UN ALGORITMO EVOLUTIVO PARA LA
REDUCCIÓN DE TIEMPOS DE VIAJE Y
EMISIONES UTILIZANDO PANELES LED
Daniel H. [email protected]
Enrique [email protected]
Departamento de Lenguajes y Ciencias de la ComputaciónUniversidad de Málaga
X Congreso Español de Metaheurísticas,Algoritmos Evolutivos y Bioinspirados
MAEB 2015
Mérida – AlmendralejoFebrero 2015
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 1 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONTENIDOS
1 INTRODUCCIÓN
2 NUESTRA PROPUESTA
3 EXPERIMENTOS
4 CONCLUSIONES
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 2 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONTENIDOS
1 INTRODUCCIÓN
2 NUESTRA PROPUESTA
3 EXPERIMENTOS
4 CONCLUSIONES
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 2 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONTENIDOS
1 INTRODUCCIÓN
2 NUESTRA PROPUESTA
3 EXPERIMENTOS
4 CONCLUSIONES
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 2 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONTENIDOS
1 INTRODUCCIÓN
2 NUESTRA PROPUESTA
3 EXPERIMENTOS
4 CONCLUSIONES
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 2 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
INTRODUCCIÓN
Hoy en día la mayoría de las personas viven o están pensandoen mudarse desde las zonas rurales a las grandes ciudadesComo consecuencia:
Hay un mayor número de vehículos en las callesAumenta el número de atascosSe emiten toneladas de gases de efecto invernadero a la atmósferaDisminuye la calidad de vida de los ciudadanos
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 3 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
INTRODUCCIÓN
Hoy en día la mayoría de las personas viven o están pensandoen mudarse desde las zonas rurales a las grandes ciudadesComo consecuencia:
Hay un mayor número de vehículos en las callesAumenta el número de atascosSe emiten toneladas de gases de efecto invernadero a la atmósferaDisminuye la calidad de vida de los ciudadanos
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 3 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
INTRODUCCIÓN
Hoy en día la mayoría de las personas viven o están pensandoen mudarse desde las zonas rurales a las grandes ciudadesComo consecuencia:
Hay un mayor número de vehículos en las callesAumenta el número de atascosSe emiten toneladas de gases de efecto invernadero a la atmósferaDisminuye la calidad de vida de los ciudadanos
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 3 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
INTRODUCCIÓN
Hoy en día la mayoría de las personas viven o están pensandoen mudarse desde las zonas rurales a las grandes ciudadesComo consecuencia:
Hay un mayor número de vehículos en las callesAumenta el número de atascosSe emiten toneladas de gases de efecto invernadero a la atmósferaDisminuye la calidad de vida de los ciudadanos
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 3 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
INTRODUCCIÓN
Hoy en día la mayoría de las personas viven o están pensandoen mudarse desde las zonas rurales a las grandes ciudadesComo consecuencia:
Hay un mayor número de vehículos en las callesAumenta el número de atascosSe emiten toneladas de gases de efecto invernadero a la atmósferaDisminuye la calidad de vida de los ciudadanos
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 3 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Nuestra propuesta, Yellow Swarm, consiste en:
Una serie de paneles LEDI Instalados en la ciudadI Presentan posibles cambios de dirección
Nuestro Algoritmo EvolutivoI Evalúa los escenarios de entrenamientoI Calcula la configuración del sistema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 4 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Nuestra propuesta, Yellow Swarm, consiste en:
Una serie de paneles LEDI Instalados en la ciudadI Presentan posibles cambios de dirección
Nuestro Algoritmo EvolutivoI Evalúa los escenarios de entrenamientoI Calcula la configuración del sistema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 4 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Nuestra propuesta, Yellow Swarm, consiste en:
Una serie de paneles LEDI Instalados en la ciudadI Presentan posibles cambios de dirección
Nuestro Algoritmo EvolutivoI Evalúa los escenarios de entrenamientoI Calcula la configuración del sistema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 4 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
YELLOW SWARM
Yellow Swarm ofrece:Un sistema económico y fácil de instalarCambios de rutas según un estrategia óptimaPrevención de atascosReducción de los tiempos de viajeMenos emisiones de gases de efecto invernaderoDisminución del consumo de combustibleReduce las distracciones
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 5 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ARQUITECTURA YELLOW SWARM
Offline:El Algoritmo Evolutivo calcula la configuración del sistema.
