Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

ALGORITMO BIOINSPIRADO EN COLONIAS DE HORMIGAS PARA LA OPTIMIZACION DE LA SEMAFORIZACION

BIOINSPIRED ALGORITHM FOR ANT COLONY OPTIMIZATION IN THE TRAFFIC LIGHT

Santos M Zambrano S. Oscar J Abella G.**Frank N Giraldo R***. Nelson Becerra.

Resumen: Los semáforos son unos dispositivos indispensables en el control del transito en

cualquier ciudad, puesto que permiten regular el flujo de vehículos en las diferentes

intercesiones y así proporcionar seguridad a los peatones y usuarios que se movilizan en la

ciudad, pero su eficacia se ve comprometida cuando los tiempos de manejo del semáforo no

responden de una forma eficiente al flujo de vehículos ocasionando así largas filas de

vehículos, para evitar esta congestión en la actualidad se están empleando los semáforos

inteligentes basados en algoritmos sofisticados que mejoran los tiempos de respuesta en los

cambios de luces de los semáforos, este proyecto esta basado en el algoritmo de colonia de

hormigas que por su naturaleza probabilística permite optimizar los tiempos de respuesta, lo

cual se ve reflejado en la reducción del tiempo en que los vehículos salen de una intercesión

y en el aumento del flujo de la misma.

Palabras clave: Algoritmo bioinspirado, colonia de hormigas, optimización, flujo, tiempos,

probabilidad.

Abstract: Semaphores are a few essential devices in controlling traffic in any city, since that

can regulate the flow of vehicles in different intercessions and thus provide safety to

Tecnologo en sistematización de datos. Universidad Distrital Francisco José de Caldas. smzambranos@correo.udistrital.edu.co Tecnólogo en electrónica. Universidad Distrital Francisco José de Caldas. ogabellag@udistrital.edu.co Ingeniero de control. Universidad Distrital Francisco José de Caldas. fngiraldor@udistrital.edu.co

Ingeniero de sistema. Universidad Distrital Francisco José de Caldas. nrbecerrac@udistrital.edu.co

pedestrians and users who move into the city, but its effectiveness is compromised when time

management of traffic lights do not respond efficiently to the flow of vehicles and causing long

queues of vehicles, to avoid this congestion are currently using smart traffic lights based on

sophisticated algorithms that improve response times changes traffic lights, this project is

based on the ant colony algorithm by its probabilistic nature optimizes response times, which

is reflected in the reduction of the time the vehicles leave intercession and increased flow

thereof.

Key Words: Bio-inspired algorithm, ant colony optimization, flow, time, probability.

1 Introducción

En la actualidad el aumento de carros particulares y las motos ha ocasionado que el sistema

de transito colapse, puesto que las calles no fueron diseñadas en un principio para soportar

flujo vehicular constante y rápido, además los tiempos de respuesta de los semáforos no son

eficientes puesto que el cambio de luz a verde puede darse en intercesiones en la cuales no

se encuentren vehículos o simplemente realizan el cambio de luz bastante rápido y esto

interrumpe el flujo vehicular.

Con el presente trabajo se simulo la intercesión numero 23 de la ciudad de Bogotá, a la cual

se le aplico dos tipos de algoritmo, SIGCAP que es el empleado actualmente para el manejo

de los semáforos y el de colonia de hormigas que es el propuesto para el mejoramiento en

los tiempos de respuesta o cambios de luces, con esta investigación se demostró que el

algoritmo propuesto es mas eficiente ya que se evidencio un aumento en el nivel del flujo

vehicular y una disminución en los tiempos en el cual salen los vehículos de la intercesión.

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

Figura 1. Esquema de la intercepción.

Figura 2. Acceso norte. Acceso sur.

Figura 3. Acceso occidente. Acceso oriente.

2 Terminología del tráfico

En la terminología empleada en la dinámica de tráfico una intersección es considerada como

un conjunto de movimientos permitidos en un cruce, para regular o permitir el flujo en cada

cruce es necesario el uso de semáforos que indiquen si un vehículo puede atravesar el área

o si por el contrario tiene que esperar para transitar esa área, cada semáforo consta de una

fase la cual es el tiempo que permaneció en verde, antes que el semáforo este en el estado

de verde se encuentra en el estado de amarillo el cual indica a los vehículos que se

encuentren en el estado de rojo que se preparen para iniciar la marcha y los que se

encuentran en estado de verde que se dispongan a detener la marcha.

