Publication:
Traffic flow simulation and optimization using evolutionary strategies

Loading...
Thumbnail Image
Identifiers
Publication date
2011-06-07
Defense date
2011-09-20
Tutors
Journal Title
Journal ISSN
Volume Title
Publisher
Impact
Google Scholar
Export
Research Projects
Organizational Units
Journal Issue
Abstract
Di erent studies, such as the survey that IBM yearly conducts about commuting to work, verify the importance of a well known problem: traffic congestion in big cities. Solving this problem has concerned professionals from many scienti c and technological disciplines, including physics and arti cial intelligence (AI). AI researchers have contributed to mitigate the problem by adapting their techniques to control traffic, obtaining remarkable results. An important tool in AI is the use of Arti cial Neural Networks (ANN), whose numerous features make them a suitable technique in a wide range of problems. However, we found that the use of ANN to control city lights has never been fully seized by any of the past researches, in our opinion, as a consequence of the learning process adopted in their approaches, that was not adequate due to the nature of the problem. This thesis studies the e ect of di erent neuroevolutionary methods in adapting ANNs to efficiently control traffic semaphores. These methods include biological, cultural and linguistic evolution. Furthermore, the performance of this methods is compared with previous approaches using a microscopic traffic simulator, which was enlarged in order to include di erent realistic scenarios in a square shaped city. The study has been implemented using a combination of Java language, Netlogo social simulation environment and Matlab®. The results of this work illustrate the potential of the adaptation of neuroevolutionary concepts to control systems, which opens the door to further research in the topic and possible expansions to other research areas that includes control systems, such as decision support systems in air traffic control or harbor control. ___________________________________________________________________________________________________
Diferentes estudios, como la encuesta que IBM elabora anualmente acerca de los desplazamientos a los lugares de trabajo, verifican la importancia de un problema bien conocido: la congestión en el tráfico que sufren las grandes ciudades. La solución a este problema ha preocupado a profesionales de muchas disciplinas científicas y tecnológicas, incluyendo físicos y expertos en inteligencia artificial (IA). Los investigadores en el campo de la IA han contribuido a mitigar el problema al adaptar sus técnicas al control del tráfico, obteniendo notables resultados. Una importante herramienta en la IA es el uso de Redes de Neuronas Artificiales (RNA), cuyas múltiples caracter´ısticas las hacen una técnica muy apropiada en una gran extensión de problemas. Sin embargo, encontramos que ninguna de las investigaciones anteriores ha aprovechado en su totalidad el uso de las RNA en el control de semáforos, en nuestra opinión, como consecuencia del proceso de aprendizaje adoptado en sus enfoques, el cual no era el adecuado, dada la naturaleza del problema. Esta tesina estudia el efecto de diferentes métodos neuroevolutivos usados para adaptar las RNA para controlar eficientemente semáforos del tráfico. Estos métodos incluyen evolución biológica, cultural y lingüística. Además, el rendimiento de estos métodos se compara con el obtenido por anteriores propuestas usando un simulador de tráfico microscópico, el cual ha sido ampliado para incluir diferentes escenarios realistas, para una ciudad con forma cuadrada. El estudio ha sido implementado usando una combinación del lenguaje de programación JavaTM, el entorno de simulación social NetLogo y Matlab. Los resultados de este trabajo ilustran el potencial adaptativo de los conceptos neuroevolutivos sobre sistemas de control, abriendo una puerta a posteriores investigaciones acerca del tema, y a la posible ampliación hacia otras áreas de investigación que incluyan sistemas de control, como sistemas de apoyo a las decisiones en el control del tráfico aéreo o portuario.
Description
Keywords
Inteligencia artificial, Redes neuronales, Algoritmos evolutivos, Neuroevolución, Autómatas celulares
Bibliographic citation