XI CONGRESO COLOMBIANO DE GEOLOGIA

RUTA OPTIMA PROSPECCION CON MODELO DE VELOCIDADES EN

FUNCION DE LA PENDIENTE Y USO DEL SUELO, MEDIANTE ALGORITMOS
GENETICOS
Luis Hernan Ochoa 1
1
Universidad Nacional de Colombia – Departamento de Geociencias, Ciudad Universitaria Edifcio Manuel
Ancizar Oficina 236 – Bogota D.C. – Colombia ,Telefono : 571 - 6695600, lhochoag@unal.edu.co

RESUMEN
En los trabajos de exploración geofísica, ha existido incertidumbre en la determinación de rendimientos de la
adquisición en campo debida a la dificultad de determinar los tiempos de desplazamiento entre las estaciones
o puntos de muestreo. Esta falta de modelos confiables para estimar de los rendimientos afecta directamente la
determinación de costos y la programación de los trabajos de manera optima. Existen algunos modelos de
determinación de tiempos y rutas de desplazamiento conocidos como "Rutas de Menor Costo", que consideran
el efecto del tipo de terreno y la pendiente. Sin embargo estos modelos consideran el efecto de la pendiente
independiente de la dirección en que se recorra, es decir, no importa si se asciende o desciende por una
pendiente. Sin embargo en el presente trabajo se plantea un modelo de velocidades de desplazamiento en el
cual la dirección de la pendiente es considerada. Se probaron diferentes heurísticas para la reducción del
tiempo de proceso en la determinación de las rutas Raster, sin embargo se opta por el calculo exhaustivo. Una
vez obtenidos los tiempos de desplazamiento y las rutas optimas entre estaciones se resuelve entonces el
problema de programación diaria de recorridos considerando que este inicia desde un campamento y termina
en otro con base en algoritmos genéticos, mediante operadores de cruce y mutación que involucra únicamente
a las estaciones y con una función objetivo que involucra los campamentos de acuerdo con el tiempo de
desplazamiento diario.
Palabras clave: Velocidad, de desplazamiento, Simulación, SIG, Geofisica, Algoritmos Genéticos

LEAST COST PATH IN PROSPECTING FIELD WORK WITH SPEED MODEL RELATED TO
TERRAIN SLOPE AND LAND USE, BY GENETIC ALGORITHM

ABSTRACT
In geophysical exploration field work, an accurate station’s access paths determination has been very difficult
because there are many variables involved. with an accurate determination of paths is possible to calculate
costs and daily programming. Some models as least cost path, let a determination of this routes but in this
models terrain slope in considered as independent of sign of this. in Those models directions Up and Down are
the same, so its not important how you move in the field. Daily experience indicates us that there is a
difference. I propose here a velocity model that takes in account both direction and land use to calculate time
of displacement. The fastest time between stations and the optimal route is determinate by heuristics and the
daily programming is based in a genetic algorithm, that consists in a string of visited stations divided in
movements between stations with no more than 8 hours and a base station included as gene divisor. Each one
is evaluated by a fitness function that consists in the travel time including paths from and to base stations.
Keywords: Displacement speed, Simulation, GIS, Genetic Algorithms, Geophysics.
 INTRODUCCION

En la mayoría de disciplinas, trabajos de consultoría y labores de investigación científica, el

trabajo de campo es fundamental y en ocasiones se requiere un muestreo exhaustivo,

prediseñado y riguroso de las variables que se quieren modelar.

No se cuenta con herramientas que ayuden a tener una visión mucho más amplia del

desarrollo de estas labores y por la misma razón se carece de sistemas de visualización del

desempeño que tengan en cuenta el tiempo y los rendimientos reales en campo,

acompañado de características del terreno tales como pendiente, vegetación, vías de acceso.

Las heurísticas y los algoritmos genéticos son una alternativa para la solución de problemas

con múltiples variables y grandes cantidades de información.

ANTECEDENTES

Los profesionales dedicados a los sistemas de Información geográfica han venido

desarrollando herramientas para la simulación y determinación de rutas óptimas.

