Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
|
.
|
\
|
|
.
|
\
|
=
2
*
0
1
s
s
v
v
a
dt
dv
o
(1)
donde
(
|
.
|
\
| A
+ + =
ab
v v
vT s s
2
, 0 min 0 *
(2)
La aceleracin se divide en una "deseada" aceleracin a (3)
en el camino libre, y reduce la velocidad de frenado inducida
por el vehculo del frente.
(
|
.
|
\
|
delta
v0
v
- 1
(3)
La aceleracin en el camino libre disminuye a partir de la
aceleracin inicial a cero al acercarse a la "velocidad deseada"
v0.
El trmino de frenado se basa en una comparacin entre la
"distancia deseada dinmica" (2), y la real diferencia con el
vehculo precedente. Si la brecha real es aproximadamente
igual a la (2), entonces la desaceleracin rompe esencialmente
que compensa la parte de aceleracin en vaco, as que la
aceleracin resultante es casi cero. Esto significa que (2),
corresponde a la brecha al seguir a otros vehculos en
constante flujo de trfico. Adems (2), aumenta
dinmicamente cuando se aproxima a los vehculos ms
rpidos y disminuye cuando el vehculo delantero es ms
lento. Como consecuencia de ello, la desaceleracin del
impuesto se incrementa con la disminucin de la distancia al
vehculo delantero (se quiere mantener una cierta "distancia de
seguridad"), el incremento de la velocidad propia (que
aumenta la distancia de seguridad), aumento de la diferencia
de velocidad en el vehculo delantero (cuando se aproxima el
vehculo frente a una tasa muy alta, una situacin peligrosa
puede ocurrir) [8].
IV. RESULTADOS DEL EXPERIMENTO
Para comenzar este experimento se tom un conjunto de
datos reales extrados de las estadsticas del trfico de la
ciudad de Bogot [22] [23] [24], los cuales se convierten en
los datos de entrada para crear el trfico simulado, con esto es
posible disponer de unos resultados ms cercanos a la
realidad.
El trfico que se crea a partir de los datos encontrados en las
estadsticas de la ciudad, son el conjunto de valores iniciales
que determina la generacin de nmeros pseudoaleatorios que
corresponden a la densidad vehicular generada para el
prototipo. Esta generacin de nmeros pseudoaleatorios son
creados utilizando un algoritmo creado con el estadista
Dagoberto Saboy, con de la informacin recolectada que es
utilizada como semilla para generar el nuevo trfico.
Con el trfico creado a partir de los datos recolectados se
obtiene una muestra que es una buena aproximacin al trfico
real de la ciudad de Bogot, que es utilizada para los dos
escenarios de prueba y comparacin.
En el primer escenario los tiempos de los ciclos (Rojo y
Verde) de los semforos son los mismos que tienen los
semforos en la ciudad de Bogot y que fueron recogidos a
travs de una investigacin que se realiz para saber el
funcionamiento del sistema de semaforizacin real de la
ciudad de Bogot, esta investigacin se encuentra en detalle en
el documento completo de este proyecto.
1
En el segundo escenario los tiempos de los ciclos (Rojo y
Verde) de los semforos son los tiempos que el algoritmo
1
Franz Rogelez, Prototipo de un Sistema de Semaforizacin Inteligente en
la ciudad de Bogot para mejorar los tiempos de recorrido del sistema
Transmilenio. Pg. 15
6
gentico asigna a cada semforo.
Estos dos escenarios de prueba son comparados para
visualizar en qu medida la implementacin de algoritmos
genticos en el sistema de semaforizacin mejora la movilidad
respecto al funcionamiento del sistema actual.
A. Informacin Base.
La informacin que fue recolectada sobre el trnsito de
articulados del sistema Transmilenio se describe a
continuacin, ver Tabla I.
TABLA I
PROMEDIO DE ARTICULADOS POR DIA Y POR MES
Promedio mensual de
vehculos vinculados
Promedio diario de
vehculos en servicio
2.010 2011 2012 2.010 2011 2012
Troncal 1.176 1.269 1.291 1.114 1.240 1.252
Adems se agregan la velocidad media de estos vehculos
ver Tabla II.
