Sistema evolutivo de simulación de tráfico vehicular en dos intercepciones
Palabras clave:
tráfico vehicular, flujo vehicular, método monte carlo, plataforma de simulación netlogo, combinaciones.
Resumen
Esta investigación propone dar una solución óptima a los problemas que existen en materia de tráfico vehicular, ya que no se trata de un problema local sino global. Los resultados son alentadores y muestran que el algoritmo matemático programado en una interfaz para un sistema de dos intercepciones. Se proponen diferentes cargas vehiculares en la plataforma de simulación NetLogo para que el algoritmo sea capaz de sincronizar de manera óptima el cambio de luces de la interfaz (semáforo) considerando las diferentes cargas vehiculares aleatorias en ambos cruces. Se realizaron un total de tres mil quinientos (3,500) experimentos, utilizando el método de Monte Carlo para determinar probabilidades sobre las variables de tiempo y velocidad media, considerando las múltiples combinaciones realizadas en el simulador. Por último, se describe la programación de la interfaz, así como el comportamiento global óptimo del sistema de manera gráfica y matemáticamente.
Descargas
La descarga de datos todavía no está disponible.
Citas
Alam, M. R., & Guo, Z. (2023). Co-optimization of charging scheduling and platooning for long-haul electric freight vehicles. Transportation Research Part C: Emerging Technologies, 147, 104009. Recuperado de https://www.sciencedirect.com/science/article/pii/S0968090X22004223
Bakar, N. A., Adi, A. F., Majid, M. A., Adam, K., Younis, Y. M., & Fakhreldin, M. (2018). The Simulation on Vehicular Traffic Congestion Using Discrete Event Simulation (DES): A Case Study. International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT), Sakhier, Bahrain. Sakhier, Bahrain.
Bani Younes, M., & Boukerche, A. (2016). Intelligent Traffic Light Controlling Algorithms Using Vehicular Networks. IEEE Transactions on Vehicular Technology, 65(8), 5887-5899.
Di Mare, A. (1993). La programación por objetos en los sistemas de información. Acta Académica, 3541. Obtenido de http://www.di-mare.com/adolfo/p/oop-adt.htm
Dominguez, P. N., & Cortínez, V. H. (2012). Un método continuo- Discreto para el diseño óptimo de sistemas de trasporte urbano. Mecánica Computacional, 13-16.
Flórez, A., & Thomas, J. (1993). La teoria General de Sistemas. (Dialnet). Recuperado el 28 de 03 de 2023, de https://dialnet.unirioja.es/descarga/articulo/6581658.pdf
Illana, I. J. (27 de Marzo de 2024). Metodos Monte Carlo. [File PDF]. Obtenido de https://www.ugr.es/~jillana/Docencia/FM/mc.pdf
Maksat, A., Ece, G. S., & Klaus Werner, S. (2023). Lane change scheduling for connected and autonomous vehicles. Transportation Research Part C: Emerging Technologies, 147, 103985.
Miz, V., & Vladimir, H. (2014). Smart traffic light in terms of the cognitive road traffic management system (CTMS) based on the Internet of Things. Miz, Volodymyr and Vladimir Hahanov. “Smart traffic light in terms of the cognitive Proceedings of IEEE East-West Design & Test Symposium, 1-5.
Mohammadian, M. (2006). Multi-Agents Systems for Intelligent Control of Traffic Signals. International Conference on Computational Inteligence for Modelling Control and Automation and International Conference on Intelligent Agents Web Technologies and International Commerce. Sydney, NSW, Australia.
Ortiz, M. T., Sallent, O., Camps-Mur, D., Escrig, J. E., & Herranz, C. (2022). Analysis of Vehicular Scenarios and Mitigation of Cell Overload due to Traffic Congestions. 2022 IEEE 95th Vehicular Technology Conference: (VTC2022-Spring). Helsinki, Finland.
Rezzai, M., Dachry, W., Moutaouakkil, F., & Medromi, H. (2018). Design and realization of a new architecture based on multi-agent systems and reinforcement learning for traffic signal control. 2018 6th International Conference on Multimedia Computing and Systems, Rabat, Marruecos.
Thomson, L., & Bull, R. (2002). La congestión del transito urbano: causas y consecuencias económicas y sociales. Revista de la CEPAL, 109-121.
TomTom. (4 de Abril de 2022). TomTom. Recuperado el 4 de Abril de 2022, de https://www.tomtom.com/en_gb/traffic-index/mexico-city-traffic/
Tulay, H., Barickman, F., Martin, J., Rao, S., & Koksal, C. (2019). Urban Traffic Monitoring via Machine Learning. IEEE Vehicular Networking Conference (VNC) (págs. 1-2). Los Angeles, CA, USA: IEEE.