En la literatura científica es posible encontrar bastantes referencias sobre el análisis y

determinación de rutas óptimas para redes. Sin embargo para la determinación de las

mismas en formato Raster es mucho mas limitado el numero de investigaciones.

Los procedimientos clásicos para formato Raster se fundamentan en la aplicación de

factores relacionados con la pendiente y el uso del suelo. En Chang (2004), se describe el

procedimiento básico para la determinación de una grilla de mínimo costo acumulado. De

acuerdo con este procedimiento es necesario evaluar el efecto de la distancia al sitio de

origen, topografía (pendiente), geología, cruces de caminos, ríos, quebradas, vías y

proximidad a centros poblados. Adicionalmente es necesario evaluar el impacto ambiental

ocasionado por la intervención de la zona. Las variables deben ser evaluadas y clasificadas

mediante factores que determinen su influencia.

En los manuales de ArcGis se describe el procedimiento para la determinación de camino

de menor costo (Least Cost Path)Este enfoque plantea varias incógnitas que obligan a

realizar un análisis de las limitaciones del método. Por un lado el efecto de la pendiente del

terreno sobre la velocidad de desplazamiento no considera la dirección en la cual se recorre

dicha pendiente. De manera intuitiva es claro que la velocidad disminuye cuando se

asciende por una pendiente así como puede aumentar levemente al descender por la misma.

Los procedimientos clásicos consideran entonces que el efecto de la pendiente es invariable

con la dirección de recorrido con lo cual se obtiene el mismo resultado en los casos

mencionados con anterioridad.

Por otro lado, la determinación de los pesos de ponderación depende del criterio del

investigador, haciendo que los resultados finales puedan ser manipulados mediante la

selección de los mismos. La objetividad del análisis se ve entonces comprometida.

Este trabajo propone un modelo de velocidades en función de la pendiente del terreno para

diferentes condiciones de terreno y la determinación de rutas optimas y programación diaria

mediante el empleo de algoritmos genéticos.

JUSTIFICACION

La falta de un Control Espacio-Temporal así como la de herramientas de visualización ha

ocasionado grandes pérdidas de tiempo y dinero a las compañías de exploración sísmica en

el país. Es necesario desarrollar un herramienta de control y visualización para las labores

de campo. Esta herramienta debe ser interactiva y permitir ser alimentada y consultada

desde diversos departamentos o jefes de sección.

Existen muchos trabajos de campo que requieren recorrer diferentes zonas, de condiciones

variadas y con el mismo tipo de necesidad que las de exploración sísmica. Este trabajo

podrá ser aplicado a diferentes disciplinas tales como Geofísica, Geoquímica, Agronomía,

Forestal, Ambiental, planes de acción de rescate, análisis de impacto de atentados

terroristas y catástrofes naturales, estudios de jurisdicción territorial para optimización de la

administración político-administrativa de las regiones etc.

DESCRIPCION DEL MODELO

El modelo propuesto esta basado en las observaciones realizadas en trabajos de

levantamiento GPS cinemático, contando con una gran cantidad de datos de posición X,Y,Z

a intervalos de tiempo definidos.

En la FIGURA 1, se presenta un ejemplo de los resultados obtenidos del análisis de algunos

de estos trabajos de levantamiento topográfico GPS cinemático. En las abscisas tenemos la

pendiente donde las pendientes en ascenso son positivas y en descenso negativas. En las

ordenadas tenemos las velocidades de desplazamiento. Cada punto corresponde al calculo

de la pendiente y la velocidad entre dos puntos consecutivos. Es claro que existe una mayor

velocidad en descenso que en ascenso. También se observa que la velocidad disminuye

notoriamente para pendientes altas sin importar la dirección de recorrido. De acuerdo con

varios datos de campo se obtiene el modelo que se describe a continuación.