Flota troncal disponible vinculados 30 de abril de 2012: 1.291
Buses,
Velocidad promedio flota troncal abril de 2012 26,08
Km/hora.
Fig. 9. Grfica del promedio mensual de vehculos vinculados, 2010 al
2012.
Fig. 10. Grfica del promedio mensual de vehculos en servicio, 2010 al
2012.
B. Resultados del algoritmo creado GPAN
En 21 das de observacin en el tiempo del simulador se
realiza un promedio de la cantidad de vehculos generados por
el algoritmo creado GPAN (Generados de Nmeros
Pseudoaleatorios), estos datos generados son una parte ya que
el alcance del proyecto solo toma una parte de la troncal del
sistema Transmilenio, por ello los datos generados son un
porcentaje menor a los datos recolectados.
Fig. 11. Grfica de la densidad creada para la 39 a la 63.
C. Resultados de los escenarios de pruebas
La tabla II describe la comparacin entre las velocidades
mxima promedio alcanzada por los dos escenarios de
pruebas.
TABLA II
VELOCIDAD PROMEDIO DATOS SIMULADOS Y DATOS REALES
Velocidad V Medida
Velocidad promedio flota
troncal real
26,08 km/h
Velocidad mxima promedio flota
troncal simulada
63,09 km/h
Velocidad promedio flota troncal
de la Simulacin con AG
36,03 km/h
Velocidad mxima promedio flota
troncal Simulacin con AG
68,06 km/h
Fig. 12. Comparacin de la velocidad promedio real y la simulada.
La tabla III muestra la comparacin de la densidad
capturada por cada semforo en los de escenarios de prueba.
1.000
1.050
1.100
1.150
1.200
1.250
1.300
2.010 2011 2012
Promedio diario de vehculos en
servicio
Troncal
Troncal
7
Esta informacin que se muestra a continuacin es el
promedio de conjunto total de los datos recolectados en el
experimento.
TABLA III
DENSIDAD VEHICULAR PROMEDIO SIMULADA, RESPUESTA DE
LOS SEMAFOROS CON LOS TIEMPOS DE LOS CICLOS REALES Y
LOS CICLOS QUE GENERA EL ALGORITMO GENETICO.
ID
Semforo
Densidad
Simulacin
Densidad
Algoritmos
Genticos
1 10 6
2 15 16
3 31 31
4 15 10
5 13 12
6 15 10
7 13 12
8 10 6
9 9 5
10 6 3
11 5 3
12 10 6
13 15 16
14 13 15
15 10 8
16 40 32
17 13 10
18 12 8
19 6 6
Se puede ver la mejora de la implementacin de los
algoritmos genticos frente al actual funcionamiento del
sistema de semaforizacin de la ciudad de Bogot, en un 17%
de diminucin de la densidad vehicular aproximadamente, una
mejora en la velocidad promedio de un 38.1 % y en la
velocidad mxima promedio de un 7.8% aproximadamente.
Fig. 13. Comparacin del promedio de la densidad vehicular de los ciclos
de los semforos reales y los ciclos de los semforos que genera el
algoritmo gentico.
D. Funcionamiento del sistema de semaforizacin la ciudad
Actual en los cambios de los tiempos de ciclo de los semforos
El Sistema de Semaforizacin vial de la ciudad de Bogot,
cuenta actualmente con 1183 intersecciones que estn
manejadas por 973 equipos de control marca Siemens, de los
cuales el 49.3% corresponde a tecnologa antigua y el 50.7%
con tecnologa de punta. Dependiendo de la interseccin tiene
un aumento o disminucin en el ciclo rojo, amarillo o verde.