Online:Los paneles sugieren posibles desvíos a los conductores.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 6 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ARQUITECTURA YELLOW SWARM
Offline:El Algoritmo Evolutivo calcula la configuración del sistema.
Online:Los paneles sugieren posibles desvíos a los conductores.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 6 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ARQUITECTURA YELLOW SWARM
Offline:El Algoritmo Evolutivo calcula la configuración del sistema.
Online:Los paneles sugieren posibles desvíos a los conductores.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 6 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
PANELES LED
Están compuestos por LEDs (Light-EmittingDiode)Presentan la señalización con las distintasopciones de desvío.
I Seguir rectoI Girar a la izquierdaI Girar a la derecha
Cada señal es visible durante un específicoperíodo de tiempo calculado por el AlgoritmoEvolutivo.
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 7 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
CARACTERÍSTICAS
MálagaI 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 159 rutasI 2400 vehículos
MálagaTV
I 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 64 rutasI 2400 vehículos
Tiempo de Análisis: 6000 segundos
TABLA : Características de los cuatro tipos de vehículos utilizados
TipoProbabilidad Velocidad Máxima Aceleración Deceleración Longitud Clase de
Llegada (Km/h) (m/s2) (m/s2) (m) Emisión
turismo 0,50 160 0,9 5,0 3,8 P_7_7monovolumen 0,25 100 0,8 4,5 4,2 P_14_8furgoneta 0,15 50 0,7 4,0 4,5 P_14_12camión 0,10 40 0,6 3,5 6,0 HDV_3_3
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 8 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
CARACTERÍSTICAS
MálagaI 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 159 rutasI 2400 vehículos
MálagaTV
I 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 64 rutasI 2400 vehículos
Tiempo de Análisis: 6000 segundos
TABLA : Características de los cuatro tipos de vehículos utilizados
TipoProbabilidad Velocidad Máxima Aceleración Deceleración Longitud Clase de
Llegada (Km/h) (m/s2) (m/s2) (m) Emisión
turismo 0,50 160 0,9 5,0 3,8 P_7_7monovolumen 0,25 100 0,8 4,5 4,2 P_14_8furgoneta 0,15 50 0,7 4,0 4,5 P_14_12camión 0,10 40 0,6 3,5 6,0 HDV_3_3
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 8 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
CARACTERÍSTICAS
MálagaI 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 159 rutasI 2400 vehículos
MálagaTV
I 4,6 Km2
I 259 semáforosI 4 paneles LEDI 9 flujos vehicularesI 64 rutasI 2400 vehículos
Tiempo de Análisis: 6000 segundos
TABLA : Características de los cuatro tipos de vehículos utilizados
TipoProbabilidad Velocidad Máxima Aceleración Deceleración Longitud Clase de
Llegada (Km/h) (m/s2) (m/s2) (m) Emisión
turismo 0,50 160 0,9 5,0 3,8 P_7_7monovolumen 0,25 100 0,8 4,5 4,2 P_14_8furgoneta 0,15 50 0,7 4,0 4,5 P_14_12camión 0,10 40 0,6 3,5 6,0 HDV_3_3
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 8 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
LOCALIZACIÓN DE LOS PANELES
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 9 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
REPRESENTACIÓN
En el vector solución se encuentran los valores para los 8intervalos de tiempo que utilizamos en este trabajo
El rango para los intervalos es entre 20 y 300 segundos
Esto representa 2,9 ∗ 1019 combinaciones
Para evaluar cada configuración necesitamos cerca de 1 minuto
Necesitamos una metaheurística para resolver el problema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 10 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ALGORITMO EVOLUTIVO
(10+2)-EA
Evalúa los individuos utilizando el simulador SUMO
Los cambios de ruta que realizan los vehículosestán implementados utilizando TraCI.