Un ciclo es cuando se le ha dado el paso a todos los semáforos contando el tiempo total, la

partición de verde es el porcentaje para el cual el semáforo estuvo en el estado de verde y se

tomo con respecto al ciclo. La mínima distancia que hay entre vehículos se denomina

intervalo mínimo y se mide en segundos, el tiempo que tarda el próximo vehículo en llegar a

la intersección se denomina tiempo de llegada, y el tiempo que tardo cada vehículo en salir

de la intersección es la resta del tiempo de llegada con el tiempo de salida.

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

2.1 Flujo del tráfico

Cuando la luz esta en verde los vehículos comienzan a salir, el primero que está en la fila

sale sin ningún retardo y luego el siguiente sale hw segundos después así sucede hasta el

último en la cola, si en ese intervalo llegan nuevos vehículos y la cola no está vacía entonces

tiene que esperar hw segundos multiplicado por el número que ocupe en la fila, si la cola

está vacía no tiene que esperar nada y continua. Cuando hay cambio de fase se pasa de la

luz verde a la amarilla terminando en la roja por un lado y por otro se pasa de la luz roja a

amarilla para quedar luego en verde, cuando la luz es amarilla y roja pueden llegar vehículos

entonces la suma de estos dos tiempos es un intervalo para el cual llegan vehículos pero no

salen.

2.2 Tiempo en la intersección

El algoritmo colonia de hormigas al inicio de cada fase evalúa los tiempos, de acuerdo al

tiempo se obtiene el intervalo de tiempo para salir de la intersección; este proceso tiene dos

partes una que es conocida debido a que es el tiempo necesario para vaciar la intercepción

y el otro que es desconocido ya que es el número de vehículos que pueden llegar, este dato

es necesario porque solo sabiendo el número de posibles nuevos vehículos es como se

optimiza el algoritmo, para esto se asume un dato el cual es la tasa con la que llegan nuevos

vehículos por calzada.

3. Algoritmo colonia de Hormigas

3.1 Inspiración del algoritmo

El algoritmo está inspirado en el comportamiento de las hormigas, esto se representa con el

experimento del doble puente (ver figura 6), en donde su primera versión pusieron dos

puentes de igual tamaño, al comenzar las hormigas se aventuran por un camino, al

transcurrir el tiempo uno de los caminos acumula más feromona y este es el que siguen

escogiendo.

Figura 4. Doble puente de igual longitud.

En la figura 7, se muestra la segunda versión del experimento, en este el puente inferior es

el doble de grande al superior, y al hacer el mismo proceso observaron que las hormigas

después de un tiempo escogían el camino más corto debido a la acumulación de feromona.

Figura 5. Doble puente con diferente longitud.

3.2 Framework para el algoritmo de colonia de hormigas

Al aplicar el comportamiento de las hormigas para el desarrollo de problemas

computacionales se crean hormigas artificiales que con la ayuda de la feromona recorren un

grafo, en términos matemáticos su representación es la siguiente: (S, f, Ω), donde S es el

conjunto de posibles soluciones, f es la función objetivo y Ω son las reglas para el problema,

el objetivo es encontrar la solución más óptima que minimice f. Aunque hay varias versiones

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

para el algoritmo todas siguen los mismos pasos lo único en que se diferencian es la manera

en que se actualiza la feromona, los pasos son los siguientes:

1. Se inicializan las rutas: Para recorrer el grafo, con la misma cantidad de feromona.

2. Se construyen las soluciones: Cada hormiga construye una solución guiándose por los

niveles de feromona, la solución es un conjunto de nodos por los cuales pasa la

hormiga, una hormiga va de un punto i a un punto j.