En general el sistema actual cambia los ciclos de la siguiente
manera: los ciclos varan los tiempos del Semforo en Rojo y
Verde en 2 periodos diarios (Maana-Tarde) y 3 periodos
semanales (Lunes-Jueves), (Viernes), (Sbado-Domingo) y de
esta manera todo el ao, aun-que eventualmente a travs de
estudios del trfico, se realizan cambios cada 3, 6 o 12 meses,
en el tiempo de Rojo y tiempo de Verde en las
programaciones.
V. PROBLEMAS DE IMPLEMENTACIN
Al tratar de solucionar los problemas de trfico de una
ciudad, en general hablamos de implementar un modelo de
optimizacin con un conjunto de parmetros y variables, como
la densidad vehicular, la distancia entre semforos, los
tiempos de duracin de los ciclos de los semforos y un
objetivo especfico, como la cantidad de paradas de los
vehculos, la cantidad de gasolina gastada, el tiempo total de
espera en el semforo, en este caso y por el alcance dado
inicialmente en el proyecto se intenta mejorar el tiempo de
recorrido de los articulados del sistema Transmilenio y
minimizar el tiempo de espera en el semforo. El problema en
si es bastante complejo ya que interfieren bastantes variables
en el sistema y una son dependientes de las otras, por ejemplo
si solo se da tiempo de ciclo (Rojo y Verde) a los semforos
por demanda de vehculos, a mayor demanda en un semforo
ms tiempo en el ciclo verde tendra y eso causara congestin
en las vas contiguas con lo cual podra ocurrir un colapso, ya
que se sobrecargo un punto en el sistema de trfico y en el
sistema de semaforizacin. Aunque la implementacin del
algoritmo gentico determina entonces cuales tiempos de ciclo
(Rojo y Verde) son los ms indicados para ser asignados a
cada semforo as eliminando esta situacin.
Otro ejemplo el tiempo de ciclo y la desfase son variables
dependientes y esto hace que al modificar una se tenga que
modificar la otra, por ejemplo el sistema tiene que tener en
cuenta que el tiempo rojo en un semforo, debe contar como el
verde en el contiguo, es decir que adems de los vehculos en
cola en el propio semforo debe estar atento de los semforos
contiguos en la interseccin, eso en el sistema real es dado por
una caja de control que no permite que en una interseccin
todos los semforos estn en el ciclo verde o en el ciclo rojo al
mismo tiempo.
Por otro lado en la simulacin se estiman variables optimas,
por ejemplo el modelo inteligente de conduccin elimina los
accidentes ya que respeta la distancia mnima de seguridad
entre un vehculo y otro y mantiene un velocidad mesurada al
alcanzar un vehculo lento, para evitar acciones de choque, en
8
la vida real esta situacin no se da todas las veces, la mayora
de los accidentes de trfico ocurren por estas circunstancias.
VI. TRABAJO FUTURO
Este trabajo puede ser evaluado para ser implementado en la
ciudad de Bogot, segn los experimentos realizados la
implementacin mejorara la movilidad en un porcentaje
ptimo aunque estos datos pueden cambiar a favor al aumentar
las horas de prueba.
Si se desea implementar se tienen que tener en cuenta
aspectos mencionados en el punto (V) problemas en la
implementacin.
En la implementacin real, pueden ser creadas futuras
investigaciones de como el sensor captura la informacin y
como hacer esta informacin an ms valiosa, capturando
mayor cantidad de detalles, por el alcance del proyecto el
sensor solo devuelve la cantidad de vehculos, pero sin duda
un sensor real podr capturar la velocidad de los vehculos y
utilizar esta informacin para alimentar el algoritmo gentico.
Se podra con la informacin captada realizar unas
proyecciones de la densidad del trfico, el modelo quedara
completo si se toman los procesos estocsticos para realizar
esta tarea, pero el slo comprender el tema tomara entre uno o
dos semestres ms, as que es bueno tener en cuenta este tem
como la continuacin de un proyecto, o como una opcin de
trabajo para la maestra y porque no para un doctorado.
Tambin puede ser mejorado el algoritmo gentico por
ejemplo en la investigacin se pudo observar que el uso de un
operador de cruce uniforme ha demostrado ser ms eficiente
en otros contextos que el cruce en un punto, si se probara de
esta manera podra determinar en qu medida mejora cambiar
el punto de cruce.
