Control adaptativo para optimizar una intersección semafórica basado en un sistema embebido

Jose M Celis-Peñaranda, Christian D Escobar-Amado, Sergio B Sepulveda-Mora, Sergio A Castro-Casadiego, Byron Medina-Delgado, Jhon J Ramírez-Mateus

Resumen


Para optimizar el flujo vehicular en una intersección vial se diseñaron un algoritmo de control adaptativo y una base de datos que apoya la depuración del rendimiento del controlador, ambos alojados en el sistema embebido Raspberry Pi B+. El desempeño del algoritmo fue evaluado con un instrumento virtual, que emuló una intersección semafórica de la ciudad de Cúcuta, esto es, los sensores magnetorresistivos, el proceso de encendido en las luces de los semáforos y el flujo vehicular. La manipulación de los tiempos de encendido en las luces de los semáforos, aumentó el flujo vehicular hasta 5.5% y, disminuyó el tiempo máximo de espera del vehículo para avanzar hasta 28 segundos y el largo de fila hasta un 18%. Con base en el caso de estudio, se puede inferir que es posible integrar el control adaptativo y los sistemas embebidos como herramientas de software y hardware para mejorar el funcionamiento en los sistemas de regulación vial.


Palabras clave


Base de datos; control adaptativo; instrumentación virtual; intersección semafórica; sistema embebido

Texto completo:

PDF

Referencias


D. Robles, P. Ña nez, and N. Quijano, “Control y simulación de tráfico urbano en Colombia: Estado del arte,” Revista de Ingeniería, no. 29, pp. 59–69, May 2009. [Online]. Available: http://dx.doi.org/10.16924%2Friua.v0i29.245 170

F. Pérez, A. Bautista, M. Salazar, and A. Macias, “Análisis del flujo de tráfico vehicular a través de un modelo macroscópico,” Dyna, vol. 81, no. 184, pp. 36–40, 2014. [Online]. Available: http://dx.doi.org/10.15446/dyna.v81n184.38650 170

J. Morales Pérez and J. Fernández Gómez, “Análisis discriminante de algunas variables que influyen en la contaminación acústica debida al tráfico urbano en una gran ciudad,” Revista Ingenierías Universidad de Medellín, vol. 11, no. 21, pp. 13–22, Jun. 2012. 171

H. González Fernández, M. Zamora Martí, and A. Duharte González, “Análisis de la circulación en la intersección carretera central-Avenida delas Américas,” Ciencia en su PC, no. 2, pp. 94–103, 2008. 171

Invias; and Inco. (2011) Análisis gráfico del tráfico vehicular por categoría del vehículo. Bogotá. [Online]. Available: https://goo.gl/2rYZqw 171

L. F. Pedraza, C. A. Hernández, and D. A. López, “Control de tráfico vehicular usando ANFIS,” Revista chilena de Ingeniería, vol. 20, no. 1, pp. 79–88, 2012. [Online]. Available: http://dx.doi.org/10.4067/S0718-33052012000100008 171

L. F. PedrazaMartínez, C. A. Hernández Suárez, and D. A. López Sarmiento, “Sistema de comunicación TCP/IP para el control de una intersección de tráfico vehicular,” Ingeniería, Investigación y Tecnología, vol. XIV, no. 4, pp. 583–594, 2013. 171

F. A. Espinosa Valcárcel, C. A. Gordillo Chaves, R. Jiménez Moreno, and O. F. Avilés Sanchez, “Machine vision algorithms applied to dynamic traffic light control,” Dyna, vol. 80, no. 178, pp. 132–140, 2013. 171

M. Mesa Mazo, J. Valencia Calvo, and G. Olivar Tost, “Modelo para la dinámica de un vehículo a través de una secuencia de semáforos,” Dyna, vol. 81, no. 186, pp. 138–145, 2014. [Online]. Available: http://dx.doi.org/10.15446/dyna.v81n186.39767 172

M. Jiménez and I. Sarmiento, “Sistema adaptativo de control y optimización del tráfico de un corredor vial semaforizado. Aplicación a la ciudad de Medellín,” Dyna, vol. 78, no. 169, pp. 71–78, 2011. 172, 182

T. Juntunen, V. Kostakos, P. Mikko, and D. Ferreira, “Web tool for traffic engineers: direct manipulation and visualization of vehicular traffic using Google maps,” in MindTrek ’12 Proceeding of the 16th International Academic MindTrek Conference, 2012, pp. 209–210. [Online]. Available: https://doi.org/10.1145/2393132.2393173 172

S. Hu, L. Su, H. Liu, H. Wang, and T. F. Abdelzaher, “SmartRoad: Smartphone-Based Crowd Sensing for Traffic Regulator Detection and Identification,” ACM Transactions on Sensor Networks, vol. 11, no. 4, 2015. [Online]. Available: http://dx.doi.org/10.1145/2770876 172

M. Fogue, P. Garrido, F. J.Martínez, J.-C. Cano, C. T. Calafate, and P. Manzoni, “A Realistic Simulation Framework for Vehicular Networks,” in SIMUTOOLS ’12 Proceedings of the 5th International ICST Conference on Simulation Tools and Techniques, Mar. 2012, pp. 37–46. 172

G. Chen and T. T. Pham, Introduction to Fuzzy Sets, Fuzzy Logic, and Fuzzy Control Systems. Boca Raton London New York Washington, D.C.: CRC Press, 2001. 173

Lendher, Sensor Magnetorresistivo para Detección de Vehículos FVD-L, lendher, 2012. [Online]. Available: https://goo.gl/G22z93 175 [16] J. R. Lajara Viscaíno and J. Pelegri Sebastia, LabVIEW Entorno gráfico de programación. Barcelona, México D.F.: Alfaomega and Marcombo, 2007. 176

C. Kang-Ching, Y. Li, and S. Romesh, “Validation of Stochastic Traffic Flow Model with Microscopic Traffic Simulation,” Conference on Automation Science and Engineering (CASE), 2011 IEEE, 2011. 182

J. C. Correa, “Estimación por intervalo del parámetro de la distribución de Poisson con una sola observación,” Revista Colombiana de Estadística, vol. 30, no. 1, pp. 69–75, Jun. 2007. 183




DOI: http://dx.doi.org/10.17230/ingciencia.12.24.8

Enlaces refback

  • No hay ningún enlace refback.




Creative Commons License
This work is licensed under a Creative Commons Attribution 3.0 License.

Ingeniería y Ciencia | ing.cienc.

  • ISSN: 1794-9165
  • e-ISSN: 2256-4314