3. Actualizar feromona: Primero la feromona se evapora.

4. Pasó 2 y 3 se repiten hasta que se llegue a la condición conocida [10].

3.3 Algoritmo SIGCAP

SIGCAP: ”A computer program for assessing the traffic capacity of signal-controlled road

junctions", este algoritmo es del tipo offline en el cual el tiempo de fase y ciclo se obtiene sin

tener en cuenta semáforos de otras intersecciones y la duración de fase y ciclo se establece

por periodos prolongados, donde se asume que las variables del tráfico son constantes, este

tipo de funcionamiento es el más barato de implementar pero es uno de los más ineficientes

debido a que el tráfico en una intersección tan importante como la AV al llano varia

frecuentemente.

3.4 Tecnologías

Para la simulación de la intersección se uso el simulador SUMO “Simulation Urban Movility”

debido a que es un software libre y tiene las potentes cualidades como VISIM “Verkehr In

Städten - SIMulation”, el cual es licenciado, además de ser libre tiene la ventaja de permitir

desarrollar scripts en Python para el control de los semáforos, Python es un poderoso y fácil

lenguaje para el uso de estructuras de datos complejas como lo son los grafos, a

continuación se dan unas breves características.

3.4.1 Sumo

Sumo es un simulador de trafico microscópico que ofrece varias herramientas para el estudio

de las variables que interactúan en el tráfico, las principales razones por las cuales se eligió

para el desarrollo de este proyecto fue porque ofrece detectores que permiten conocer el

estado actual del tráfico y por qué ofrece una interfaz llamada traci que le permite interactuar

con programas hechos en Python para el control semafórico. El tipo de detectores que se

uso fue induction loops (bucles de inducción) y estos se programan para que envíen

información de la velocidad, tiempo que han permanecido los vehículos, flujo en un tiempo

que se establezca este tiempo se conoce como frecuencia.

3.4.2 Python

Python es un lenguaje fácil de aprender y en comparación con otros lenguajes el código para

hacer ciertas tareas se reduce en un 30%, además con las librerías Numpy y matplotlib,

python queda igual de potente que matlab para operaciones con vectores y representación

en graficas de la información.

4 MODELADO DEL SIMULADOR

4.1 Flujo Principal

El flujo principal del programa inicia con los datos iniciales que serán dados por el usuario, si

estos no se dan se generaran por defecto; los datos iniciales son la hora, la demanda de

cada calzada, el número de hormigas a utilizar y el número de iteraciones por elección de

tiempo en cada fase. Teniendo la demanda por calzada se prosigue a suscitar el flujo

vehicular el cual se almacena en un archivo; este archivo tendrá el número de vehículos a

simular con la ruta a realizar en la simulación; la creación del archivo es necesaria ya que

sin este el simulador sumo no funciona. Luego el usuario escoge el tipo de algoritmo con el

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

cual se va hacer la simulación para así conectarse con SUMO y darle el tipo de control a

ejecutar, la simulación se realizara hasta que se acabe el intervalo de tiempo o hasta que ya

no hallan más vehículos para simular, en el transcurso de la simulación se van almacenando

datos en unos archivos que serán utilizados después para llenar las tablas y hacer la

comparación entre los algoritmos. Cuando acaba la simulación los datos se representan en

tabla por cada acceso y en intervalos de cada 15 minutos, y se generan los totales también

en tablas.

Si la simulación se hizo ya con los dos tipos de algoritmos se le puede solicitar al programa

hacer las comparaciones las cuales son flujo de vehículos por acceso y tiempo que

permaneció cada vehículo que se haya simulado en los dos algoritmos para salir de la

intersección. Las comparaciones se representan a través de gráficas de dispersión e

histogramas. Si solo se ha simulado con un algoritmo solo se muestra en grafica el flujo de

vehículos por intervalo de tiempo de cada acceso, el diagrama de flujo se representa en la

figura 6.

Figura 6. Diagrama de flujo del programa.

Para realizar la simulación se usan dos archivos el primero en el que se detalla la estructura

de la intersección y el segundo el flujo vehicular la figura 7 muestra el diagrama.

Figura 7. Diagrama de flujo simulacion SUMO.

4.2 Control

El sistema de control semafórico se hace utilizando la interfaz de TRACI la cual permite

comunicar a SUMO con un programa que se realice en python para el control semafórico, en

este caso el programa puede solicitar información como flujo de vehículos, y así utilizando un

algoritmo que se haya escrito determinar el tiempo en cada fase. La figura 8 muestra el

diagrama para el control semafórico usando (TLS).