El modelo de determinación de rutas óptimas de exploración de campo esta fundamentado

en el cálculo de los tiempos de desplazamiento con base en información geográfica en

formato Raster del modelo digital del terreno, formas de desplazamiento, cobertura vegetal

y obstáculos en general.
 CALCULO DE VELOCIDADES - BATIMETRIA

3.0

2.5

VELOCIDAD (M/S)
2.0

1.5

1.0

0.5

0.0
-40 -30 -20 -10 0 10 20 30 40
PENDIENTE

FIGURA 1: Datos de Campo

EFECTO DE LA PENDIENTE EN LA VELOCIDAD : A PIE

3.5
3.0
2.5
2.0
1.5
1.0
0.5
0.0
-300 -200 -100 0 100 200 300

Velocidad en pendiente Velocidad en planta

FIGURA 2 : Modelo de velocidad propuesto

Para el cálculo de los tiempos de desplazamiento se requieren modelos de velocidad de

desplazamiento para cada una de las condiciones del terreno. La velocidad de

desplazamiento depende fundamentalmente de la pendiente misma del tramo a recorrer,

teniendo en cuenta que la velocidad disminuye con el aumento de la pendiente hasta un

punto muy cercano a cero y que en pendientes negativas (descenso) la velocidad puede

aumentar levemente hasta cierto valor de pendiente donde disminuye nuevamente. En la

FIGURA 2 se observa el modelo propuesto para las velocidades de desplazamiento.

El modelo matemático para la relación de velocidad-pendiente se fundamenta en un filtro

de atenuación determinado para todos los tipos de desplazamiento, diferenciados por

parámetros característicos de cada uno determinados experimentalmente. Estos modelos se

presentan en la Ecuacion No 1 y la Ecuacion No 2

Vmax
Vpend =
⎛ (m + Fc ) ⎞
2

⎜⎜1 + ⎟⎟
⎝ Fc ⎠

Ecuacion No 1 : Velocidad en pendiente

Vpend
Vplanta =
⎛⎛ m ⎞
2
⎞
⎜⎜ ⎟⎟ + 1⎟
⎜ ⎜⎝ 100 ⎠ ⎟
⎝ ⎠

Ecuacion No 2 : Velocidad en planta

Donde:

Vpend: Velocidad de desplazamiento en pendiente

M: Pendiente del terreno (DTM) en %
Fc: Factor de corte de pendiente en %
Vmax: Velocidad Máxima de desplazamiento
TABLA 1

DESCRIPCIÓN Fc VMAX

PEATONAL 120 0.8

VIA 1 : PAVIMENTADA 200 11.1

VIA 2 : CARRETEABLE 150 5.6

FLUVIAL : LANCHA O PLANCHON 20 1.4

FLUVIAL : RIO A PIE 20 1.7

BARRERA NATURAL 2000 0.0

Parámetros de velocidad
Para la aplicación de estos modelos se presentan los parámetros básicos de diferentes tipos

de desplazamiento que se resumen en la TABLA 1 y que corresponden a valores

aproximados determinados a partir de información de trabajos de topografía GPS en

diferentes levantamientos desarrollados por el autor.

Con base en la información Raster y el modelo de velocidades se determina el tiempo

mínimo de desplazamientos desde un punto hasta las demás celdas del modelo Raster.

Debido a que cada celda tiene atributos de pendiente y de tipos de desplazamiento es

posible calcular el tiempo de acuerdo con la Ecuación No 3. Una vez obtenidos los tiempos

de cada celda se establece la ruta óptima al punto de interés sumando individualmente los

tiempos correspondientes a cada tipo de desplazamiento, con lo cual se genera tanto la ruta

más cercana como también los recursos necesarios para la determinación de cada estación

que se requiera.

FIGURA 3: Celda básica de cálculo

En la FIGURA 3, se presenta la celda básica de cálculo. Se define cada tramo con las

celdas alrededor de la celda inicial. La pendiente del tramo se calcula con la diferencia de

altura entre las dos celdas de cálculo y el modelo de velocidad se aplica de acuerdo con los
atributos de cada celda correspondientes al tipo de desplazamiento. Finalmente se calcula el

tiempo de desplazamiento de acuerdo con la Ecuación No 3. Este píxel de calculo es

seleccionado inicialmente como el píxel de origen y se calculan los tiempos a sus vecinos

de acuerdo con la distancia al centro de los píxeles y las velocidades asignadas a cada píxel

de acuerdo con el modelo de velocidad propuesto en la FIGURA 2 y cuyos valores de

estimados se consignan en la TABLA 1.

