1. UTPL. Inteligencia Artificial.
.
SEMÁFORO INTELIGENTE.
Vanessa Celi
cvceli@utpl.edu.ec
Freddy Ojeda
ffojeda@utpl.edu.ec
Docente: Ing. Nelson Piedra
nopiedra@utpl.edu.ec
RESUMEN: En el presente abordamos lo
que son los agentes racionales y su
comportamiento de acuerdo al medio en el que se
desenvuelven Daremos una introducción general
sobre los agentes inteligentes, para luego
centrarnos en la descripción detallada de nuestro
agente de estudio.
.
PALABRAS CLAVE: Inteligencia artificial,
semáforos, algoritmos de búsqueda, heurística.
Figura 1 Agente Inteligente
1 INTRODUCCIÓN
3 CARACTERÍSTICAS GENERALES
Los agentes de software han mostrado una
nueva forma de trabajar con computadores, Partiendo de la Figura 1 podemos definir a
permitiendo “delegar” en un programa (el agente) un agente inteligente como una entidad que
ciertas tareas que, de otra forma, solamente percibe y actúa sobre su entorno.
podrían hacer los humanos. En algunos casos,
puede tratarse simplemente de tareas repetitivas, Un Agente inteligente se caracteriza por ser:
pero en otros, puede ser una solución a problemas
complejos. Comunicativo deberá entender las
necesidades u objetivos del usuario.
En este trabajo analizamos la posibilidad de Capaz debe tener la capacidad de saber
emplear un agente “semáforo” cuya función como dar un servicio y proporcionar información
principal es agilizar el control del tránsito de Autónomo debe poder interactuar con el
vehículos en una intersección de dos calles, de entorno tomando decisiones y actuando por si solo
manera de que pasen alternadamente a través de Adaptativo debe ser capaz de aprender del
esta. entorno
4 AGENTE INTELIGENTE SEMAFORO
2 AGENTE INTELIGENTE
4.1 TENDENCIAS EN SEMAFOROS
INTELIGENTE
1
2. UTPL. Inteligencia Artificial.
.
- Actualmente existen sistemas de control de entornos simulados. Concretamente los
luces inteligentes por medio de sensores en el resultados obtenidos durante las pruebas
asfalto. Trabajos a nivel de investigación, experimentales fueron:
Brasil tiene un par de experiencia al
respecto.[5] Reducción de los tiempos de espera para
cruzar la intersección un 56.3%, desde 2.217
segundos de espera acumulados durante los
- Científicos norteamericanos y rumanos han primeros 30 minutos, a 968 segundos de los
desarrollado un modelo informático basado en siguientes 30 minutos.
información real que atribuye inteligencia a los
semáforos para optimizar la gestión del tráfico. Reducción del número de arranques en
De esta forma han comprobado que se reduce 70, de 142 arranques sobre 252 vehículos
un 28% el tiempo de espera en los cruces en servidos durante los primeros 30 minutos, a 72
hora punta y un 6,5% las emisiones de CO2. arranques sobre otros 252 vehículos servidos
El modelo puede potenciarse si se incorpora a durante los siguientes 30 minutos.
los automóviles un software específico que
avise a los conductores tanto de las Reducción del consumo medio de
velocidades recomendables en función de las combustible en 0.564 litros, durante la segunda
luces de los semáforos, como en función de la media hora de pruebas experimentales.
cantidad de coches que se pueden encontrar
en los atascos. Esta aplicación también podría Reducción de 1.922,83 gramos de CO2,
trasladar información al sistema para mejorar durante la segunda media hora de pruebas
la regulación del tráfico mediante los experimentales. [4]
semáforos
- El sistema, denominado TEA (Traffic
Enhancement Application) Desarrollado en 5 PROBLEMÁTICA
laUni Universidad Pontificia Comillas. A sido
evaluación en un entorno simulado, se incluye La congestión vehicular que encontramos en
en este proyecto un simulador del tráfico que las calles de nuestra ciudad y de cualquier ciudad
fluye en una intersección. Tras un proceso de del país, es causante de mucho malestar a los
ajuste y parametrización del citado simulador, conductores, aún cuando en las intersecciones de
se han realizado simulaciones durante 270 las calles se encuentren semáforos instalados,
minutos, para las dos posibles formas de estos no garantizan la óptima fluidez vehicular
regulación semafórica: por patrones de porque cuentan con métodos estáticos para de
tiempos fijos y mediante la regulación cruce en un entorno que cambia constantemente
inteligente propuesta por este proyecto. Los
resultados que se obtienen mediante
simulación son alentadores, el control 5.1 SOLUCIÓN A LA PROBLEMÁTICA
inteligente reduce los tiempos de espera un
74%, desde 20.849 segundos de espera Luego de habernos informado de cuáles
acumulados durante 270 minutos de serían los mejores sensores para la detección y
simulación a 5.430 segundos. Por otro lado, el conteo de vehículos, hemos encontrado que la
número de arranques se reducen en 70 manera de detectar los vehículos que se
arranques, de 1.903 arranques sobre 3.240 encuentran parados en una intersección o que se
vehículos servidos, a 1.820 arranques sobre aproximan a la misma es la que está basada en el
3.265 vehículos servidos. tratamiento digital de las imágenes tomadas
Respecto a la evaluación en un entorno mediante cámaras inalámbricas montadas en el
real, se han realizado pruebas experimentales semáforo.
utilizando semáforos de obra para ejecutar las Para realizar el proceso digital de imágenes
decisiones de regulación semafórica se utilizará dos algoritmos, uno para la detección
inteligente, sobre una intersección real por de vehículos de día y otro para la detección de
donde circulan un flujo medio de vehículos. vehículos de noche.