Wilinsky, U. (12 de 06 de 2003). NetLogo Traffic Grid model Center for Connected Learning and Computer-Based Modeling. Evanston, IL: Northwestern University. Recuperado de http://ccl.northwestern.edu/netlogo/models/TrafficGrid
Ziang, L., Gang, X., & Jizhi, M. (2023). A framework for strategic online en-route operations: Integrating traffic flow and strategic conflict managements. Transportation Research Part C: Emerging Technologies, 147, 103996.
Bakar, N. A., Adi, A. F., Majid, M. A., Adam, K., Younis, Y. M., & Fakhreldin, M. (2018). The Simulation on Vehicular Traffic Congestion Using Discrete Event Simulation (DES): A Case Study. International Conference on Innovation and Intelligence for Informatics, Computing, and Technologies (3ICT), Sakhier, Bahrain. Sakhier, Bahrain.
Bani Younes, M., & Boukerche, A. (2016). Intelligent Traffic Light Controlling Algorithms Using Vehicular Networks. IEEE Transactions on Vehicular Technology, 65(8), 5887-5899.
Di Mare, A. (1993). La programación por objetos en los sistemas de información. Acta Académica, 3541. Obtenido de http://www.di-mare.com/adolfo/p/oop-adt.htm
Dominguez, P. N., & Cortínez, V. H. (2012). Un método continuo- Discreto para el diseño óptimo de sistemas de trasporte urbano. Mecánica Computacional, 13-16.
Flórez, A., & Thomas, J. (1993). La teoria General de Sistemas. (Dialnet). Recuperado el 28 de 03 de 2023, de https://dialnet.unirioja.es/descarga/articulo/6581658.pdf
Illana, I. J. (27 de Marzo de 2024). Metodos Monte Carlo. [File PDF]. Obtenido de https://www.ugr.es/~jillana/Docencia/FM/mc.pdf
Maksat, A., Ece, G. S., & Klaus Werner, S. (2023). Lane change scheduling for connected and autonomous vehicles. Transportation Research Part C: Emerging Technologies, 147, 103985.
Miz, V., & Vladimir, H. (2014). Smart traffic light in terms of the cognitive road traffic management system (CTMS) based on the Internet of Things. Miz, Volodymyr and Vladimir Hahanov. “Smart traffic light in terms of the cognitive Proceedings of IEEE East-West Design & Test Symposium, 1-5.
Mohammadian, M. (2006). Multi-Agents Systems for Intelligent Control of Traffic Signals. International Conference on Computational Inteligence for Modelling Control and Automation and International Conference on Intelligent Agents Web Technologies and International Commerce. Sydney, NSW, Australia.
Ortiz, M. T., Sallent, O., Camps-Mur, D., Escrig, J. E., & Herranz, C. (2022). Analysis of Vehicular Scenarios and Mitigation of Cell Overload due to Traffic Congestions. 2022 IEEE 95th Vehicular Technology Conference: (VTC2022-Spring). Helsinki, Finland.
Rezzai, M., Dachry, W., Moutaouakkil, F., & Medromi, H. (2018). Design and realization of a new architecture based on multi-agent systems and reinforcement learning for traffic signal control. 2018 6th International Conference on Multimedia Computing and Systems, Rabat, Marruecos.
Thomson, L., & Bull, R. (2002). La congestión del transito urbano: causas y consecuencias económicas y sociales. Revista de la CEPAL, 109-121.
TomTom. (4 de Abril de 2022). TomTom. Recuperado el 4 de Abril de 2022, de https://www.tomtom.com/en_gb/traffic-index/mexico-city-traffic/
Tulay, H., Barickman, F., Martin, J., Rao, S., & Koksal, C. (2019). Urban Traffic Monitoring via Machine Learning. IEEE Vehicular Networking Conference (VNC) (págs. 1-2). Los Angeles, CA, USA: IEEE.
Wilinsky, U. (12 de 06 de 2003). NetLogo Traffic Grid model Center for Connected Learning and Computer-Based Modeling. Evanston, IL: Northwestern University. Recuperado de http://ccl.northwestern.edu/netlogo/models/TrafficGrid
Ziang, L., Gang, X., & Jizhi, M. (2023). A framework for strategic online en-route operations: Integrating traffic flow and strategic conflict managements. Transportation Research Part C: Emerging Technologies, 147, 103996.
Publicado
2024-02-29
Cómo citar
Dorantes-Benavidez, H., Martínez-Cruz, M. Ángel, Chávez-Pichardo, M., Arenas-Reséndiz, T., & Trejo-Martínez, A. (2024). Sistema evolutivo de simulación de tráfico vehicular en dos intercepciones. Amazonia Investiga, 13(74), 22-34. https://doi.org/10.34069/AI/2024.74.02.2
Número
Sección
Articles
Derechos de autor 2024 Amazonia Investiga
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.
.gif)