Figura 8. Diagrama de flujo SIGCAP.

Al comenzar una fase se obtienen el número de vehículos detectados por cada acceso en

cada calzada luego de esto se escoge la calzada que tenga el mayor número de vehículos

detectado, en el caso del acceso 3 y 4 se escoge entre ellos el mayor número de vehículos

que se detectó, lo mismo se hace para el acceso 7 y 8, esto se hace para obtener el tiempo

para vaciar la fila, el cual se va a signar como tiempo mínimo, y este valor se multiplica por el

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

flujo que hubo en ese intervalo y luego se divide por el headway obteniendo el posible

número de vehículos que llegaran en ese tiempo se calcula el tiempo necesario para vaciar

la calzada de vehículos y se asigna como tiempo máximo, el tiempo máximo y mínimo se

restan para obtener el número de nodos que va a tener el grafo en ese nivel, y así se hace

para cada acceso, si no se detectaron vehículos para las calzadas que hacen parte de la

fase entonces no se incluyen en el grafo, cuando se va a escoger el tiempo para una fase se

analiza el tiempo de ciclo luego que se obtiene el tiempo y este pasa se repite el proceso la

figura 9 muestra el proceso iterativo.

t1 t2 t3 t4

A1 G R R R

A3 R G R R

A4 R G R R

A7 R R G R

A8 R R G R

A2 R R R G

t1 t2 t3 t4

A3 G R R R

A4 G R R R

A7 R G R R

A8 R G R R

A2 R R G R

A1 R R R G

t1 t2 t3 t4

A4 R R R G

A7 G R R R

A8 G R R R

A2 R G R R

A1 R R G R

A3 R R R G

Figura 9. Asignacion tiempo de fase.

Donde t1 es el tiempo de la fase para el correspondiente semáforo, la columna representa en

qué fase que accesos están en verde y cuales en rojo siendo los tn los intervalos de

duración.

Como ejemplo de ilustración de cómo queda el grafo cuando se obtienen los datos arriba

mencionados, se supondrá que la fase se encuentra en el acceso 1, y que los tiempos que

son la resta entre el tiempo máximo y mínimo son los siguientes: a1=3 a3,a4=2 a7,a8=2

a2=1.

Figura 10. Ejemplo creacion de grafo.

Después de que las hormigas construyen la solución se le da un costo esto se repite hasta

que todas las hormigas tengan su solución con su respectivo costo, luego de que todas ya lo

han hecho se procede a actualizar, y se vuelve hacer lo ya expuesto hasta que se llegue al

número de iteraciones establecido

Figura 11. Simulacion con algoritmo colonia de hormigas.

4.3 Alcance del proyecto

El tiempo máximo de simulación es un día y el mínimo es de 15 minutos, se modelan solo un

tipo de autos y motos, y dos de buses y camiones, al momento de correr la simulación en

SIGCAP se puede correr con un delay de 0 milisegundos pero al momento de correrlo con el

algoritmo colonia de hormigas la velocidad de ejecución tiene que ser mayor a 150

milisegundos para así apreciar la efectividad del algoritmo propuesto esta asignasion de

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

delay varía dependiendo de las características de la maquina en donde se ejecute el

programa. Los únicos tipos de comparación que se van a desarrollar son el flujo de vehículos

por acceso por un único tipo de vehículo en un intervalo de 15 minutos y el tiempo que tardo

cada vehículo en salir de la intersección, para hacer esta comparación es necesario que el

vehículo haya sido simulado en los dos algoritmos.

6 RESULTADOS

Como el proyecto se basa en la implementación de un algoritmo bio-inspirado en colonias de

hormigas y este se deriva de la inteligencia artificial se realizaron una serie de pruebas en

diferentes tipos de computadora las cuales posen distintas característica, con esto se buscó

poder demostrar la eficacia del algoritmo.

La simulación demostró que el algoritmo colonia de hormigas es más eficiente que SIGCAP,

para llegar a esta conclusión se hizo la simulación con diferentes datos obteniendo en todos

los casos donde se aplicó un delay apropiado un mayor flujo en cada acceso y un menor

tiempo de permanencia en la intersección, en el presente artículo solo se muestran dos de

las pruebas para no hacerlo muy extenso pero el lector puede corroborarlo cuando haga sus

propias simulaciones. En las dos pruebas mostradas se tomó un intervalo de 30 minutos, se

hizo así para no generar tablas tan largas pero el máximo intervalo con el que se puede

hacer la simulación es de 24 horas. Se dejaron los valores por defecto con los cuales se

programó el algoritmo colonia de hormiga.