Como resultado se obtiene la configuración de lospaneles
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 11 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ALGORITMO EVOLUTIVO
(10+2)-EA
Evalúa los individuos utilizando el simulador SUMO
Los cambios de ruta que realizan los vehículosestán implementados utilizando TraCI.
Como resultado se obtiene la configuración de lospaneles
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 11 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ALGORITMO EVOLUTIVO
(10+2)-EA
Evalúa los individuos utilizando el simulador SUMO
Los cambios de ruta que realizan los vehículosestán implementados utilizando TraCI.
Como resultado se obtiene la configuración de lospaneles
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 11 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ALGORITMO EVOLUTIVO
(10+2)-EA
Evalúa los individuos utilizando el simulador SUMO
Los cambios de ruta que realizan los vehículosestán implementados utilizando TraCI.
Como resultado se obtiene la configuración de lospaneles
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 11 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
ALGORITMO EVOLUTIVO
(10+2)-EA
Evalúa los individuos utilizando el simulador SUMO
Los cambios de ruta que realizan los vehículosestán implementados utilizando TraCI.
Como resultado se obtiene la configuración de lospaneles
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 11 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
FUNCIÓN DE EVALUACIÓN
F = α1(N − n) + α21n
n∑i=1
tiempo viajei (1)
N: Número total de vehículos
n: Número de vehículos que terminan su itinerario
α1 y α2: Normalizan el valor de la ecuación
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 12 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
FUNCIÓN DE EVALUACIÓN
F = α1(N − n) + α21n
n∑i=1
tiempo viajei (1)
N: Número total de vehículos
n: Número de vehículos que terminan su itinerario
α1 y α2: Normalizan el valor de la ecuación
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 12 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
FUNCIÓN DE EVALUACIÓN
F = α1(N − n) + α21n
n∑i=1
tiempo viajei (1)
N: Número total de vehículos
n: Número de vehículos que terminan su itinerario
α1 y α2: Normalizan el valor de la ecuación
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 12 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
Yellow SwarmArquitecturaCaso de EstudioAlgoritmo Evolutivo
FUNCIÓN DE EVALUACIÓN
F = α1(N − n) + α21n
n∑i=1
tiempo viajei (1)
N: Número total de vehículos
n: Número de vehículos que terminan su itinerario
α1 y α2: Normalizan el valor de la ecuación
Vamos a minimizar los tiempos de viaje
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 12 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
OPTIMIZACIÓN
TABLA : Resultados optimización de ocho escenarios y un total de 19,200 vehículos
MétricaSolución Expertos Yellow Swarm Mejora WilcoxonMedia StdDev Media StdDev Media p-value
Tiempo Viaje (s) 1024,0 74,1 % 854,3 55,7 % 16,6 % 0,00CO (mg) 8885,6 180,8 % 8125,0 168,8 % 8,6 % 0,00CO2 (mg) 876072,4 117,9 % 826775,7 114,1 % 5,6 % 0,00Hc (mg) 1337,4 192,0 % 1225,9 181,7 % 8,3 % 0,00Pm (mg) 130,6 258,2 % 119,4 238,8 % 8,6 % 0,00No (mg) 5410,5 233,8 % 5117,9 221,3 % 5,4 % 0,00Combustible (ml) 348,1 117,1 % 328,7 113,5 % 5,6 % 0,00Distancia (m) 2316,6 38,3 % 2338,5 36,9 % -1,0 % 0,08
La distancia recorrida es ligeramente superior ya que estamos sugiriendorutas que no forman parte del camino más corto
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 13 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
OPTIMIZACIÓN
TABLA : Resultados optimización de ocho escenarios y un total de 19,200 vehículos
