Aimsun Next

Aimsun Next es un software de simulación de tráfico que se utiliza para planificar y evaluar sistemas de transporte. Simula y predice las interacciones entre vehículos, peatones, bicicletas, autobuses y tranvías para que los usuarios puedan realizar evaluaciones de operaciones de tráfico de diferente escala y complejidad y su impacto ambiental.[1][2]

Es utilizado por Siemens Mobility,[3]​ por el Departamento de Planeamiento, Transporte e Infraestructura de Australia Meridional,[4]​ y el Transport for London (TfL).[5][6]

Aimsun se asoció con el Instituto de Estudios de Transporte de UC Berkeley para crear una arquitectura de código abierto que integra herramientas de microsimulación para administrar sistemas de tráfico a gran escala con una combinación de vehículos autónomos y conducidos por humanos.[7]

Es parte del proyecto llamado LAMBDA-V (Aprendizaje a través de los estilos de conducción AMBient para vehículos autónomos) que está liderado por CloudMade y Trakm8a. El proyecto está financiado por Innovate UK y es un estudio de factibilidad de un año para recopilar datos del comportamiento de conducción para analizar si puede codificarse en un conjunto de reglas para los vehículos autónomos.[8]

También formó parte del consorcio HumanDrive, con Nissan y el Gobierno del Reino Unido.[9]

En 2020 Aimsun lanzó el Aimsun Next Viewer en forma gratuita (a raíz de la pandemia de Coronavirus) para el trabajo a distancia, que permite la verificación remota de los resultados del modelo de simulación.[10]

Modelos de simulación

El software procesa 4 tipos de modelos de simulación de tráfico:[1]

  • modelos híbridos (macro-meso y meso-micro)

Referencias

  1. a b Automotive systems and software engineering : state of the art and future trends. Dajsuren, Yanja,, Van den Brand, Mark. Cham, Switzerland. ISBN 978-3-030-12157-0. OCLC 1111981289. 
  2. «Innovadores | El algoritmo olímpico que evacúa Melbourne y gestiona el tráfico de Tokio». Innovadores. Archivado desde el original el 27 de junio de 2020. Consultado el 7 de junio de 2020. 
  3. «Traffic Prediction by Aimsun - a Siemens Company». Siemens Mobility Global Website (en inglés). Consultado el 7 de junio de 2020. 
  4. «Metropolitan Adelaide Traffic Simulation and Assessment Model (MATSAM) Traffic Simulation Model Development Guidelines Aimsun Next». Archivado desde el original el 23 de marzo de 2019. Consultado el 25 de junio de 2020. 
  5. «TfL to convert London One model into Aimsun Next – ITS United Kingdom : Better Transport Through Technology» (en inglés estadounidense). Archivado desde el original el 26 de febrero de 2021. Consultado el 7 de junio de 2020. 
  6. «Highways Magazine - Aimsun unveils new modelling project with TfL». www.highwaysmagazine.co.uk (en inglés). 4 de abril de 2019. Consultado el 7 de junio de 2020. 
  7. «Flow: Traffic simulation joins forces with deep reinforcement learning and cloud computing | Institute of Transportation Studies». its.berkeley.edu. Consultado el 7 de junio de 2020. 
  8. Fowler, David (14 de marzo de 2019). «How the LAMBDA-V project could help make driverless cars more human». The Engineer (en inglés estadounidense). Consultado el 29 de junio de 2020. 
  9. «Nissan LEAF completa el viaje más largo y complejo con un vehículo autónomo en el Reino Unido». Nissan News América Latina (en inglés). 14 de febrero de 2020. Consultado el 12 de junio de 2020. 
  10. «Aimsun launches free Viewer for mobility models, to aid home workers». Traffic Technology Today (en inglés británico). 21 de abril de 2020. Consultado el 29 de junio de 2020.