Files
Download Full Text (4.4 MB)
Tutor 1
Rodríguez Garavito, César Hernán
Resumen
La simulación de tráfico es una aproximación importante para modelo y evaluar la complejidad inherente del dominio de los sistemas de transporte. Este permite a los ingenieros y profesionales analizar diferentes características de comportamiento dentro de un entorno controlado virtual y evitar inconvenientes del manejo directo de sistemas complejos. Tradicionalmente, la simulación estocástica ha sido empleada en este tipo de ambientes, esta consiste en modelar los sistemas mediante funciones aleatorias para describir los módulos de implementación del modelo. Esta aproximación obliga a modelar la realidad crítica del sistema, algunas veces generando altos grados de abstracción. Las nuevas tendencias, favorecen la descripción de este tipo de entidades de comportamiento, debido a que las interacciones naturales emergen como el resultado del sistema. En este tipo de modelamiento los agentes autónomos toman un papel relevante dentro de los módulos de adaptación del sistema de tráfico. Así que, este trabajo es particularmente implementado con el fin de representar un comportamiento adecuado del agente, generando así, un sistema autónomo y eficiente de los sistemas de control de tráfico de las intersecciones urbanas de la red de tráfico. La eficiencia del modelo de control se espera que se optimice mediante entidades autónomas simples cohabitando en un entorno común. Un modelo Fuzzy- Q learning es utilizado para implementar agentes de razonamiento y mecanismos de decisión.
Resumen en lengua extranjera 1
Traffic simulation is an important approach to model and test with the complexity inherent to the transportation domain. It allows engineers and practitioners to analyze different behavioral characteristics within a virtual controlled environment and avoid the natural drawbacks of dealing directly with large critical complex systems. Traditionally, stochastic simulation has been applied, which consists of modeling the systems through functions with random variables to describe propensity. This is rather a top-down approach, which oblige the modeler to sacrifice reality, sometimes pushing it into too much abstraction. A novel trend, however, favor the description of entities‟ behavior whose interactions naturally emerge as the system‟s resulting behavior. This is rather a bottom-up approach, in which entities are modeled as autonomous elements, coined agents. This dissertation is particularly concerned with the representation of agent behavior suitable to represent autonomous and efficient traffic control at urban network junctions. Network control efficiency is expected then to emerge from these simpler autonomous entities cohabitating in a common environment. A Q-learning-fuzzy approach is used to implement agents‟ reasoning and decision-making mechanisms and some preliminary simulation experiments are set up so as to assess the feasibility of our model to cope with urban traffic coordination.
Programa académico
Ingeniería en Automatización
Palabras clave
Transporte, Súper secciones urbanas, Tránsito local
Tipo de documento
Trabajo de grado - Pregrado
Licencia Creative Commons
This work is licensed under a Creative Commons Attribution-Noncommercial-No Derivative Works 4.0 License.
Fecha de elaboración
2009
Programa académico
Ingeniería en Automatización
Facultad
Facultad de Ingeniería
Citación recomendada
Pacheco Hernandez, J. C. (2009). Diseño de una metodología de control adaptativo para tráfico vehicular mediante técnicas de aprendizaje reforzado. Retrieved from https://ciencia.lasalle.edu.co/ing_automatizacion/766
Publisher
Universidad de La Salle. Facultad de Ingeniería. Ingeniería en Automatización