MétricaSolución Expertos Yellow Swarm Mejora WilcoxonMedia StdDev Media StdDev Media p-value
Tiempo Viaje (s) 1024,0 74,1 % 854,3 55,7 % 16,6 % 0,00CO (mg) 8885,6 180,8 % 8125,0 168,8 % 8,6 % 0,00CO2 (mg) 876072,4 117,9 % 826775,7 114,1 % 5,6 % 0,00Hc (mg) 1337,4 192,0 % 1225,9 181,7 % 8,3 % 0,00Pm (mg) 130,6 258,2 % 119,4 238,8 % 8,6 % 0,00No (mg) 5410,5 233,8 % 5117,9 221,3 % 5,4 % 0,00Combustible (ml) 348,1 117,1 % 328,7 113,5 % 5,6 % 0,00Distancia (m) 2316,6 38,3 % 2338,5 36,9 % -1,0 % 0,08
La distancia recorrida es ligeramente superior ya que estamos sugiriendorutas que no forman parte del camino más corto
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 13 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
OPTIMIZACIÓN
TABLA : configuración mejor valorada obtenida por el AE
Panel 1 Panel 2 Panel 3 Panel 4T1,1 T1,2 T2,1 T2,2 T3,1 T3,2 T4,1 T4,2
288 42 290 274 190 45 270 25
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 14 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
RESULTADOS
TABLA : Resultados de Yellow Swarm sobre 100 escenarios (Malaga y MalagaTV )
T .Viaje CO CO2 HC PM NO Comb. Distancia
MálagaMedia 50 Escenarios 15,1 % 8,5 % 4,2 % 8,1 % 5,8 % 3,4 % 4,1 % -1,0 %
Mejor Escenario 22,8 % 14,3 % 8,3 % 14,0 % 11,0 % 7,6 % 8,2 % 0,1 %Escenarios Mejorados 100,0 % 98,0 % 96,0 % 98,0 % 90,0 % 84,0 % 96,0 % 22,0 %
MalagaTV
Media 50 Escenarios 8,9 % 7,9 % 4,1 % 7,5 % 6,4 % 3,7 % 4,0 % -2,8 %Mejor Escenario 24,6 % 24,1 % 12,8 % 21,4 % 16,1 % 9,9 % 12,6 % -3,9 %
Escenarios Mejorados 90,0 % 86,0 % 76,0 % 84,0 % 84,0 % 76,0 % 76,0 % 0,0 %
Los mejores resultados se han conseguido para los tiempos de viaje y CO
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 15 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
RESULTADOS
TABLA : Resultados de Yellow Swarm sobre 100 escenarios (Malaga y MalagaTV )
T .Viaje CO CO2 HC PM NO Comb. Distancia
MálagaMedia 50 Escenarios 15,1 % 8,5 % 4,2 % 8,1 % 5,8 % 3,4 % 4,1 % -1,0 %
Mejor Escenario 22,8 % 14,3 % 8,3 % 14,0 % 11,0 % 7,6 % 8,2 % 0,1 %Escenarios Mejorados 100,0 % 98,0 % 96,0 % 98,0 % 90,0 % 84,0 % 96,0 % 22,0 %
MalagaTV
Media 50 Escenarios 8,9 % 7,9 % 4,1 % 7,5 % 6,4 % 3,7 % 4,0 % -2,8 %Mejor Escenario 24,6 % 24,1 % 12,8 % 21,4 % 16,1 % 9,9 % 12,6 % -3,9 %
Escenarios Mejorados 90,0 % 86,0 % 76,0 % 84,0 % 84,0 % 76,0 % 76,0 % 0,0 %
Los mejores resultados se han conseguido para los tiempos de viaje y CO
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 15 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
DENSIDAD DE TRÁFICO Y ESCALABILIDAD DEL SISTEMA
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 16 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
DENSIDAD DE TRÁFICO Y ESCALABILIDAD DEL SISTEMA
Densidad de Tráfico
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 16 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
DENSIDAD DE TRÁFICO Y ESCALABILIDAD DEL SISTEMA
Densidad de Tráfico Escalabilidad del sistema
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 16 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
TASA DE UTILIZACIÓN
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 17 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
TASA DE UTILIZACIÓN
Mejora Media
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 17 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
OptimizaciónSoluciónResultadosTasa de Utilización
TASA DE UTILIZACIÓN
Mejora Media Escenarios Mejorados
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 17 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONCLUSIONES Y TRABAJOS FUTURO
ConclusionesUtilizando Yellow Swarm hemos reducido los tiempos de viaje, lasemisiones de gases de efecto invernadero y el consumo decombustible.
