English

RED SWARM

Movilidad Inteligente en Ciudades con Algoritmos Evolutivos

Las ciudades hoy día evolucionan rápidamente. Un gran número de personas residen o están contemplando la posibilidad de trasladar su domicilio habitual a una ciudad, aumentando así la demanda de servicios, lo que supone una nueva fuente de problemas complejos. Smart Cities es una iniciativa mundial encaminada a mejorar la explotación de recursos en la ciudad de forma que se ofrezcan servicios de mejor calidad a sus habitantes. Esto se encuentra íntimamente relacionado con la recogida de datos provenientes del estado de la ciudad para actuar en consecuencia utilizando nuevas estrategias inteligentes a diferentes niveles: personas, vehículos, transporte, comunicaciones, energía, edificios, almacenamiento de recursos, etc.

Este trabajo presenta un enfoque original para regular el tráfico rodado utilizando un sistema on-line controlado por un Algoritmo Evolutivo. Nuestra propuesta utiliza unos nodos computacionales dotados de conectividad WiFi situados en los semáforos (El Red Swarm), mediante los cuales se sugieren rutas alternativas a cada vehículo individualmente.

Red Swarm en Smart Cities
Red Swarm en Smart Cities

Además se propone una algoritmo evolutivo con el fin de hallar una configuración para los nodos Red Swarm que reduzca el tiempo de viaje de los vehículos y también prevenga los atascos. Estamos resolviendo escenarios reales en la ciudad de Málaga (España) los cuales se importan desde OpenStreetMap y son enriquecidos con la adición de semáforos, sensores, rutas y flujos de vehículos.

El escenario resultante se importa luego dentro del simulador de tráfico SUMO, para ser utilizando como método de cálculo del valor de fitness de las soluciones. Nuestros resultados son competitivos comparados con las soluciones obtenidas por los expertos en términos de tiempos de viaje y número de detenciones, así como frente a otras soluciones y con el valor añadido de que estamos resolviendo instancias muy grandes y reales.

Captura de Red Swarm en GoogleEarth con OpenStreetMap y SUMO
Captura de Red Swarm en GoogleEarth con OpenStreetMap y SUMO

Los resultados confirman que el tráfico rodado puede ser mejorado utilizando nuestra propuesta, en especial en condiciones de alta densidad (p.ej.: horas pico, obras, accidentes que reducen la disponibilidad de vías, etc.).

Si bien el tiempo medio de viaje se ha reducido sólo en un 4.2% respecto a la solución de los expertos, hemos reducido también el tiempo de espera de los vehículos en un 14.2%. Esto tiene como consecuencia que los conductores perderán menos tiempo (23 segundos menos de media aproximadamente) esperando en los semáforos o en un atasco.

Como resultados preliminares para nuestro trabajo futuro, hemos testado Red Swarm en otros 30 escenarios diferentes a los analizados aquí. Nuestra propuesta no sólo ha funcionado en todos ellos, si no que además ha conseguido unos tiempos de viajes menores que los de las soluciones de los expertos en 20 de los escenarios (66.7%)

Solución de los Expertos vs. Red Swarm (valores medios)
Solución de los Expertos vs. Red Swarm (valores medios)
Comparación de 30 escenarios
Comparación de 30 escenarios

Red Swarm no sólo proveerá rutas alternativas para coches individuales en la ciudad, si no que también será capaz de recoger información originada en los vehículos (de forma anónima) permitiendo a las autoridades locales conocer de forma on-line e histórica datos sobre el estado de la ciudad como un medio de ayuda a su transformación en una ciudad inteligente moderna.

Publicaciones:

  • Daniel H. Stolfi and Enrique Alba. Red Swarm: Smart Mobility in Cities With EAs. In: Proceeding of the Fifteenth Annual Conference on Genetic and Evolutionary Computation Conference, in GECCO '13. New York, NY, USA: ACM, 2013, pp. 1373-1380.

    doi> 10.1145/2463372.2463540 | [BibTex] | [Diapositivas] | [Archivos]

Este trabajo fue parcialmente financiado por el Ministerio de Economía y Competitividad (MINECO) del Gobierno de España y fondos FEDER con el proyecto roadME con TIN2011-28194 (roadME).