Según el procesador la velocidad de la simulación es más rápida, esto claro solo es evidente

en la implementación del algoritmo colonia de hormiga ya que por el costo computacional

que se requiere para el recorrido del grafo y la obtención de la solución más óptima se debe

asignar un número determinado de Delay, el rango del delay se encuentra entre 150ms a

500ms en donde los resultado obtenidos son favorables para el algoritmo colonia de

hormigas.

Los resultados obtenidos fueron de la siguiente forma:

En la prueba realizada con los valores predefinidos, y un delay de 150ms en ambas

simulaciones se obtuvo los siguientes resultados, lo cuales se muestran en las siguiente

gráfica, figura 12.

Figura 12. Tabla de resumen de la comparación de tiempos y flujos con un delay de 150ms.

En la cual se puede ver que hay una diferencia en el resultado del resumen de flujos la cual

es de 65 vehículos que favorece al algoritmo propuesto, pero también se puede observar que

en el resultado del resumen de tiempo total la diferencia es de 3812.0ms que favorece al

algoritmo SIGCAP, esto se debe a que para la simulación del algoritmo SIGCAP se importa

un archivo que contiene toda la información del comportamiento de flujo vehicular que debe

pasar en ese rango de tiempo y no es afectado por el delay, mientras que colonia de

hormigas no tuvo el tiempo necesario para que el recorrido del grafo diera la mejor solución a

nivel de tiempos.

Al realizada la prueba con los valores predefinidos, y un delay de 200ms en ambas

simulaciones se obtuvo los siguientes resultados, lo cuales se muestran en las siguiente

gráfica, figura 13.

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

Figura 13. Tabla de resumen de la comparación de tiempos y flujos con un delay de 200ms.

Se puede ver que los resultados obtenidos favorecen al algoritmo colonia de hormigas ya

que la diferencia de resumen de flujo es de 112 y de tiempo total es de 18602.0ms esto se

debe a que con esta asignación se le da un rango mayor de tiempo para que el programa

pueda recorrer el grafo y así encuentre una solución más óptima.

El análisis de las gráficas se hace tomando una clase de vehículo (autos, buses, camiones o

motos), para así poder obtener una muestra confiable de la cantidad total que podría estar

circulando en ese intervalo de tiempo.

Retomando el caso anterior en donde se realiza la simulación con un delay de 150ms

obtenemos las siguientes gráficas al tomar como base de datos las tablas generadas por el

programa en el acceso3 y acceso3h, seleccionando los datos obtenidos en el ítem de autos

que circulan de frente, cuyas tablas se muestran a continuación.

Figura 14. Tablas de datos de los acceso3 y acceso3h con un delay de 150ms.

Figura 15. Grafica de comparación acceso3h y acceso3 para autos con un delay de 150ms.

La gráfica de la figura 15, de dispersión muestra el nivel de flujo vehicular que obtiene el

algoritmo colonia de hormigas al ser comparado con el de SIGCAP en el mismo acceso de la

intersección, ya que en promedio circularon 34 autos con la implementación de SIGCAP

mientras que con colonia de hormiga el promedio fue de 31, estos datos se toma evaluando

solo un sentido de la intersección no quiere decir que sea el promedio total.

Figura 16. Grafica de dispersion que muestra la comparacion de tiempos para autos con un

delay de 150ms.

La grafica de la figura 16, de dispersión de tiempo para autos muestra que hay una gran

agrupación de vehículos en el rango de 100ms a 300ms para ambos algoritmos pero es

evidente que fuera de este rango hay más puntos relacionados al algoritmo colonia de

hormigas que de SIGCAP lo cual quiere decir que se tardó más tiempo en colonia de

hormigas, por lo tanto no se puede ver una gran mejora a nivel de tiempo pero si a nivel de

flujo vehicular, lo cual se puede asumir como una eficacia del 50% sobre el actual sistema

implementado.

