PAPER: GESTIÓN DE TRAFICO MEDIANTE REGRESIÓN LOGISTICA CON

LOGICA DIFUSA

HECTOR JOHN MESA GARCIA

UNIVERSIDAD CATÓLICA DE ORIENTE

FACULTAD DE INGENIERIAS

INGENIERÍA DE SISTEMAS
 2

Tabla de Contenido

Pág

1. Introducción ........................................................................................................................3

2. Objetivos……………………………………………………………………………....…..4

3. Desarrollo del Método Propuesto………………………………………………….……...6

4. Conclusiones……………………………………………………………………….…….18

5. Bibliografía………………………………………………………………………………19

1. Introducción
 3

El estudio de la ingeniería de sistemas y su enfoque principal es dar soluciones de alta calidad, lo

ideal es que las soluciones sean orientadas a problemas que impacten a una gran población en

general.

En la formación como ingenieros de sistemas y su posterior desarrollo como profesional obliga a

que el estudiante y profesional desarrolle un alto grado investigativo con el fin de aportar

soluciones innovadoras.

El presente Paper fue realizado para la “Conferencia Internacional sobre Inteligencia

Computacional y Ciencia de Datos” y habla sobre una problemática que afecta a todas las

ciudades que es : “Gestión de Trafico mediante regresión logística con lógica difusa” (Anurag

Singh Tomar a, 2018).

El aumento de la población, junto con el desarrollo económico mundial juega un papel

importante en la compra de vehículos por particulares y para particulares, además para viajar

distancias más cortas las personas utilizan su vehículo personal, esto suma a la cantidad de

vehículos en la carretera. Este aumento en el número de vehículos en la carretera conduce a un

problema importante: La congestión del Tráfico. Otros factores que son responsables de la

congestión del tráfico son la infraestructura vial deficiente y el mantenimiento de las carreteras

que no se ha mejorado con el tiempo. La congestión del tráfico provoca más consumo de

combustible, más pérdida de tiempo y decepción del conductor y los pasajeros.

Para superar estos problemas, se requiere un sistema de transporte inteligente que puede incluir

factores como el sistema de semáforos adaptativos que regulan la duración de la señal según el

tráfico presente en las intersecciones, el sistema adaptativo de selección de ruta y el sistema de

predicción de tráfico correcto.

 4

2. Objetivo
 5

2.1 Objetivo General

Adquirir los conocimientos y habilidades de investigación para aportar soluciones

innovadoras que impacten a la población en general aplicando los conocimientos

adquiridos en la ingeniería de software.

2.2 Objetivo Específico del Paper

El objetivo de este documento es proporcionar un marco para un sistema de transporte

inteligente que pueda regular el tráfico de una manera eficiente considerando diferentes

factores como la distancia entre el origen y el destino, las condiciones climáticas locales,

el día de la semana y el momento en que persona está viajando. Incluir la cantidad de

parámetros ayudará al sistema a tomar la decisión inteligente. Esto se logrará combinando

la regresión logística y la lógica difusa, lo que hará que el sistema de gestión del tráfico

sea más adaptativo.

3. Desarrollo del Método Propuesto

 6

En este trabajo se discute la regresión logística con lógica difusa para tomar decisiones

inteligentes sobre la ruta preferida. dado que puede haber varias rutas para llegar al

destino, primero un sistema obtendrá la información del tráfico del mapa de Google y la

longitud de la ruta para cada ruta posible. En este modelo, el usuario debe ingresar la

condición de la carretera manualmente dada por Google. Con base a estos parámetros, la

probabilidad se calculará para cada ruta mediante el método de regresión logística.

La lógica difusa se aplicará luego al considerar los diversos parámetros, como la

distancia, las condiciones climáticas y la ubicación.

El marco del sistema de gestión del tráfico propuesto se muestra en la figura 1.

La Sección 3.1 describe el método de Regresión Logística y 3.2 incluye la

implementación de lógica difusa en varios parámetros.

En la figura 2 se muestra una información de tráfico representativa del mapa de Google.

 7

Fig.2. Información del Trafico del Mapa de Google

3.1 Regresión Logística

Esta sección ahora describe el método de Regresión logística para dar paso al método de

lógica difusa en la sección 3.2

Para calcular la probabilidad de que cada ruta llegue al destino, se ha utilizado la

regresión lineal con la función sigmoidea.

