Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
On a New York street, an ambulance with its siren on has to negotiate a traffic system built for ordinary drivers. Researchers at NYU Tandon have now built an AI framework that predicts how quickly it will move through city traffic, giving the FDNY a virtual way to test response strategies before changing streets in the real world.
Su una strada di New York, un’ambulanza con la sirena accesa deve muoversi in un sistema del traffico progettato per i conducenti comuni. I ricercatori di NYU Tandon hanno ora realizzato un framework di IA che prevede con quale rapidità potrà attraversare il traffico cittadino, offrendo alla FDNY uno strumento virtuale per testare le strategie di intervento prima di modificare le strade nel mondo reale.
The pressure is measurable. FDNY's average response time to medical emergencies rose from about 10.4 minutes in 2015 to nearly 13.7 minutes in 2023, an increase of almost 32%. An ambulance can legally pass through red lights and maneuver around stopped traffic, but it still depends on nearby drivers recognizing the siren and making room. Tools designed for normal traffic, including Google Maps, cannot reliably capture that behavior.
La pressione è misurabile. Il tempo medio di intervento della FDNY per le emergenze mediche è aumentato da circa 10,4 minuti nel 2015 a quasi 13,7 minuti nel 2023, con un incremento di quasi il 32%. Un’ambulanza può passare legalmente con il semaforo rosso e aggirare il traffico fermo, ma dipende comunque dal fatto che i conducenti nelle vicinanze riconoscano la sirena e le facciano spazio. Gli strumenti progettati per il traffico normale, tra cui Google Maps, non riescono a cogliere in modo affidabile questo comportamento.
The research team built a high-fidelity Traffic Digital Twin covering West Harlem and Morningside Heights, FDNY's M6 dispatch zone. The model combines detailed traffic simulation with real-world traffic and GPS data from nearly 1,000 FDNY ambulance responses in 2023. Led in the simulation and calibration work by C2SMART senior research associate Fan Zuo, the team trained EMVAID to predict ambulance speeds on individual road segments. Joseph Chow led the research, with C2SMART director Kaan Ozbay as senior author.
Il team di ricerca ha realizzato un gemello digitale del traffico ad alta fedeltà che copre West Harlem e Morningside Heights, la zona M6 di intervento della FDNY. Il modello combina una simulazione dettagliata del traffico con dati reali sul traffico e dati GPS relativi a quasi 1.000 interventi di ambulanze della FDNY nel 2023. Fan Zuo, senior research associate di C2SMART, ha guidato il lavoro di simulazione e calibrazione; il team ha addestrato EMVAID a prevedere la velocità delle ambulanze sui singoli tratti stradali. Joseph Chow ha guidato la ricerca, con Kaan Ozbay, direttore di C2SMART, come autore senior.
The model found that background traffic speed was the strongest predictor of ambulance speed, followed by congestion. Two-lane streets generally helped ambulances move faster than one-lane streets, while adding more lanes brought little extra benefit. Streets with unprotected bike lanes were associated with slightly faster ambulance speeds, possibly because they gave emergency vehicles more room to pass stopped traffic.
Il modello ha rilevato che la velocità del traffico circostante era il principale fattore predittivo della velocità delle ambulanze, seguita dalla congestione. In generale, le strade a due corsie aiutavano le ambulanze a muoversi più rapidamente rispetto a quelle a una corsia, mentre l’aggiunta di altre corsie offriva pochi vantaggi ulteriori. Le strade con piste ciclabili non protette erano associate a velocità delle ambulanze leggermente più elevate, forse perché lasciavano ai veicoli di emergenza più spazio per superare il traffico fermo.
Concretely, emergency planners could use the framework to compare strategies in a virtual neighborhood before putting them into practice. In one demonstration, an optimized set of ambulance base locations reduced expected travel time by 14.5% and increased the share of calls handled by neighborhood-based ambulances from 41% to 55%. The result is not an FDNY recommendation: the researchers say it likely overstates the improvement because ambulances may already be responding to calls or returning from hospitals. The findings stayed stable when the team deliberately introduced prediction errors, and C2SMART says the approach could be extended beyond one neighborhood to estimate speeds across the city.
In concreto, i responsabili della pianificazione delle emergenze potrebbero usare il framework per confrontare le strategie in un quartiere virtuale prima di metterle in pratica. In una dimostrazione, un insieme ottimizzato di ubicazioni delle basi delle ambulanze ha ridotto del 14,5% il tempo di percorrenza previsto e ha aumentato dal 41% al 55% la quota di chiamate gestite da ambulanze basate nel quartiere. Il risultato non è una raccomandazione della FDNY: i ricercatori affermano che probabilmente sovrastima il miglioramento, perché le ambulanze potrebbero essere già impegnate in un intervento o rientrare dagli ospedali. I risultati sono rimasti stabili quando il team ha introdotto deliberatamente errori nelle previsioni, e C2SMART afferma che l’approccio potrebbe essere esteso oltre un singolo quartiere per stimare le velocità in tutta la città.