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

Figura 17. Grafica de diostribucion de tiempos para autos con colonia de hormigas y un delay

de 150ms. Grafica de diostribucion de tiempos para autos con SIGCAP y un delay de 150ms.

Figura 18. Grafica de diostribucion de tiempos para autos con todos los tiempos en colonia de

hormigas y un delay de 150ms.

Para dar mayor claridad al análisis del tiempo se presenta la información por medio de tres

graficas de barras o histogramas las cuales retoman la información del acceso que se está

evaluando. En la gráfica figura 17 en la gráfica de la izquierda, se puede encontrar lo datos

de la distribución de tiempos para el algoritmo colonia de hormigas, la cual muestra que se

obtuvo un pico máximo que pasa de los 34 autos en el intervalo de tiempo de 180ms a

200ms. En la gráfica de la derecha, se ve que en la distribución de tiempos para el algoritmo

SIGCAP hay un pico máximo que casi llega a los 35 autos en el intervalo de tiempo de

160ms a 180ms lo cual demuestra que fue más óptimo en ese intervalo de tiempo.

Pero si analizamos la gráfica de la figura 18, la cual permite observar la distribución de

tiempo para autos con todos los tiempos en colonia de hormigas se puede llegar a la

conclusión que en promedio existe un mayor flujo vehicular ya que se puede observar que la

mayoría de barras están concentradas en el intervalo de 40ms a 300ms con rango que va

desde los 15 autos hasta un aproximado de 33 autos lo cual comprueba que el algoritmo

colonia de hormigas es más eficiente a nivel de flujo vehicular.

Ahora se presenta las gráficas generadas por el programa cuando se le aplica un delay de

200ms, esto con el fin de demostrar la importancia de dar una correcta asignación para que

el programa pueda recorrer el grafo y dar una solución óptima.

Figura 19. Tablas de datos de los acceso3 y acceso3h con un delay de 200ms.

Figura 20. Grafica de comparación acceso3h y acceso3 para autos con un delay de 200ms.

La gráfica de la figura 20, de dispersión muestra el nivel de flujo vehicular que obtiene el

algoritmo colonia de hormigas al ser comparado con el de SIGCAP en el mismo acceso de la

intersección, ya que en promedio circularon 34 autos con la implementación de SIGCAP

mientras que con de colonia de hormiga el promedio fue de 32.

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

Figura 21. Grafica de dispersion que muestra la comparacion de tiempos para autos con un

delay de 150ms.

La grafica de la figura 21, de dispersión de tiempo para autos muestra que hay una gran

agrupación de vehículos en el rango de 50ms a 350ms para ambos algoritmos pero es

evidente que fuera de este rango hay más puntos relacionados al de SIGCAP que al

algoritmo colonia de hormigas lo cual quiere decir que se tardó más tiempo el de SIGCAP,

por lo tanto ya se puede ver una gran mejora a nivel de tiempo y a nivel de flujo vehicular, lo

cual se puede asumir como una eficacia del 95% sobre el actual sistema implementado.

Figura 22. Grafica de diostribucion de tiempos para autos con colonia de hormigas y un delay

de 200ms.Grafica de diostribucion de tiempos para autos con SIGCAP y un delay de 200ms.

Figura 23. Grafica de diostribucion de tiempos para autos con todos los tiempos en colonia de

hormigas y un delay de 200ms.

Como se puede ver en la gráfica figura 22 en la gráfica de la izquierda, se puede encontrar

los datos de la distribución de tiempos para el algoritmo colonia de hormigas, la cual muestra

que se obtuvo un pico máximo que pasa de los 28 autos en el intervalo de tiempo de 120ms

a 140ms. En la gráfica de la derecha, se ve que en la distribución de tiempos para el

algoritmo SIGCAP hay un pico máximo que casi llega a los 35 autos en el intervalo de tiempo

de 160ms a 180ms lo cual demuestra que fue más óptimo en ese intervalo de tiempo. Pero si

analizamos la gráfica de la figura 23, la cual permite observar la distribución de tiempo para

autos con todos los tiempos en colonia de hormigas se puede llegar a la conclusión que en

promedio existe un mayor flujo vehicular ya que se puede observar que la mayoría de barras

están concentradas en el intervalo de 50ms a 220ms con rango que va desde los 15 autos

hasta un aproximado de 28 autos lo cual comprueba que el algoritmo colonia de hormigas es

más eficiente a nivel de flujo vehicular.