Aunque en esta investigacin se utiliza algoritmos genticos
por ser un mtodo de optimizacin y por ser un mtodo
evolutivo que se adapta particularmente a la idea de
mejoramiento continuo al sistema de semaforizacin, no
quiere decir que sea el nico mtodo inteligente a utilizar para
la optimizacin de un sistema de semaforizacin, por ello esta
investigacin puede ser tomada como punto de partida para
implementar otros mtodos inteligentes.
VII. CONCLUSIONES
Este prototipo presenta una alternativa para la mejora de la
movilidad, aunque para ello se requiere de una cantidad de
informacin real importante para que los datos simulados se
aproximen ms a la realidad.
Es importante destacar que gracias al simulador de trafico
movsim [10], fue posible realizar el experimento, el cual se
utiliz para probar el algoritmo gentico con un trfico
simulado, en el marco cientfico el software libre contribuye a
la expansin del conocimiento y esto ayudo para poder
comprobar las teoras y objetivos planteados en el inicio de
este proyecto.
Los resultados del algoritmo gentico aunque en un
principio no parecieron prometedores el experimento
demostr que mejorara continuamente el trfico.
Los resultados de en un 17% de diminucin de la densidad
vehicular, una mejora en la velocidad promedio de un 38.1 %
y en la velocidad mxima promedio de un 7.8%
aproximadamente, que conllevara a mejorar la movilidad
tanto para los articulados del sistema Transmilenio y para los
automviles particulares, tambin es importante destacar que
estos porcentajes podran ser mucho mayores por la cantidad
de iteraciones del algoritmo gentico, entre ms veces sea
iterado el proceso de negocio el resultado ser mucho ms
cercano a un resultado ptimo.
El equipo utilizado en las pruebas del experimento tuvo
problemas de rendimiento, por ello es necesario contar con un
buen equipo para realizar mejores pruebas que exigen ms
recursos de hardware.
Las pruebas realizadas requieren de mucho ms tiempo para
tomar buenos resultados respecto a algoritmo gentico.
Aunque la cantidad de vehculos del sistema Transmilenio
en las horas de pico parece baja, es importante destacara que
se tienen que tener factores en cuenta para cumplir la
demanda, ya que tiene que mantener una distancia de
seguridad entre articulados para evitar acciones de choque, por
eso la cantidad de articulados no puede superar un tope aun en
las horas pico.
Los conocimientos adquiridos durante la carrera
proporciona la manera adecuada de abordar los problemas a
los que es enfrentado un ingeniero de sistemas.
Las etapas de anlisis y diseo son importantes mucho ms
que la implementacin ya que proporcionan las bases
adecuadas para realizar un buen proyecto de software y al
momento de llegar a la implementacin son mucho menos
preguntas las que el desarrollador tiene que hacer sobre cmo
abordar el problema.
Las buenas prcticas de desarrollo facilitan la
implementacin del cdigo y lo hacen mucho ms rpido de
igual manera al momento de llegar al mantenimiento del
software se hace ms sencillo de abordar.
La implementacin estadstica en un proyecto de este
alcance facilita la muestra de resultados y da la confianza que
estos resultados estn cercanos a la realidad.
AGRADECIMIENTOS
Los autores agradecen a Klaus Banse, Sebastian Thrun,
Peter Norvig, Ralph Germ, Arne Kesting, Martin Budden,
Martin Treiber, Dagoberto Saboy, Erik Schwartz, Ignacio
Hernndez, Gilberto Pedraza, Fredy Prez, Giovanny Fajardo,
Ibo Cerra, Fidel Barbosa y Andrs Marn por sus
contribuciones al proyecto.
REFERENCIAS
[1] Ignacio Hernndez Molina, LA INVESTIGACION CIENTIFICA Un
camino a la imaginacin, Bogot D.C., 2002
[2] Jong K.A., Spears W.M., y Gordon D.F.. Using genetic algorithms for
concept learning, 1993.