Hemos conseguido tiempos de viaje hasta 24,6 % más cortos, un24,1 % menos emisiones y ahorrado un 12,6 % de combustible.
Nuestros resultados muestran que Yellow Swarm es efectivo incluso atasas de uso del 10 %.
Estamos trabajando en:El estudio de toda la ciudad
El consiguiente aumento del número de paneles
Un algoritmo para determinar la ubicación óptima de cada panel
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 18 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONCLUSIONES Y TRABAJOS FUTURO
ConclusionesUtilizando Yellow Swarm hemos reducido los tiempos de viaje, lasemisiones de gases de efecto invernadero y el consumo decombustible.
Hemos conseguido tiempos de viaje hasta 24,6 % más cortos, un24,1 % menos emisiones y ahorrado un 12,6 % de combustible.
Nuestros resultados muestran que Yellow Swarm es efectivo incluso atasas de uso del 10 %.
Estamos trabajando en:El estudio de toda la ciudad
El consiguiente aumento del número de paneles
Un algoritmo para determinar la ubicación óptima de cada panel
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 18 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONCLUSIONES Y TRABAJOS FUTURO
ConclusionesUtilizando Yellow Swarm hemos reducido los tiempos de viaje, lasemisiones de gases de efecto invernadero y el consumo decombustible.
Hemos conseguido tiempos de viaje hasta 24,6 % más cortos, un24,1 % menos emisiones y ahorrado un 12,6 % de combustible.
Nuestros resultados muestran que Yellow Swarm es efectivo incluso atasas de uso del 10 %.
Estamos trabajando en:El estudio de toda la ciudad
El consiguiente aumento del número de paneles
Un algoritmo para determinar la ubicación óptima de cada panel
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 18 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONCLUSIONES Y TRABAJOS FUTURO
ConclusionesUtilizando Yellow Swarm hemos reducido los tiempos de viaje, lasemisiones de gases de efecto invernadero y el consumo decombustible.
Hemos conseguido tiempos de viaje hasta 24,6 % más cortos, un24,1 % menos emisiones y ahorrado un 12,6 % de combustible.
Nuestros resultados muestran que Yellow Swarm es efectivo incluso atasas de uso del 10 %.
Estamos trabajando en:El estudio de toda la ciudad
El consiguiente aumento del número de paneles
Un algoritmo para determinar la ubicación óptima de cada panel
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 18 / 19
IntroducciónNuestra Propuesta
ExperimentosConclusiones
CONCLUSIONES Y TRABAJOS FUTURO
ConclusionesUtilizando Yellow Swarm hemos reducido los tiempos de viaje, lasemisiones de gases de efecto invernadero y el consumo decombustible.
Hemos conseguido tiempos de viaje hasta 24,6 % más cortos, un24,1 % menos emisiones y ahorrado un 12,6 % de combustible.
Nuestros resultados muestran que Yellow Swarm es efectivo incluso atasas de uso del 10 %.
Estamos trabajando en:El estudio de toda la ciudad
El consiguiente aumento del número de paneles
Un algoritmo para determinar la ubicación óptima de cada panel
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 18 / 19
http://neo.lcc.uma.eshttp://www.danielstolfi.com
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 19 / 19
http://neo.lcc.uma.eshttp://www.danielstolfi.com
Gracias por vuestra atención
¿Preguntas?
Daniel H. Stolfi & Enrique Alba Un Algoritmo Evolutivo para la Reducción de . . . 19 / 19