Reducción de emisiones de gases en ciudades inteligentes utilizando Red Swarm

The aim of the work presented here is to reduce gas emissions in modern cities by creating a light infrastructure of WiFi intelligent spots informing drivers of customized, real-time routes to their destinations. The reduction of gas emissions is an important aspect of smart cities, since it directly affects the health of citizens as well as the environmental impact of road traffic.

We have built a real scenario of the city of Malaga (Spain) by using OpenStreetMap (OSM) and the SUMO road traffic microsimulator, and solved it by using an efficient new Evolutionary Algorithm (EA). Thus, we are dealing with a real city (not just a roundabout, as found in the literature) and we can therefore measure the emissions of cars in movement according to traffic regulations (real human scenarios).

Our results suggest an important reduction in gas emissions (10%) and travel times (9%) is possible when vehicles are rerouted by using the Red Swarm architecture. Our approach is even competitive with human experts' solutions to the same problem.

Next figures plot the graphs of gas emissions of the 800 vehicles sorted by value. We can observe that CO and HC emissions of Red Swarm (R-S) are in general, lower than the experts' values. Besides, CO2 and NOx emission values are not so different between the experts' solution and Red Swarm.

Furthermore, the maximum travel time of vehicles in Red Swarm is lower than those observed in the experts' solution and routes are a little longer than the experts' ones.

CO
CO
CO2
CO2
NOx
NOx
HC
HC
Tiempos de viaje
Tiempos de viaje
Longitud de ruta
Longitud de ruta

Next figure shows fitness values from the experts' solution (EXP) and Red Swarm (R-S) for each pair of instances evaluated. Note that they are sorted by the fitness value of the experts' solution and that the y axis does not start at zero.

Comparación de 50 Escenarios
Comparación de 50 Escenarios

Publicaciones:

  • Daniel H. Stolfi and Enrique Alba. Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture. In: Advances in Artificial Intelligence, in Lecture Notes in Computer Science. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013, pp. 289-299.

    doi> 10.1007/978-3-642-40643-0_30 | [BibTex] | [Diapositivas] | [Archivos]

Este trabajo fue parcialmente financiado por el Ministerio de Economía y Competitividad (MINECO) del Gobierno de España y fondos FEDER con el proyecto roadME con TIN2011-28194 (roadME).

Reducción ecológica de tiempos de viajes en ciudades inteligentes europeas

This article proposes an innovative solution for reducing polluting gas emissions from road traffic in modern cities. It is based on a our new Red Swarm architecture which is composed of a series of intelligent spots having WiFi connections to suggest to drivers a customized route to their destinations. Here, we have tested our proposal in four different case studies corresponding to actual smart cities of Europe. To this end, we first have imported the city information from OpenStreetMap into the SUMO road traffic micro-simulator, proposed a Red Swarm architecture based on intelligent spots located at traffic lights, and then optimized the resulting system in terms of travel times and gas emissions by using an evolutionary algorithm.

Casos de estudio: Málaga, Estocolmo, Berlín y París
Casos de estudio: Málaga, Estocolmo, Berlín y París

Our results show that an important quantitative reduction in gas emissions as well as in travel times can be achieved when vehicles are rerouted according to our Red Swarm indications. This represents a promising result for its low cost implementation in practice of an idea that could foster both citizens and municipal authorities interests.

CO
CO
CO2
CO2
NOx
NOx
HC
HC
PM
PM
Combustible
Combustible
Tiempos de viaje
Tiempos de viaje
Longitud de ruta
Longitud de ruta

Publicaciones:

  • Daniel H. Stolfi and Enrique Alba. Eco-friendly Reduction of Travel Times in European Smart Cities. In: Proceedings of the 2014 Conference on Genetic and Evolutionary Computation, in GECCO '14. New York, NY, USA: ACM, 2014, pp. 1207-1214.

    doi> 10.1145/2576768.2598317 | [BibTex] | [Diapositivas] | [Archivos]

Este trabajo fue parcialmente financiado por el Ministerio de Economía y Competitividad (MINECO) del Gobierno de España y fondos FEDER con el proyecto roadME con TIN2011-28194 (roadME). Además se encuentra parcialmente financiado por el proyecto número 8.06/5.47.4142 en colaboración con la VSB-Technical University of Ostrava.

Licencia Creative Commons