Sistema de semáforo inteligente con aprendizaje automático para una intersección de alto flujo vehicular. Caso de estudio: Cuenca, Ecuador.
Loading...
Date
2024-09-25
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca
Abstract
Vehicle congestion in Cuenca, Ecuador, is a growing issue that demands innovative solutions. This thesis focuses on simulating the implementation of an intelligent traffic light system that uses the Deep Q-network machine learning algorithm to adjust traffic light phases
according to real-time traffic flow conditions.
To address the limitations of traditional traffic lights, this research aimed to reduce vehicle
waiting times at intersections. To achieve this goal, SUMO (Simulation of Urban MObility), a
simulation tool, was used to model and analyze the behavior of the vehicular network.
Two approaches were evaluated: (i) the incorporation of traffic light phases with prioritized
turns, referred to as FN (new phases), and (ii) the implementation of traffic light phases with
fixed duration intervals, determined based on real measurements at the intersection, called
DFV (fixed variable duration).
The results showed a significant reduction in waiting times, with the FN approach achieving
an 8.73 % decrease and the DFV approach achieving a 14.10 % decrease compared to the
traditional system. The second approach, DFV, proved to be the most efficient, reducing
the metric by 5.90 % compared to the FN approach, suggesting its potential for real-world
implementation. These findings demonstrated that the intelligent traffic light system not only
reduces waiting times but also optimizes traffic flow, promising to improve urban mobility in
Cuenca.
Resumen
El congestionamiento vehicular en Cuenca, Ecuador, es una problemática creciente que
requiere soluciones innovadoras. El presente trabajo se centró en simular la implementación
de un sistema de semáforo inteligente, que utiliza el algoritmo de aprendizaje automático
Deep Q-network, para ajustar las fases semafóricas de acuerdo con las condiciones del
flujo vehicular en tiempo real.
Para abordar las limitaciones de los semáforos tradicionales, esta investigación se enfocó en
reducir el tiempo de espera de los vehículos en la intersección. Para alcanzar este objetivo,
se utilizó SUMO (Simulation of Urban MObility), una herramienta de simulación que permitió
modelar y analizar el comportamiento de la red vehicular.
Se evaluaron dos enfoques: (i) la incorporación de fases semafóricas con giros prioritarios,
denominado FN (fases nuevas), y (ii) la implementación de fases semafóricas con duración
fija por intervalos, determinadas en función de mediciones reales en la intersección, llamado
DFV (duración de fases variable).
Los resultados mostraron una notable reducción en el tiempo de espera, con la propuesta
FN se logró una disminución del 8.73 % y con la propuesta DFV un 14.10 % en comparación
con el sistema tradicional. La segunda propuesta, DFV, se destacó como la más eficiente,
reduciendo la métrica en un 5.90 % en comparación con la propuesta FN, sugiriendo su
potencial para una implementación real. Estos hallazgos demostraron que el sistema de
semáforo inteligente no solo reduce los tiempos de espera, sino que también optimiza el
flujo vehicular, prometiendo mejorar la movilidad urbana en Cuenca.
Keywords
Electrónica, Inteligencia artificial, Redes vehiculares, Semáforos inteligentes
Citation
Código de tesis
TET;165
Código de tesis
Grado Académico
Ingeniero en Electrónica y Telecomunicaciones