w= (i − k )2 + (j − l)2

Tv = ( V(i,j) + V(k,l) ) * W * DX

Ecuación No 3 : Cálculo de tiempo en celdas

Donde:

w: Distancia unitaria entre celdas

i: Fila celda de origen
j: Columna celda de origen
k: Fila celda de destino
l: Columna celda de destino
V(i,j): Velocidad en la celda (i,j)
V(k,l): Velocidad en la celda (k,l)
DX: Ancho de celda

Una vez determinados los tiempos de las celdas alrededor del punto inicial, se alimenta un

vector de periferia que consiste en los tiempos de acceso desde el punto de origen y los

cuales son candidatos a ser tomados como punto central de calculo para determinar el

tiempo acumulado de viaje hacia los vecinos. Se selecciona el píxel de la periferia con

menor tiempo (para garantizar la ruta mas rápida) tomando esta celda como celda central de

proceso (i,j) y sus celdas adyacentes como celdas de destino (k,l). Al llegar al píxel

correspondiente a una estación de interés, se determinan el píxel de origen y a la vez el

píxel de origen de este y así sucesivamente hasta llegar a la estación de origen. De esta
manera se determinan los píxeles que componen la ruta mas rápida entre la estación de

origen y destino. De esta manera se obtienen la ruta mas corta en tiempo entre estaciones,

el tiempo de desplazamiento y los recursos necesarios para la adquisición. Este último se

obtiene con base en los tipos de terreno de desplazamiento, es decir si el terreno

corresponde a vías carreteables el recurso será un campero, si es por agua se requiere un

bote etc. Este procedimiento se repite hasta encontrar todas las estaciones posibles de

destino y se repite el proceso con cada estación de origen del proyecto. Ver FIGURA 4.

De acuerdo con el modelo de velocidades, se observa que la ruta óptima entre dos puntos

depende del sentido en que se evalúe, es decir, el tiempo de una estación a otra puede ser

diferente al tiempo de regreso.

FIGURA 4 : Secuencia de proceso

Una vez obtenida la ruta mas corta que conecta los píxeles consecutivos y los tiempos

parciales de desplazamiento a cada píxel desde el píxel de origen (FIGURA 6), es posible

determinar la ruta completa entre la estación de origen y la estación de destino.

Para poder determinar los tiempos y las rutas es necesario calcular las rutas mas cortas a

todos los píxeles (o hasta haber alcanzado todas las estaciones desde el origen calculado) y

de esta manera construir la cadena de píxeles que conforman la ruta, luego continuar con la

siguiente estación y así sucesivamente hasta encontrar tofos los tiempos y rutas entre todas

las estaciones.

En la FIGURA 7, se presenta el resultado de rutas optimas desde una estación. Este proceso

debe ser repetido para todas las demás estaciones y campamentos.

Para minimizar el tiempo de proceso se aprovecharán los tramos de ruta establecidos con

anterioridad siempre y cuando cumplan con la condición de que el tramo calculado

pertenezca a una ruta optima desde otro punto. De esta manera se aprovecharan las

estaciones calculadas con anterioridad.

FIGURA 5 : Numero N de píxel según el origen

Para el reciclaje de las rutas obtenidas previamente se propone el registro del origen de una

ruta optima de cada píxel, marcados mediante 9 arreglos de 1 BIT que marquen en la
posición respectiva la existencia de una ruta originada desde el píxel correspondiente al

numero del arreglo según el numero N (ver FIGURA 5) que se define a continuación:

FIGURA 6 : Calculo de tiempos de viaje a cada píxel

FIGURA 7 : Rutas desde estación inicial a las demás estaciones

El numero N corresponde a la celda originaria de una ruta optima del píxel actual, este

numero se calcula de acuerdo con la Ecuacion No 4.

N = Dfil + Dcol * 3 + 5

Ecuacion No 4 : Calculo de N de píxel de origen

Es posible conocer la diferencia entre filas y columnas mediante la expresión inversa a

partir del numero N de acuerdo con la Ecuacion No 5:

Dcol = Sgn ( ( N- 5) – Sgn( N - 5) )

Dfil = N – Dcol * 3 + 5

Ecuacion No 5 : Calculo de posición partir de N

Cuando se establezca que la secuencia de píxeles pertenece a una ruta optima existente de

una estación aun no calculada se procederá a buscarla en el arreglo de rutas existentes para

ser empleada directamente sin necesidad de seguir calculando.

