Aplicación de técnicas de inteligencia artificial para la predicción de congestiones a corto plazo

Resumen

Los Sistemas Inteligentes de Transporte (ITS) se definen como la intersección de las tecnologías de la comunicación y la electrónica con el fin de mitigar los problemas del transporte, ya sea terrestre, marítimo o aéreo. Los ITS se aplican a áreas como las comunicaciones vehiculares, los sistemas de control de señales de tráfico, o los sistemas de información en carretera. Los ITS tienen una gran importancia en el transporte por carretera, ya sean desplazamientos personales o transporte de mercancías o personas. Uno de los principales problemas del transporte terrestre es la congestión de tráfico. Su temprana detección puede ayudar a tomar medidas para disminuir el ruido, no sólo en entornos urbanos, sino también en autopistas; disminuir la cantidad de gases contaminantes emitidos; incrementar la eficacia y el rendimiento de los sistemas de transporte por carretera, y ahorrar en infraestructura pública para las instituciones. Por todo ello, la detección temprana de congestión es un tema fundamental en el campo de investigación de los ITS. A lo largo de la última década, y con el objetivo de dar solución a este problema, se han utilizado técnicas autoregresivas, métodos basados en comunicaciones vehiculares, y técnicas de Soft Computing entre otras. Centrándonos en estas últimas, la lógica difusa y las metaheurísticas han surgido como fuertes alternativas en los últimos años gracias a su facilidad de adaptación y la representabilidad de las soluciones que proveen. En este contexto, se propone el desarrollo de un método híbrido combinando varias metaheurísticas de manera que, a través de la optimización de técnicas de lógica difusa, sea competitivo en ámbitos como la predicción de congestión de tráfico. Se busca, además, que dicho algoritmo se pueda adaptar a diferentes problemas, manteniendo de esta manera la adaptabilidad proporcionada por las metaheurísticas. Con el objetivo de validar la hipótesis formulada, se han creado conjuntos de datos de tráfico reales donde poder evaluar las diferentes configuraciones del algoritmo y su aplicación a sistemas difusos y poder compararlos, no sólo entre sí, sino con otras técnicas actuales de la literatura. De esta forma, se ha podido validar el buen rendimiento de la propuesta. Por otro lado, se han utilizado funciones matemáticas de optimización de diferentes tipos y complejidad para comprobar la adaptabilidad de la técnica y estudiar en profundidad los parámetros relacionados con la misma.