7 CONCLUSIONES

1. En el peor caso de ejecución para el algoritmo colonia de hormigas es cuando se

asigna el número de iteraciones a 149, el número de hormigas a 49 y el grafo que se

crea es de 137269 el cual es el máximo, el tiempo necesario para obtener el tiempo de

fase que se le va a signar al semáforo es de 48.375 segundos

Preparación de Artículos revista VISIÓN ELECTRÓNICA: algo más que un estado sólido Fecha de envío:

Fecha de recepción: Fecha de aceptación:

2. El aspecto más importante que se debe tener en cuenta a la hora de verificar el

algoritmo colonia de hormigas es la correcta asignación de delay, ya que de este

depende la rapidez y la eficacia que tendrá la respuesta del programa frente a la

asignación de tiempos óptimos para los semáforos.

3. La mejor ventaja que muestra el algoritmo de SIGCAP frente al de colonia de

hormigas es que no depende directamente de la asignación de algún delay en

especial para generar los datos, ya que estos están pregrabados en una base de

datos que solo se importa, por lo tanto en casi todos los casos en el primer intervalo

de las tablas tiene un mejor resultado.

4. En condiciones ideales la diferencia en el flujo vehicular es en promedio de 112 a 360

vehículos y de tiempo.

5. Al evaluar el sistema de control semafórico se debe tener en cuenta el siclo de cambio

de luces ya que en condiciones reales también es necesario dar un tiempo optimo

para que los peatones puedan cruzar por la intercepción.

6. Dependiendo del equipo en donde se ejecute el programa se debe tener extremo

cuidado al momento que se asigne los parámetros para la simulación, por ejemplo si

se posee un buen equipo se puede reducir los niveles de flujos iniciales y se obtendría

buenos resultados, pero sí en cambio se cuenta con un equipo con un bajo poder de

procesador se debe aumentar el nivel de flujo para obtener buenos resultados.

8 REFERENCIAS

[1] Consorcio Monitoreo Tránsito y Transporte Urbano Bogotá (2012), Toma de información

de campo para el programa de monitoreo, seguimiento y planeación del tránsito y el

transporte de Bogotá D.C.

[2] Fernando, L., César, P., Hernández, A., & Alfonso, D. (2012). Control de tráfico vehicular

usando ANFIS Vehicular traffic control using ANFIS, Paginas 79–88.

[3] Oliveira, D. De, & Bazzan, A. (2006). Traffic lights control with adaptive group formation

based on swarm intelligence, Retrieved from

http://link.springer.com/chapter/10.1007/11839088_61

[4] Flores, J. F., & Troya, R. J. (2012). Semaforización inteligente adquisición de datos e

implementación de control difuso en tiempo real para la optimización del flujo en la ciudad.

Retrieved from http://repositorio.usfq.edu.ec/handle/23000/1419

[5] Gerardo, M. C. C, Sánchez, M., Juan, I, & Cortés, C. (2009). Evaluación de un Sistema

Inteligente de Semaforización Mediante Simulación para la Ciudad de Orizaba, Veracruz, (1),

1–23.

[6] Javier Ferre, José García Nieto, Enrique Alba, F. C. (n.d.) (2010). Validación Inteligente

para la Sincronización de Semáforos Basada en FeatureModel.

[7] Jaramillo Ramírez Daniel. (2005). Simulación Y Control De Tráfico Vehicular por

semaforización, Universidad Pontificia Bolivariana Escuela De Ingeniería. Obtenido de

http://eav.upb.edu.co/banco/sites/default/files/files/TesisSIMULACIONTRAFICO.pdf.

[8] Dr. Tom V Mathew, (2014), Traffic Engineering & Management (Web), IIT Bonbay.

[9] TRAFFIC SIGNAL CONTROL WITH ANT COLONY OPTIMIZATION, (2009) David

Renfrew, University San Luis Obispo.

[10] M. Dorigo and T. Stutzle, Ant colony optimization,(2004). Cambridge, assachusetts: MIT

Press.