PROGRAMACION DIARIA (AG)

Con base en los tiempos óptimos calculados entre todas las estaciones y campamentos, se

procede a la determinación de la mejor combinación de desplazamientos diarios para

obtener una programación de los trabajos de manera optima, y a su vez con base en esta

programación poder determinar los costos de las estaciones para realizar los respectivos

presupuestos. También es posible verificar y modificar estrategias del trabajo de campo. Es

posible que sea preferible agregar campamentos en aquellas zonas de difícil acceso para

mejorar el rendimiento del trabajo y así obtener beneficios en le desarrollo de la labor de

exploración.

Este problema es similar al problema del agente viajero, en el sentido que todas las

estaciones de muestreo deben ser visitadas, sin embargo es necesario regresar a puntos

fijos llamados campamentos. El problema a resolver tiene las siguientes condiciones:

• Se debe iniciar cada día desde un campamento y terminar en otro campamento (puede

ser el mismo inicial). El día siguiente debe iniciar desde el campamento de llegada del

día anterior.

• La suma de los tiempos de recorridos de un día no debe superar un máximo de horas

diarias.

• Los tiempos al final del proyecto deben ser mínimos

• Todos las estaciones deberán ser visitadas.

• A los tiempos de recorrido entre estaciones es necesario sumar los tiempos de

determinación o muestreo (tiempo que tarda la medida)

Para resolver el problema se plantea un algoritmo genético de tipo elitista, en donde el 50%

de los mejores individuos de la población generan el 80% de la siguiente generación.

El genotipo de los individuos consiste en una cadena con los códigos o números de

identificación de cada una de las estaciones. El orden de recorrido corresponderá al orden

en que se encuentran los individuos en la ruta.

Para facilitar el proceso la cadena de estaciones contendrá únicamente estaciones y los

campamentos serán distribuidos de acuerdo con los tiempos diarios.

En la FIGURA 8, observamos la cadena que contiene el numero de identificación de cada

una de las estaciones y el orden en que serán visitadas. Se observa como los campamentos

son independientes del genotipo. Esto se deba a que de esta manera el genotipo corresponde

a una cadena de longitud fija, lo que facilita las operaciones de cruce y mutación.
 FIGURA 8 : Genotipo Básico

FIGURA 9 : Separación del genotipo por días

Una vez obtenida la cadena se separan las estaciones por días con base en el acumulado de

tiempos de desplazamiento y determinación. Este acumulado no debe superar un máximo

de horas en el día. En la FIGURA 9, se observa la cadena del genotipo separada por días de

acuerdo con el tiempo transcurrido del día para visitar dichas estaciones.

Ahora que se tiene el orden de las estaciones y la separación por días se asigna el

campamento a cada día con base en la menor distancia de recorrido hacia el campamento
desde la última estación del día y desde dicha estación hasta la primera estación del día

siguiente.

Para determinar la estación es necesario recorrer los campamentos y calcular la distancia a

la estación final del día en cuestión hacia el campamento y desde este hacia la primera

estación del día siguiente. Se escoge el campamento con la menor distancia de los dos

recorridos. Para la estación inicial de la cadena se escoge el campamento mas cercano a

esta. De igual manera a la ultima estación se el asigna el campamento mas cercano a esta

ultima.

De esta manera se tiene la ruta completa, con lo cual se procede a evaluar el tiempo total de

recorrido de la secuencia completa incluyendo tanto las estaciones como los campamentos.

Esta es la función a minimizar.

FIGURA 10 : Ruta completa

Una vez obtenidos los individuos iniciales, los cuales son obtenidos aleatoriamente se

aplican los operadores de cruce y mutación para generar los nuevos individuos que serán

evaluados mediante la función de menor tiempo de recorrido.