Los resultados de las pruebas
experimentales han sido satisfactorios,
reafirmando las estimaciones realizadas
mediante la ejecución de este proyecto en
2
3. UTPL. Inteligencia Artificial.
.
Tenemos los sensores (cámaras IP) los
6 FUNCIONAMIENTO cuales nos proporcionan datos del número de
vehículos que se aproximan a la intersección, para
luego enviarlos a un control de entrada que este a
Este proyecto desarrollará un sistema su vez se comunicará con la organización de los
inteligente que, a partir de cámaras IP instaladas datos los cuales interactúan con el control
en los semáforos, ejecute en tiempo real mientras que el control de salida se comunica con
decisiones sobre los tiempos de cada luz de un la base de datos.
semáforo para la optimización del tráfico en una
intersección. Para que nuestro agente decida que cantidad
de tiempo dar a cada intersección, este utiliza el
Objetivos principales: algoritmo de búsqueda A*. El cual utiliza una
función de evaluación:
- Reducir el tiempo medio de espera de los
vehículos que circulan por la intersección. f(n) = g(n) + h'(n),
- Reducir el número de paradas/arranques donde h'(n) representa el valor heurístico del
que se producen. De esta manera se nodo a evaluar desde el actual, este está dado en
reduce el gasto de combustible y también función del número de vehículos que circulan por
se reducen las emisiones contaminantes. ambas vías y la hora del día que es, g(n) es el
coste real del camino recorrido para llegar a dicho
nodo, n.
7 DESCRIPCIÓN DEL ENTORNO DE A* mantiene dos estructuras de datos
TRABAJO DEL AGENTE SEMAFORO auxiliares, que podemos denominar abiertos,
implementado como una cola de prioridad
(ordenada por el valor f(n) de cada nodo), y
agen Medidas de Entorno Actuador Sensores
cerrados, donde se guarda la información de los
te Rendimiento es
nodos que ya han sido visitados. En cada paso del
Agilizar el Calles Luz Detector de
Trafico Amarilla Vehículos algoritmo, se expande el nodo que esté primero en
Minimizar los Peatones Luz verde Cámara abiertos, y en caso de que no sea un nodo
embotellamien objetivo, calcula la f(n) de todos sus hijos, los
tos inserta en abiertos, y pasa el nodo evaluado a
Tráficos Luz Roja cerrados.
Tabla 1 Entorno de trabajo del agente
semáforo Según la hora del día en que esté trabajando
el semáforo, se calculará el tiempo de las luces,
teniendo este un valor más elevado en las horas
8 ARQUITECTURA GLOBAL DEL pico dadas como heurística.
AGENTE INTELIGENTE SEMÁFORO Dentro del algoritmo se hace la llamada a
la búsqueda A* en el momento en que se hace la
re sincronización de las luces.
El algoritmo a utilizarse para el control del
tráfico, es el que se muestra en la figura 3
Figura 2 Arquitectura del Agente
3
4. UTPL. Inteligencia Artificial.
.
herramienta CMap Tools. La ontología obtenida es
Activar los
sensores la siguiente:
Esta en
modo
norma ?
l
N
O
Hay
carros
aproximándose
por X o por Y,
time
S
I
Cuantos
Carros por
vienen ,
X
cuantos
vienen
por
Y
n >= n N n =0
X Y O X
N
S
O
I
n =0
Y
S
S N I
I O
Que color Que color
esta
el esta
el
semáforo semáforo
VERDE ROJA VERDE ROJA
X X Y Y
Se Se
puede
cambiar puede
cambiar
a
VERDE ? a
VERDE ?
X Y
Reducir Reducir
al
tiempo N S VERDE al
tiempo N S VERDE
deROJO O I X deROJO O I Y
X Y
Figura 4 ontologías del semáforo
Resincroniz Resincroniz
ar lasluces ar lasluces
Descartar
los
sensores y
y
continuar en
modo norma
l
REFERENCIAS
[1] Russell y Norvig. Prentice HallG, Obregón Pulido, B
Castillo Toledo and A. Loukianov. Inteligencia Aritificial
Un Enfoque Moderno. 2da.Edicion 2004
[2] An Inlligent transport system for controlling traffic light
Figura 3 Algoritmo para el control de las luces son bus-rapid-transit (BTR) routes in
del semáforo (Basado en BTR [2]) Johannesburg(Matthew Bernath, Jonathan Counihan
and Rex Van Olst.) 2007.
Es algoritmo utiliza como entradas, los datos https://repository.up.ac.za/upspace/bitstream/2263/6
que los sensores (las cámaras IP) le proporcionan. 509/1/Bernath.pdf
Estos datos son: ¿cuántos vehículos están [3]Traffic Signal Using Smart Agent System (Cheonshik
parados en la intersección y cuántos se aproximan Kim, You-Sik Hong, Anyang University, Faculty of
a ella? Con esto se interrumpe el normal Major in Digital Media Engineering) 2008
funcionamiento de los semáforos. [4] Mejora del tráfico en un cruce regulado por
semáforos, mediante un sistema basado en visión
Estas interrupciones dan lugar al aspecto artificial (Rocha Gómez, Ernesto de la). Universidad
inteligente del algoritmo ya que cuando estas Pontificia Comillas.
ocurren se procede a hacer una decisión
inteligente sobre el número de carros que se [5]http://www.curitiba.org.br/digitando/tecnologia/?canal=
aproximan a la intersección y los tiempos en la 19¬i=2818
sincronización de las luces. [6]A (Mildly) Intelligent Traffic Light System, Bluespec.
2009
9 ENTORNO DE APRENDIZAJE
Para el entorno de aprendizaje de nuestro
agente usamos una ontología realizada en la
4