Modelado y Simulación de una Intersección de Calles en un Contexto Multi-Agente

Joaquín Nacht, Mariana Falco, Gabriela Robiolo

Resumen


Las pérdidas de tiempo por congestión y embotellamientos de tráfico son sucesos corrientes en las ciudades por una configuración no óptima de los semáforos. Diversas ciencias y especialidades han intentado comprender el fenómeno e identificar las causas en pos de obtener una solución apropiada. El presente trabajo introduce la extensión de un sistema orientado a agentes cuyo fin es reducir el tiempo de espera de los conductores en una intersección de calles; modelando ahora vehículos (autos y taxis), peatones y un semáforo inteligente que evalúa los pesos de los flujos en dos direcciones (X e Y), giro a la izquierda y derecha.  Para lo cual, la validación fue llevada a cabo en seis escenarios posibles, definidos por medio de la variación del flujo de vehículos y peatones, de una frecuencia de giro en 20 y 80 y la aplicación de diferentes factores de ajustes para los semáforos inteligentes. El entorno de simulación se implementó en NetLogo, lo que permitió comparar el impacto del uso del semáforo inteligente versus un semáforo de tiempos fijos. Finalmente, presentaremos las conclusiones y el trabajo futuro.

Palabras clave


sistemas multi-agentes; programación orientada a agentes; tráfico; NetLogo

Texto completo:

PDF HTML

Referencias


J. Long, Z. Gao, H. Ren, and A. Lian. Urban traffic congestion propagation and bottleneck identification. Science in China Series F: Information Sciences, 51(7), 948-964, 2008.

A. M. Rao, and K. R. Rao. Measuring Urban Traffic Congestion-A Review. International Journal for Traffic & Transport Engineering, 2(4), 2012.

F. Tan, J. Wu, Y. Xia, and K. T. Chi. Traffic congestion in interconnected complex networks. Physical Review E, 89(6), 062813, 2014.

J. A. Lindley. Urban freeway congestion: quantification of the problem and effectiveness of potential solutions. ITE journal, 57(1), 27-32, 1987.

R. Bauza, and J. Gozálvez, J. Traffic congestion detection in large-scale scenarios using vehicle-to-vehicle communications. Journal of Network and Computer Applications, 36(5), 1295-1307, 2013.

P. Lopez-Garcia, E. Onieva, E. Osaba, A. D. Masegosa, and A. Perallos. A hybrid method for short-term traffic congestion forecasting using genetic algorithms and cross entropy. IEEE Transactions on Intelligent Transportation Systems, 17(2), 557-569, 2016.

D. A. Hennessy, and D. L. Wiesenthal. Traffic congestion, driver stress, and driver aggression. Aggressive behavior, 25(6), 409-423, 1999.

R. Putha, L. Quadrifoglio, and E. Zechman. Comparing ant colony optimization and genetic algorithm approaches for solving traffic signal coordination under oversaturation conditions. Computer‐Aided Civil and Infrastructure Engineering, 27(1), 14-28, 2012.

D. Teodorović, and M. Dell’Orco. Mitigating traffic congestion: solving the ride-matching problem by bee colony optimization. Transportation Planning and Technology, 31(2), 135-152, 2008.

A. L. Bazzan, and F. Klügl. A review on agent-based technology for traffic and transportation. The Knowledge Engineering Review, 29(3), 375-403, 2014.

B. Chen, and H. H. Cheng. A review of the applications of agent technology in traffic and transportation systems. IEEE Transactions on Intelligent Transportation Systems, 11(2), 485-497, 2010.

P. A. Ehlert, and L. J. Rothkrantz. Microscopic traffic simulation with reactive driving agents. In Intelligent Transportation Systems, 2001. Proceedings. 2001 IEEE (pp. 860-865). IEEE, 2001.

S. Tisue, and U. Wilensky. NetLogo: Design and implementation of a multi-agent modeling environment. In Proceedings of agent, vol. 2004, pp. 7-9.

R. J. Allan. Survey of agent based modelling and simulation tools (pp. 1362-0207). Science & Technology Facilities Council, 2010.

T. F. Battolla, S. Fuentes, J. I. Illi, J. Nacht, M. Falco, G. Pezzuchi, and G. Robiolo. Sistema dinámico y adaptativo para el control del tráfico de una intersección de calles: modelación y simulación de un sistema multi-agente. En: Simposio Argentino de Inteligencia Artificial (ASAI) – Jornadas Argentinas de Informática, Universidad de Palermo, Septiembre de 2018.

S. F. Smith, G. J. Barlow, X. F. Xie, and Z. B. Rubinstein. Smart Urban Signal Networks: Initial Application of the SURTRAC Adaptive Traffic Signal Control System. In ICAPS 2013.

T. Nagatani. Vehicular traffic through a sequence of green-wave lights. Physica A: Statistical Mechanics and its Applications, 380, 503-511, 2007.

K. H. N. Bui, J. E. Jung, and D. Camacho. Game theoretic approach on Real‐time decision making for IoT‐based traffic light control. Concurrency and Computation: Practice and Experience, 29(11), 2017.

K. H. N. Bui, D. Camacho, and J. E. Jung. Real-time traffic flow management based on inter-object communication: a case study at intersection. Mobile Networks and Applications, 22(4), 613-624, 2017.

F. Daneshfar, J. RavanJamJah, F. Mansoori, H. Bevrani, and B. Z. Azami. Adaptive fuzzy urban traffic flow control using a cooperative multi-agent system based on two stage fuzzy clustering. In Vehicular Technology Conference, 2009. VTC Spring 2009. IEEE 69th (pp. 1-5). IEEE, 2009.

J. C. Burguillo-Rial, P. S. Rodríguez-Hernández, E. C. Montenegro, and F. G. Castiñeira. History-based self-organizing traffic lights. Computing and Informatics, 28(2), 157-168, 2012.

A. Guerrero-Ibanez, J. Contreras-Castillo, R. Buenrostro, A. B. Marti, and A. R. Muñoz. A policy-based multi-agent management approach for intelligent traffic-light control. In Intelligent Vehicles Symposium (IV), 2010 IEEE, pp. 694-699. IEEE.

S. Abar, G. K. Theodoropoulos, P. Lemarinier, and G. M. O’Hare. Agent based modelling and simulation tools: a review of the state-of-art software. Computer Science Review, 24, 13-33, 2017,

M. Wooldridge. An introduction to multiagent systems. John Wiley & Sons, 2009.

A. Zeid, A UML Profile for Agent-Based Development, in: Lecture Notes in Computer Science, vol. 2641, 2003, pp. 161–170.

E. Bonabeau. Agent-based modeling: Methods and techniques for simulating human systems. Proceedings of the National Academy of Sciences, 99 (suppl 3), 7280-7287, 2002.

A. Banos, C. Lang, and N. Marilleau. Agent-based spatial simulation with NetLogo, vol. 1, Elsevier, 2015.

U. Wilensky, and W. Rand. An introduction to agent-based modeling: modeling natural, social, and engineered complex systems with NetLogo. MIT Press, 2015.




DOI: https://doi.org/10.37537/rev.elektron.2.2.59.2018

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia


Copyright (c) 2018 Joaquín Nacht, Mariana Falco, Gabriela Robiolo

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Revista elektron,  ISSN-L 2525-0159
Facultad de Ingeniería. Universidad de Buenos Aires 
Paseo Colón 850, 3er piso
C1063ACV - Buenos Aires - Argentina
revista.elektron@fi.uba.ar
+54 (11) 528-50889