico. Em contraste, o novo sistema manteve os tempos médios de espera significativamente mais baixos, mantendo-os em cerca de 51 segundos mesmo quando as vias estavam mais congestionadas. Essa eficiência traduziu-se diretamente em uma melhor movimentação de veículos; ao longo da simulação, o sistema adaptativo permitiu que 415 carros passassem pela interseção, em comparação com apenas 261 dos sinais de tempo fixo tradicionais. Isso representa uma melhoria substancial na rapidez com que a interseção consegue liberar o acúmulo de carros.

Além de apenas movimentar os carros mais rapidamente, o sistema também melhorou a comunicação entre os veículos e a estrada. Como os sinais adaptativos liberavam as filas de forma mais eficiente, havia menos congestionamento nas estradas, o que, por sua vez, reduziu o número de pacotes de dados perdidos ou atrasados durante a transmissão. O sistema manteve uma taxa mais alta de entrega de dados bem-sucedida e manteve o tempo que a informação levava para viajar de um ponto a outro muito mais baixo do que os métodos convencionais. Adicionalmente, a redução da ociosidade e da condução de para-e-anda resultou em uma queda mensurável no consumo de combustível, com os veículos utilizando significativamente menos combustível por viagem em comparação com aqueles presos nas filas mais longas criadas pelos temporizadores fixos.

O estudo demonstra que, ao usar dados em tempo real para guiar os sinais de trânsito, as cidades podem gerenciar o congestionamento de forma mais eficaz sem a necessidade de construir novas estradas. Embora os resultados venham de uma simulação computacional e não de uma cidade física, as descobertas sugerem que um sistema capaz de ouvir a estrada e se ajustar em tempo real pode reduzir significativamente os atrasos, economizar combustível e manter as redes de comunicação funcionando suavemente. Os pesquisadores concluem que este método oferece uma maneira equilibrada e escalável de lidar com as complexas demandas do tráfego urbano moderno, provando que uma abordagem flexível e orientada a dados é muito superior aos cronogramas rígidos do passado.