La descripción del método se proporciona a continuación donde:

HT (X) Representa el valor predicho de la variable de salida;

 8

Ti (para i ∈ (0, 1, 2, 3) son Coeficientes, T0 llamado sesgo y Ti (donde i> 0) indican el

peso asignado a las variables de entrada;

Xj (para j ∈ (1, 2,3) Información de tráfico, Distancia, Condiciones de la carretera;

g (HT (X)) Representa la función de Sigmoid sobre HT (X);

p es el asociado de Probabilidad con la ruta;

entonces tenemos:

3.1.1 Compute HT (X) = T0 + T1X1 + T2X2-T3X3 donde X1 es la distancia

normalizada de cada ruta para llegar al destino, X2 es la velocidad de tráfico
normalizada que se obtiene del mapa de Google como se muestra en la figura
2 y X3 es condición de la carretera
3.1.2 la ecuación anterior ha sido reescrita en forma de vector de la siguiente
manera:

HT (X) = T'X, donde T 'es transpuesta de T. (3)

3.1.3 Calcule la probabilidad usando la función sigmoidea de la siguiente manera:

p = g (Z) = 1 / (1 + e-Z), donde Z = HT (X). (4)

Según la naturaleza de la función sigmoide para obtener una probabilidad

mayor a 0.5, el valor de z debe ser positivo, pero si el valor es menor que cero,
la probabilidad es menor a 0.5.
El usuario seleccionará la ruta solo si la probabilidad es mayor a 0.5. Por lo
tanto, la ruta con probabilidad mayor a 0.5 solo será seleccionada.
 9

3.2 Lógica Difusa:

El tráfico por carretera es impredecible e incierto por naturaleza. Por lo tanto, el concepto

de lógica difusa se incorpora para tomar la mejor decisión sobre la ruta preferida.

Después de calcular la probabilidad usando Regresión logística, más factores como

Las condiciones meteorológicas, la probabilidad, la ubicación del camino, el día y la hora

de la semana se tienen en cuenta para seleccionar la mejor ruta, como se muestra en la

figura 3.

Los conjuntos difusos se utilizarán para los parámetros y estos conjuntos difusos se

mencionan a continuación en las tablas de 1 a 5.

 10

La Tabla 1 clasifica la probabilidad calculada en la regresión logística en tres conjuntos

difusos que ayudarán a decidir la ruta preferida.

Al tomar la decisión de preferir el camino, el usuario observará las condiciones climáticas

que incluyen cuatro conjuntos difusos que se muestran en la tabla 2. El tiempo puede ser

lluvioso, parcialmente lluvioso, agradable y soleado, así que si el clima lo determina el

usuario preferirá el camino soleado en la mayoría de los casos

 11

La ubicación del camino incluye los tres conjuntos difusos como se muestra en la tabla 3,

que son: más, menos, mucho menos lugares o puntos de trabajo (wp) alrededor de la

ubicación de la carretera que definitivamente afectan el tráfico en la carretera.

El día se clasifica en dos conjuntos difusos, como se muestra en la tabla 4, ya sea día

laborable o fin de semana, por lo que durante el fin de semana hay más tráfico hacia los

lugares turísticos mientras que en el día laborable se produce más tráfico en la carretera

hacia los lugares de trabajo.

La condición del tráfico en las carreteras cambia con respecto al tiempo, es decir, la

misma carretera tiene diferentes condiciones de tráfico el mismo día y en diferentes

momentos.
 12

El tiempo se clasifica en ocho conjuntos difusos diferentes que se muestran en la tabla 5.

 13

3.3 Resultados y discusión:

Revisaremos los resultados obtenidos después de la implementación del algoritmo y las

reglas difusas.

Como se mencionó la información de tráfico en tiempo real y la distancia de la ruta se

tomaron del mapa de Google y la condición de la ruta se tomó manualmente como

entrada del usuario. El mapa de Google proporciona la información de tráfico en tiempo

real sobre la velocidad de tráfico si es rápida, promedio o peor en la ruta.

La Figura 4 representa el marco de lógica difusa utilizado para la implementación en

MATLAB
 14

La gráfica de la función de membresía de las condiciones climáticas y la ubicación de la

carretera que se ha categorizado usando la temperatura, la humedad presente en el clima y

el número de lugares de trabajo por carretera se muestran en la figura 5 (a) y (b). La

función de membresía triangular se usa para la ubicación de la carretera y las condiciones

climáticas. en este documento se usa la función de membresía gaussiana que está

disponible en la caja de herramientas difusa de Matlab.

 15

La jornada laboral se considera de lunes a viernes, mientras que los sábados y domingos

se consideran fines de semana. Esto se ha implementado en una caja de herramientas

difusa usando la función de membresía como se muestra en la figura 6 (a) y 6 (b). La

función de membresía triangular se usa para implementar el conjunto de tiempo difuso.

 16

La función de Membresía Triangular se utiliza para difuminar el conjunto difuso de

probabilidad y se construyen otras reglas difusas para procesar la salida difusa.

La decisión de la ruta preferida se toma después del procesamiento de las reglas difusas y

se ha implementado usando la función de membresía triangular.

 17

3.4 Conclusiones y trabajo futuro del paper

Generalmente, un usuario sigue la ruta de distancia más corta, pero a veces se convierte

en la peor ruta de tráfico. Por lo tanto, este documento propuso un método que no solo

considera la longitud de la ruta para llegar al destino sino también la información de

tráfico actual, lo que a su vez ayudará a tomar decisiones inteligentes. La ruta de distancia

más corta puede tener condiciones de atasco de tráfico, mientras que la ruta alternativa

basada en información de tráfico a mayor distancia puede tener un tráfico muy bajo. Por

lo tanto, la información de tráfico se convierte en un factor importante al seleccionar la

ruta.

