Modelo origen destino para estimar el flujo de tráfico usando algoritmos genéticos
Resumen
RESUMEN
En este trabajo se ha desarrollado un nuevo método basado en Inteligencia Artificial para resolver un problema del matriz origen-destino (O-D) aplicado al caso de una red de tráfico vehicular en la ciudad de Ambato. El método implementado, basado en algoritmos genéticos (AG), resuelve el problema de minimización asociado al problema de matriz O-D. Para validar la técnica, se ha utilizado una red vial correspondiente a la zona del Mercado Modelo en la ciudad de Ambato, que es una zona de alta congestión vehicular.
Palabras clave: Redes de tráfico, algoritmos genéticos, optimización.
ABSTRACT
A new method, based on Artificial Intelligence for solving the Origin-Destination problem (O-D), was developed and applied to the vehicular traffic network of the city of Ambato. The method, based on genetic algorithms (GA), solves the minimization problem associated with the O-D problem. To validate the technique, it has been used the Mercado Modelo network from the Ambato city, which is an area of high vehicular traffic congestion.
Keywords: Traffic networks, genetic algorithms, optimization.
Descargas
Métricas
Citas
Castillo, E., 2008. Traffic estimation and optimal counting location without path enumeration using bayesian networks. Computer Aided and Infrastructure Engineering, 23, 189-207.
Cortez, C., W. Contreras, L. Mota, 2011. Análisis y Diseño de redes viales de transporte urbano usando algoritmos genéticos, Caso Lima Metropolitana. Revista de Investigación de Sistemas e Informática (RISI), 8(2), 53-65.
DTM Dirección de Tránsito y Movilidad, 2006. Departamento encargado del control de tránsito del la Ciudad de Ambato. Seccion Técnica de Señalización Vial.
Haupt, R.L., S.E. Haupt, 2004. Practical genetic algorithms (2ª ed.). John Wiley & Sons, Ltd., 261 pp.
Tebaldi, C., M. West, 1998. Bayesian Inference on network traffic using link count data. Journal of the American Statistical Association, 93(442), 557-573.
Vardi, Y., 1996. Network tomography: estimating source-destination traffic intensities from link data. Journal of the American Statistical Association, 91(433), 365-377.
Vaton, S., J.S. Bedo, 2004. Network traffic matrix: how can one learn the prior distributions from the link counts only. IEEE International Conference on Communications Society, 2138-2142.
Zhang, J., 2006. Origin-destination network tomography with Bayesian Inversion approach. IEEE/ACM International Conference on Web Intelligence, 8 pp.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Copyright © Autors. Creative Commons Attribution 4.0 License para cualquier artículo enviado a partir del 6 de junio de 2017. Para los manuscritos presentados anteriormente, se utilizó la licencia CC BY 3.0.
Usted es libre de:
Compartir — compartir y redistribuir el material publicado en cualquier medio o formato. |
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente. |
Bajo las siguientes condiciones:
Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso. |
Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia. |
Mayor información sobre este acuerdo de autoría y licencia, transferencia de derechos o solicitudes de reproducción, pueden ser consultados en este enlace.