Propuesta de sistema adaptativo para intersecciones semaforizadas en la ciudad de Jaén

Autores/as

DOI:

https://doi.org/10.37787/q0stj108

Palabras clave:

Sistema adaptativo, intersecciones semaforizadas, algoritmo, programa, demora

Resumen

La investigación tuvo como objetivo, realizar la propuesta de un sistema adaptativo para intersecciones semaforizadas en la ciudad de Jaén, basado en algoritmos y ejecución de un programa. El diseño del estudio fue cuantitativa y experimental. Por tanto, se hizo una recolección y análisis de datos de campo y fuentes primarias, para posterior construir algoritmos con la metodología Knowlegde Discovery Databases, pasando a crear una base de información, entrenar y validar con algoritmos de predicción los modelos que incluyó variables seleccionadas, luego predecir tiempos, que clasifican a un nivel de servicio; y finalizar con el desarrollo de un programa usando Visual Studio compatible con los algoritmos generados, todo ello teniendo presente el método Webster y Highway Capacity Manual. Los resultados fueron clasificar intersecciones en su situación actual con demoras de 11.41, 8.32 segundos, y niveles de servicio “B”, “A”; dos modelos de alta precisión empleando el algoritmo RandomForest con R2 de 0.995 y 0.996, prediciendo tiempos de demora y ciclo óptimo; y un programa ejecutable adaptable que calcula y optimiza demoras, ciclos óptimos y niveles de servicios. Se concluye que existe solvencia, por la generación de un sistema adaptativo que estima y mejora la operatividad en una intersección semaforizada.

Referencias

Ali, M. E. M., Durdu, A., Celtek, S. A., & Yilmaz, A. (2021). An Adaptive Method for Traffic Signal Control Based on Fuzzy Logic With Webster and Modified Webster Formula Using SUMO Traffic Simulator. 10.1109/ACCESS.2021.3094270

Alkandari, A., Al-Shaikhli, I. F., & Alhaddad, A. (2014). Optimization of traffic control methods comparing with dynamic webster with Dynamic Cycle Time (DWDC) using simulation software. 2014 10th International Conference on Natural Computation (ICNC), 1071-1076. https://doi.org/10.1109/ICNC.2014.6975989

An, H. K., Awais Javeed, M., Bae, G., Zubair, N., M. Metwally, A. S., Bocchetta, P., Na, F., & Javed, M. S. (2022). Optimized Intersection Signal Timing: An Intelligent Approach-Based Study for Sustainable Models. https://doi.org/10.3390/su141811422

Balaji, P. G., German, X., & Srinivasan, D. (2010). Urban traffic signal control using reinforcement learning agents. IET Intelligent Transport Systems, 4(3), 177. https://doi.org/10.1049/iet-its.2009.0096

Bashiri, M. (2020). Data-Driven Intersection Management Solutions for Mixed Traffic of Human-Driven and Connected and Automated Vehicles. https://doi.org/10.48550/arXiv.2012.05402

Celis-Peñaranda, J. M., Escobar-Amado, C. D., Sepúlveda-Mora, S. B., Castro-Casadiego, S. A., Medina-Delgado, B., & Ramírez-Mateus, J. J. (2016). Control adaptativo para optimizar una intersección semafórica basado en un sistema embebido. https://doi.org/10.17230/ingciencia.12.24.8

Doçi, I., Duraku, R., & Hoti, B. (2022). Design Of Traffic Intersection Model And Regulation With Software And Microcontrollers. https://www.scientificbulletin.upb.ro/rev_docs_arhiva/full1a5_875407.pdf

Jiajia, L., & Xingquan, Z. (2020). Research on Fuzzy Control and Optimization for Traffic Lights at Single Intersection. https://www.china-simulation.com/EN/10.16182/j.issn1004731x.joss.20-FZ0498

Olayode, O. I., Tartibu, L. K., & Okwu, M. O. (2022, enero 25). Application of Adaptive Neuro-Fuzzy Inference System Model on Traffic Flow of Vehicles at a Signalized Road Intersections. ASME 2021 International Mechanical Engineering Congress and Exposition. https://doi.org/10.1115/IMECE2021-70956

Qian, R., Lun, Z., Wenchen, Y., & Meng, Z. (2013). A Traffic Emission-saving Signal Timing Model for Urban Isolated Intersections. Procedia - Social and Behavioral Sciences, 96, 2404-2413. https://doi.org/10.1016/j.sbspro.2013.08.269

Savithramma, R. M., Sumathi, R., & Sudhira, H. S. (2022). A Comparative Analysis of Machine Learning Algorithms in Design Process of Adaptive Traffic Signal Control System. 10.1088/1742-6596/2161/1/012054

Shaikh, P. W., El-Abd, M., Khanafer, M., & Gao, K. (2022). A Review on Swarm Intelligence and Evolutionary Algorithms for Solving the Traffic Signal Control Problem. IEEE Transactions on Intelligent Transportation Systems, 23(1), 48-63. https://doi.org/10.1109/TITS.2020.3014296

Shamlitskiy, Y., Popov, A., Saidov, N., & Moiseeva, K. (2023). Transport Stream Optimization Based on Neural Network Learning Algorithms. Transportation Research Procedia, 68, 417-425. https://doi.org/10.1016/j.trpro.2023.02.056

Shelby, S. G. (2004). Single-Intersection Evaluation of Real-Time Adaptive Traffic Signal Control Algorithms. Transportation Research Record: Journal of the Transportation Research Board, 1867(1), 183-192. https://doi.org/10.3141/1867-21

Wijaya, D. D. A., Luckyarno, Y. F., Utami, S. S., & Prasetyo, R. (2019). Analysis of Vehicle Waiting Time Efficiency Using Webster Method and Newton’s Divided Difference: Case Study at Mirota Kampus Intersection, Yogyakarta, Indonesia.

Zhang, H., Yuan, H., Chen, Y., Yu, W., Wang, C., Wang, J., & Gao, Y. (2021). Traffic Light Optimization Based on Modified Webster Function. Journal of Advanced Transportation, 2021, e3328202. https://doi.org/10.1155/2021/3328202

Publicado

2024-06-27

Número

Sección

Artículos Originales

Cómo citar

Piedra Tineo, J. L. (2024). Propuesta de sistema adaptativo para intersecciones semaforizadas en la ciudad de Jaén. Revista Científica Pakamuros, 12(2), 62-76. https://doi.org/10.37787/q0stj108

Artículos similares

1-10 de 79

También puede Iniciar una búsqueda de similitud avanzada para este artículo.