Este documento, presentó una guía para que el usuario tome la decisión inteligente

seleccionando la ruta adecuada que se regirá por la información del tráfico en tiempo real,

la longitud de cada ruta y otros factores como la condición del clima y la ubicación de la

carretera. Incluye la regresión logística para calcular la probabilidad de cada ruta posible

y aplicar la lógica difusa para seleccionar la mejor ruta posible que reduzca la congestión,

la demora, la contaminación y el consumo de energía.

El método propuesto se puede ampliar proporcionando un sistema de guía de ruta móvil o

aplicación en la que el mapa de Google se integrará con una aplicación para recopilar

automáticamente la información e implementar la lógica difusa para tomar la mejor

decisión al seleccionar la ruta para llegar al destino cómodamente y eficientemente. En el

futuro, se pueden aplicar más algoritmos de aprendizaje automático como la máquina de

vectores de soporte junto con algoritmos de optimización que den como resultado una

mayor mejora en términos de congestión y demora.

 18

4. Conclusiones

 Desarrollar la habilidad de investigación nos ayuda a formarnos como

profesionales que pueden aportar soluciones en el contexto general.

 Conocer la aplicación de la lógica difusa para solucionar problemas cotidianos y

su uso es más frecuente, importante su conocimiento para llevarlo a la práctica.

 Este trabajo sobre el paper abre la mente del estudiante y futuro profesional en

pensar diferente sobre todas las posibles ramas de la ingeniería que se puede

enfocar.
 19

5. Bibliografía

Trabajos citados
[1] HM Kammoun, I. K. (2011). Mejora de la gestión del tráfico rodado por un fuzzy ant-
jerárquica sistema. París: IEEE Simposio sobre Inteligencia Computacional en vehículos
y sistemas de transporte (CIVTS) Proceedings, .
[10] P. Li, Z. y. (2011). “El uso de la computación en nube para procesar Floating Car Data
intensivos para urbana vigilancia del tráfico. Internacional Journal of Geographical
Information Science.
[2] Habib M. Kammouna, I. J. (2014). Adapt -Traf: Un tráfico rodado multiagente adaptativo
sistema de gestión basado en modelo difuso hormiga-jerárquico híbrido", Transportation
Research Parte C: Tecnologías Emergentes.
[3] Mohammad A. Tahaa, L. (2012). "sistema de simulación de tráfico basado en la lógica
difusa",. Procedia Computer Science 12 .
[4] M. RashidyKanan, [. M. (s.f.). "Un nuevo método para el diseño y la implementación del
sistema de control inteligente del tráfico basado en lógica difusa usando FPGA.
Conferencia iraní 13 en Fuzzy Systems (IFSC. Qazvin.
[5] Bharti Sharma, V. K. (2014). "Fuzzy Logic Model para la predicción del volumen de tráfico
en la Semana Días", . Revista Internacional de Aplicaciones Informáticas , Volumen 107
- n ° 17, pp 1-6.
[6] Collotta, M. B. (2016). "Un nuevo enfoque para la gestión dinámica luces de tráfico basadas
en redes de sensores inalámbricos y Varios controladores Fuzzy Logic. Expert Systems
with Aplicaciones. .
[8] SK Rana, I. Y. (2016). Un sistema de gestión de tráfico en tiempo real. Conferencia
Internacional IEEE sobre segundo ordenador Ciencia y Tecnología de la Información,
(págs. pp. 193-197. [). Pekin.
[9] Jing Yuan, Y. Z. (2010). T-unidad: las direcciones de conducción basado en un taxi
trayectorias. Actas de la Conferencia Internacional 18a SIGSPATIAL sobre Avances en
Sistemas de Información Geográfica, (págs. páginas 99-108). Pekin.
American National Standards Institute. (Reaffirmed 9 December 2009 ). Estandares IEEE para
el Aseguramiento de la calidad del software.
Anurag Singh Tomar a, b. M. (2018). Traffic Management using Logistic Regression with Fuzzy
Logic .
Deshpande, [. M. (2016). A corto plazo predicción flujo de tráfico basado en Inglés híbrido
neuro-fuzzy. Conferencia Internacional sobre la TIC en los negocios de la industria y
Gobierno, (págs. pp. 1-3.). Paris.
Pressman, R. S. (1998). Ingenieria de Software "Un enfoque Practico" . Madrid: Concepción
Fernández Madrid.
Roldos, E. X. (2012). http://calidadtes.blogspot.com. Obtenido de http://calidadtes.blogspot.com:
http://calidadtes.blogspot.com
SAP. (s.f.). https://support.sap.com. Obtenido de https://support.sap.com:
https://support.sap.com
significados.com. (s.f.). Obtenido de www.significados.com: www.significados.com
wikipedia. (s.f.). es.wikipedia.org. Obtenido de wikipedia: https://es.wikipedia.org