Este documento describe un estudio sobre el uso de técnicas de inteligencia artificial para predecir la congestión del tráfico. Los investigadores utilizaron datos de tráfico de California para entrenar y probar métodos como árboles de decisión, clasificadores estadísticos y reglas difusas. Todos los métodos lograron una precisión de predicción superior al 95%. C4.5, LDA y SLAVE fueron los métodos más exitosos. El documento concluye que la inteligencia artificial tiene un gran potencial para la predicción del tráfico y que
ANALISIS Y DISEÑO POR VIENTO, DE EDIFICIOS ALTOS, SEGUN ASCE-2016, LAURA RAMIREZ
IA para predicción tráfico
1. Sistemas de predicción de
congestión basados en Inteligencia
Artificial Avanzada
Enrique Onieva,
Pedro López, Asier Perallos
(Mobility Unit – DeustoTech)
enrique.onieva@deusto.es
@EnriqueOnieva
2. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 2
Motivación
Hoy en día, la congestión en las autovías es un
problema global
El adelantarse a las congestiones es un componente
clave de los ITS
La correcta predicción puede beneficiar:
A los conductores
A los gestores de tráfico
A las autoridades
Aplicación de técnicas de
inteligencia artificial a la
predicción del tráfico
3. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 3
Fuente de Datos
Departamento de
Transporte de
California
Datos
Septiembre 2013
Tramo de 9 km
13 sensores de paso
4 incorporaciones
4 salidas
4. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 4
Datos Obtenidos
Frecuencia: 5 minutos
13 sensores de paso:
Flujo, Ocupación, Velocidad
4 incorporaciones
Flujo
4 salidas
Flujo
4 posibles estados de congestión
Tráfico Fluido
Congestión Leve
Congestión Moderada
Congestión Severa
5. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 5
Datos Obtenidos
Datos Completos 47 Variables
13 flujos de paso
13 ocupaciones de paso
13 velocidades de paso
4 flujos de entrada
4 flujos de salida
Datos Simplificados 13 Variables
3 flujos de paso
3 ocupaciones de paso
3 velocidades de paso
2 flujos de entrada
2 flujos de salida
6 Horizontes de Predicción
10, 20, 30, 40, 50, 60 minutos
6. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 6
Técnicas utilizadas
Árboles de decisión
C4.5
TARGET
Clasificadores
estadísticos
LDA
LMSLC
Reglas Difusas y
Algoritmos Evolutivos
CORE
SLAVE
7. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 7
Experimentación
Cada método se ejecuta 5 veces, usando diferentes
partes de los conjuntos de datos para:
Aprender
Ponerse aprueba
Medimos:
El porcentaje de aciertos global
El porcentaje de aciertos por cada nivel de congestión
Ejecución 1
Ejecución 2
Ejecución 3
Ejecución 4
Ejecución 5
Datos de Entrenamiento
Datos de Prueba
8. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 8
Resultados
Todas las técnicas obtienen
un porcentaje de acierto
global mayor al 95%
No encuentran dificultades
al aumentar el horizonte
de predicción
9. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 9
Resultados
Todas se comportan bien
ante la predicción de
tráfico fluido
Las mayores dificultades se
dan con congestión leve
En general destacamos
C4.5
LDA
SLAVE
10. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 10
C4.5
Resultados
Ejemplo de salida obtenida:
Conjunto de datos Completo
Horizonte de Predicción de 30 minutos
C4.5
47 reglas
8 condiciones en promedio (Variable > X)
LDA
Modelo lineal de las 47 variables
SLAVE
22 reglas
4 condiciones en promedio (Variable es {bajo, medio alto})
SLAVE
11. Sistemas de predicción de congestión basados en Inteligencia Artificial Avanzada
enrique.onieva@deusto.es @EnriqueOnieva 11
Conclusiones y trabajos futuros
Conclusiones
Gran potencial de la inteligencia artificial para su
aplicación en la predicción del estado del tráfico.
Resultados codificables por un relativamente bajo
número de reglas
Trabajos futuros
Diseño de técnicas de generación de conjuntos de
reglas compactos y comprensibles
Aplicación de dichos diseños a nuevos problemas de
transporte