As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Numa rua de Nova Iorque, uma ambulância com a sirene ligada tem de negociar um sistema de trânsito concebido para condutores comuns. Investigadores da NYU Tandon construíram agora uma estrutura de IA que prevê a rapidez com que se deslocará no trânsito urbano, dando ao FDNY uma forma virtual de testar estratégias de resposta antes de alterar as ruas no mundo real.
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.
A pressão é mensurável. O tempo médio de resposta do FDNY a emergências médicas aumentou de cerca de 10,4 minutos em 2015 para quase 13,7 minutos em 2023, um aumento de quase 32 %. Uma ambulância pode passar legalmente com o sinal vermelho e contornar trânsito parado, mas continua dependente de os condutores próximos reconhecerem a sirene e abrirem caminho. Ferramentas concebidas para o trânsito normal, incluindo o Google Maps, não conseguem captar esse comportamento de forma fiável.
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.
A equipa de investigação construiu um gémeo digital de alta fidelidade do trânsito que abrange West Harlem e Morningside Heights, a zona de despacho M6 do FDNY. O modelo combina uma simulação detalhada do trânsito com dados reais de trânsito e GPS de quase 1 000 respostas de ambulâncias do FDNY em 2023. Sob a liderança de Fan Zuo, investigador associado sénior do C2SMART, nos trabalhos de simulação e calibração, a equipa treinou o EMVAID para prever a velocidade das ambulâncias em segmentos rodoviários individuais. Joseph Chow liderou a investigação, com Kaan Ozbay, diretor do C2SMART, como autor sénior.
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.
O modelo concluiu que a velocidade do trânsito circundante era o indicador mais forte da velocidade das ambulâncias, seguida pelo congestionamento. As ruas com duas faixas geralmente ajudavam as ambulâncias a deslocar-se mais depressa do que as ruas com uma faixa, enquanto acrescentar mais faixas trazia poucos benefícios adicionais. As ruas com ciclovias não protegidas estavam associadas a velocidades ligeiramente superiores das ambulâncias, possivelmente porque davam aos veículos de emergência mais espaço para passar pelo trânsito parado.
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.
Concretamente, os responsáveis pelo planeamento de emergência poderiam utilizar a estrutura para comparar estratégias num bairro virtual antes de as pôr em prática. Numa demonstração, um conjunto otimizado de localizações para bases de ambulâncias reduziu o tempo de viagem previsto em 14,5 % e aumentou de 41 % para 55 % a percentagem de chamadas atendidas por ambulâncias baseadas no bairro. O resultado não é uma recomendação do FDNY: os investigadores dizem que provavelmente sobrestima a melhoria, porque as ambulâncias podem já estar a responder a chamadas ou a regressar dos hospitais. Os resultados mantiveram-se estáveis quando a equipa introduziu deliberadamente erros de previsão, e o C2SMART afirma que a abordagem poderia ser alargada para além de um único bairro, de modo a estimar velocidades em toda a cidade.