Funciones de evaluación de calidad para un tránsito inteligente

Contenido principal del artículo

Laura Carballo
Andrea Villagra
Daniel Pandolfi

Resumen

Los problemas de tránsito aumentan constantemente y las ciudades del futuro solo pueden ser verdaderamente inteligentes si habilitan la Movilidad Inteligente (en inglés, Smart Mobility). Aplicaciones de movilidad inteligente como el control de semáforos, el estacionamiento inteligente y la gestión del tránsito, entre otras están comenzando a ser utilizadas en todo el mundo, trayendo beneficios a las ciudades, mejor calidad de vida, costos reducidos, uso de energía más eficiente y disminución de las emisiones vehiculares. Mejorar la movilidad representa un gran reto. Actualmente, una ciudad con tráfico congestionado y muchos embotellamientos conduce a más contaminación. Por lo tanto, con la gestión inteligente del tránsito, el consumo de combustible y las emisiones contaminantes pueden ser reducidas. A diferencia de técnicas tales como semáforos inteligentes que requieren nueva infraestructura, ubicación de sensores y modificaciones en obras civiles ya construidas, el uso de técnicas de inteligencia artificial en la optimización de los ciclos de semáforos se presenta como una herramienta viable, rápida, eficiente y de bajo costo. En este trabajo se proponen diferentes funciones de evaluación de calidad con un algoritmo genético celular (cGA) aplicadas a dos grandes escenarios cercanos a la realidad en áreas urbanas ubicadas en las ciudades de Málaga (España) y París (Francia), simuladas por el popular micro-simulador SUMO (Simulator Urban MObility). La comparación de las diferentes funciones revela la bondad de algunas funciones logrando a una reducción significativa en términos de las tasas de emisión y del consumo total de combustible, además de una reducción en los tiempos de variables de tránsito analizadas.

Detalles del artículo

Cómo citar
Carballo, L. ., Villagra, A. ., & Pandolfi, D. . (2021). Funciones de evaluación de calidad para un tránsito inteligente . Informes Científicos Técnicos - UNPA, 13(1), 77–94. https://doi.org/10.22305/ict-unpa.v13.n1.790
Sección
Artículos

Citas

BASKAN, O., y HALDENBILEN, S. (2011). Ant colony optimization approach for optimizing traffic signal timings. In Ant colony optimization-methods and applications. IntechOpen.

BASKAN, O., HALDENBILEN, S., CEYLAN, H., y CEYLAN, H. (2009). A new solution algorithm for improving performance of ant colony optimization. Applied Mathematics and Computation, 211(1), 75-84.

CEYLAN H. y BELL. M. Traffic signal timing optimisation based on genetic algorithm approach, including drivers? routing. Transportation Research Part B: Methodological, 38(4):329–342, 2004.

DEZANI, H., GOMES, L., DAMIANI, F., y MARRANGHELLO, N. (2012). Controlling traffic jams on urban roads modeled in Coloured Petri net using Genetic Algorithm. In IECON 2012-38th Annual Conference on IEEE Industrial Electronics Society (pp. 3043-3048). IEEE.

DORRONSORO, B., y ALBA, E. (2008). Cellular Genetic Algorithms (Vol. 42). Springer-VerlGA US.

GARCÍA-NIETO, J., ALBA, E., y OLIVERA, A. C. (2012). Swarm intelligence for traffic light scheduling: Application to real urban areas. Engineering Applications of Artificial Intelligence, 25(2), 274-283.

GARCIA-NIETO, J., OLIVERA, A. C., y ALBA, E. (2013). Optimal cycle program of traffic lights with particle swarm optimization.

GARCIA-NIETO, J., FERRER J., y ALBA E. (2014). Optimising traffic lights with metaheuristics: Reduction of car emissions and consumption. In Neural Networks (IJCNN), 2014 International Joint Conference on, pages 48-54. IEEE, 2014.

JABBARPOUR, M. R., MALAKOOTI, H., NOOR, R. M., ANUAR, N. B., y KHAMIS, N. (2014). Ant colony optimisation for vehicle traffic systems: applications and challenges. International Journal of Bio-Inspired Computation, 6(1), 32-56.

JUN, Z., MEI-JING, G., MEI-NA, S., JUN-TAO, X., ZHENG-LING, Y., y XIAO-DONG, L. (2012). Port traffic signal control method based on gradient descent and pso algorithm. In Proceedings of the 31st Chinese Control Conference (pp. 7338-7342). IEEE.

KRAJZEWICZ, D., BONERT, M., y WAGNER, P. (2006). The open source traffic simulation package SUMO. RoboCup 2006.

KUN, C. H. E. N., y LEI, Y. U. (2007). Microscopic traffic-emission simulation and case study for evaluation of traffic control strategies. Journal of Transportation Systems Engineering and Information Technology, 7(1), 93-99.

NESMACHNOW, S., MASSOBRIO, R., ARRECHE, E., MUMFORD, C., OLIVERA, A. C., VIDAL, P. J., y TCHERNYKH, A. (2019). Traffic lights synchronization for Bus Rapid Transit using a parallel evolutionary algorithm. International Journal of Transportation Science and Technology, 8(1), 53-67.

OLIVERA, A. C., GARCÍA-NIETO, J. M., y ALBA, E. (2015). Reducing vehicle emissions and fuel consumption in the city by using particle swarm optimization. Applied Intelligence, 42(3), 389-405.

PÉRES, M., RUIZ, G., NESMACHNOW, S., & OLIVERA, A. C. (2018). Multiobjective evolutionary optimization of traffic flow and pollution in Montevideo, Uruguay. Applied Soft Computing, 70, 472-485.

SÁNCHEZ, J., GALÁN, M., y RUBIO, E. (2008). Applying a traffic lights evolutionary optimization technique to a real case:“Las Ramblas” area in Santa Cruz de Tenerife. IEEE Transactions on evolutionary computation, 12(1), 25-40.

SOURAVLIAS, D., LUQUE, G., ALBA, E., y PARSOPOULOS, K. E. (2016). Smart traffic lights: A first parallel computing approach. In 2016 International Conference on Intelligent Networking and Collaborative Systems (INCoS) (pp. 229-236). IEEE.

THAIN, D., TANNENBAUM, T., Y LIVNY, M. (2005). Distributed computing in practice: the Condor experience. Concurrency and computation: practice and experience, 17(2‐4), 323-356.

VILLAGRA, A., ALBA, E., y LUQUE, G. (2020). A better understanding on traffic light scheduling: New cellular GAs and new in-depth analysis of solutions. Journal of Computational Science, 41, 101085.

ZHOU, Z., y CAI, M. (2014). Intersection signal control multi-objective optimization based on genetic algorithm. Journal of Traffic and Transportation Engineering (English Edition), 1(2), 153-158.