Computación natural al servicio de la gestión del tráfico

José Manuel García Nieto / Dpto. de Lenguajes y Ciencias de la Computación

En las últimas décadas, los atascos derivados del creciente tráfico de vehículos en las grandes ciudades pueden llegar a suponer, al cabo del año, unas perdidas equivalentes a siete jornadas laborales por ciudadano. El sobrecoste económico puede llegar a hasta los 800 millones de euros, como en el caso de Madrid, y los 400 euros, en el caso de Barcelona, según estudios realizados por la RACC.

Por otra parte, el fabricante de soluciones en navegación y en mapas digitales TomTom ha confeccionado una clasificación sobre las diez ciudades más congestionadas de España. En ella Barcelona, Madrid y Málaga aparecen como las tres capitales con más retenciones en función de densidad media de tráfico durante los dos últimos años.

En respuesta a la clara necesidad que plantea la agilización del tráfico, el grupo de investigación GISUM:NEO de la E.T.S. Ingeniería Informática de la Universidad de Málaga está desarrollando técnicas automáticas de optimización para la sincronización eficiente de semáforos. Las soluciones que actualmente se vienen obteniendo como resultado de esta aplicación consiguen mejorar el flujo del tráfico rodado en un buen porcentaje (alrededor del 20 por ciento en términos de tiempo medio de viaje por vehículo), por lo que se reduce el número de atascos, el volumen de emisiones contaminantes (CO², CO y NO^x) y el consumo de carburantes.

Las técnicas de optimización utilizadas consisten en algoritmos de computación natural, que se inspiran en dinámicas sociales observadas en la naturaleza, como las generadas por grandes bandadas de aves o bancos de peces. En este sentido, Las dinámicas de comportamiento grupal de estos colectivos de animales sirven de modelo para la implementación de algoritmos de software informático.

Dinámicas sociales

Imaginemos que somos un pájaro volando en el seno de una bandada y que buscamos un objetivo común como una fuente de comida o algún lugar propicio para descansar. Las referencias de nuestro movimiento serán los otros pájaros que tenemos inmediatamente alrededor, que a su vez suelen seguir a algún líder. El líder será aquél pájaro con mejor conocimiento sobre el objetivo. No obstante, el rol de líder puede cambiar a otro pájaro que, en el transcurso de su vuelo, obtuviera un mejor conocimiento sobre el objetivo. De este modo, modelando este tipo de dinámica grupal mediante agentes software se obtienen algoritmos eficientes capaces de resolver problemas complejos. En este caso, mediante la utilización de información real recogida en mapas digitales, además de la proporcionada en los centros de gestión de tráfico, los algoritmos desarrollados son capaces de optimizar de manera automática la sincronización de semáforos en grandes áreas urbanas.

Optimizando ciudades reales

Hasta el momento, los resultados obtenidos en el seno del grupo GISUM:NEO, en colaboración con científicos de la Universidad Nacional del Sur (Argentina), se centran en áreas metropolitanas simuladas con información real de ciudades andaluzas como Málaga, Sevilla, y Córdoba, además de la ciudad de Bahía Blanca en Argentina. Ya se están dando los primeros pasos para colaborar con administraciones públicas en la realización de estudios de campo para el avance hacia la ciudad inteligente.

Este trabajo, enmarcado en el proyecto “ROADME: Fundamentals for Real World Applications of Metaheuristics: The Vehicular Case”, está liderado por el doctor Enrique Alba Torres, catedrático de la UMA, con financiación del Ministerio de Economía y Competitividad (Gobierno de España) y cofinanciado con fondos FEDER.