Se emplean dos operadores de cruce. Se emplea cruce por cadena fija y otro por cadena

aleatoria. Como las estaciones no se pueden repetir el cruce se efectúa mediante la regla de

“el primer repetido se reemplaza por el primer ausente” (Torres, 2004).

En la FIGURA 11, se describe el operador de cruce para un caso particular. Se toman los

padres y se separan en dos genes. Un hijo resulta de tomar el primer gen del padre 1 y

poner a continuación el segundo gen del padre 2. se buscan las estaciones repetidas en el

segundo gen y se reemplazan por las estaciones que faltan al individuo en el mismo orden

en que aparecen en el segundo gen del padre 1. el otro hijo se forma de manera análoga.

FIGURA 11 : Operador de cruce cadena fija

RESULTADOS

Con base en el algoritmo genético se realizaron varias pruebas, variando algunos

parámetros y cuyos resultados se indican a continuación.

1.1 Pruebas

En el caso de emplear solamente mutación para obtener las generaciones subsiguientes se

probaron mutaciones seleccionando los elementos a mutar como los mas lejanos a sus
vecinos, aleatoriamente y combinando las dos posibilidades. En la FIGURA 12 se

consignan algunos resultados de las pruebas efectuadas. Para el caso de cruces se observan

los resultados en la FIGURA 13.

Combinado C/50 Wt=20534 Combinado Wt=23520

55000

50000

45000

40000

35000
Aleatorio Uniforme Wt=23536 Mas Lejano - Aleatorio Wt=20762

30000

25000

20000
0 2000 4000 6000 8000 10000

Aleatorio Uniforme Mas Lejano - Aleatorio

Combinado Combinado C/50

FIGURA 12 : Pruebas de Mutación

40 PUNTOS - CADENA FIJA

RUTA OPTIMA - TEST 04 - 40 PUNTOS
140000

120000

100000

40 PUNTOS - CADENA ALEATORIA

80000

60000

40000
0 1000 2000 3000 4000 5000 6000 7000 8000 9000 10000

Fija Aleatoria

FIGURA 13 : Pruebas de cruce

CONCLUSIONES

Los algoritmos genéticos se constituyen en una poderosa herramienta para la solución de

múltiples problemas en particular lo relacionado con optimización de procesos.

Las heurísticas permiten agilizar procesos pero en algunas ocasiones, como en este caso,

los procesos de búsqueda exhaustiva no son fácilmente reemplazables. Con las heurísticas

empleadas en el presente trabajo para la determinación de los as rutas entre puntos

arrojaron resultados sub óptimos bastante lejos de los óptimos y por otro lado los tiempos

de proceso individual se duplicaron.

La solución al problema de programación de recorridos diarias en trabajos de exploración

garantiza una solución eficiente y rápida.

La solución obtenida para algoritmos genéticos con operadores de cruce aleatorios

resultaron mucho mas eficientes y rápidas que los operadores de cruce con cadena fija.

BIBLIOGRAFIA

Borgatti, S. (2005). Centrality and network flow. Social Networks, Vol. 27, No 1, pp 55-71.

Bousoño, C., and Figueiras, A. (1997). A bank of Hopfield neural networks for the shortest path problem.
Signal Processing, Vol. 61, No. 2, pp. 157-170.

Chang, K. (2004). Introduction to Geographic Information Systems. McGraw Hill. 400p.

Kallehauge, B., Larsen, J., and Madsen, O. (2005). Lagrangian duality applied to the vehicle routing problem
with time windows. Computers & Operations Research, In Press, Corrected Proof, Available online.

Montemanni, R., and Gambardella, L. (2004). An exact algorithm for the robust shortest path problem with
interval data. Computers & Operations Research, Vol. 31, No. 10, pp 1667-1680.

Nurminen, J. (2003). Using software complexity measures to analyze algorithms--an experiment with the
shortest-paths algorithms. Computers & Operations Research, Vol. 30, No 8, pp 1121-1134.

Torres, F. (2004). Algoritmo genético basado en una heurística de inserción para el problema de ruteo de
helicópteros. Universidad de los Andes, Colombia.

Yilmaz, O,. (1987). Seismic Data Processing. Society of Exploration Geophysics. U.S.A