[3] Azarang, R. y Garca, E. Simulacin y anlisis de modelos estocsticos,
Ed. McGraw Hill 1a ed. (1996).
[4] Laurence A., Adapting Operator Probabilities in Genetic Algorithms,
1995.
[5] Spears W. y Anand V. A Study Of Crossover Operators In Genetic
Programming ,1991
9
[6] lba E., Anlisis y Diseo de Algoritmos Genticos Paralelos
Distribuidos, 1999.
[7] Treiber M., Hennecke A. and Helbing D. Congested Traffic States in
Empirical Observations and Microscopic Simulations, 2000.
[8] IDM Informacin: http://www.vwi.tu-dresden.de/~treiber/MicroApple-
t/IDM.html. 2011.
[9] Thrun S. y Norvig P., Artificial Intelligence, Stanford Engineering,
https://www.ai-class.com/ 2011.
[10] Germ R., Kesting A., BuddenM. y Treiber M. Informacin sobre el
simulador, http://www.h1451310.stratoserver.net/movsimwebpage/-
index.shtml 2012.
[11] J.H. Holland. Adaptation in natural and articial systems. University
ofMichigan Press, 1975. Reimpreso por MIT Press en 1992.
[12] Guerra Hernandez A. Aprendizaje Automtico: Algoritmos genticos.
2004.
[13] IBM, The Globalization of Traffic Congestion, PDF. (2010)
[14] Baeck, T., Hoffineister, F., & Schwefel, H. A survey of evolution
strategies. Proceedings of the Fourth International Conference on
Genetic Algorithms (pp. 2-9). La Jolla, CA: Morgan Kaufmann. 1991.
[15] DiCyt, Informacin sobre el trfico y el sistema de semaforizacin de la
ciudad de Bogot, http://www.dicyt.com/noticias/bogota-estudia-la-
implantacion-de-sistemas-inteligentes-de-regulacion-del-trafico. 2008.
[16] Banse K., Protocolos Its Para Sistemas De Semaforizacin,
http://www.sit-colombia.com/download/presentaciones/201109%2029-
%20co%20pso%20avante%20protocolos.pdf 2011.
[17] Garca R., Utilizacin de Algoritmos Genticos en Sistemas Inteligentes
Autnomos, http://iidia.com.ar/rgm/tesistas/steinhilber-tesis-de-grado-
en-sistemas-de-informacion.pdf 2009.
[18] IBM, Trfico inteligente, http://www.ibm.com/smarterplanet/es/es/traff-
ic_congestion/visions/index.html. 2010.
[19] IBM, Congestin en el trfico encuestas,
http://www.ibm.com/smarterplanet/co/es/traffic_congestion/ideas/index.
html. 2010.
[20] IBM, Sensores de Densidad, http://www.ibm.com/podcasts/howitworks-
/040207/index.shtml.
[21] Samuel J. Palmisano, Intelligent Transportation Society of America,
2010 Annual Meeting & Conference, Houston, Texas, May 5,
http://www.ibm.com/smarterplanet/us/en/transportation_systems/article/
palmisano_itsa_speech.html 2010.
[22] Ignacio Hernndez Molina, LA FORMULACION DE PROYECTOS En
Ciencias e Ingenerias, Bogot D.C., 2012
[23] DANE Departamento Administrativo Nacional de Estadstica,
Estadstica Movimiento Transmilenio, http://www.dane.gov.co/files
/investigaciones/boletines/transporte/anexos_transp_IItrim11.xls 2011.
[24] DANE Departamento Administrativo Nacional de Estadstica,
Distribucin Transmilenio, http://www.dane.gov.co/files/investi
gaciones/boletines/transporte/ bolet_transp_IItrim11.pdf 2011.
[25] Transmilenio, Estadsticas Generales Transmilenio, http://www.transmi
lenio.gov.co/WebSite/Contenido.aspx?ID=TransmilenioSA_Transmileni
oEnCifras_EstadisticasGenerales