CONTROL MULTIAGENTE DEL TRFICO RODADO MEDIANTE REDES WIFI

Diego Expsito Gil Ignacio Girldez

Departamento de Inteligencia Artificial Universidad Europea de Madrid, c/Tajo s/n, 28670 Villaviciosa de Odn, SPAIN

RESUMEN Un problema del mundo real en el que se han invertido muchos aos de trabajo e investigacin es la mejora y optimizacin de los problemas diarios del trfico rodado. En este artculo se presentar el sistema MASTraCon (MultiAgent System for TRAffic CONtrol), sistema multiagente distribuido de gestin del trfico que hace uso de la tecnologa Wireless para la comunicacin y la coordinacin en la toma de decisiones. Su objetivo ser solucionar o suavizar los problemas surgidos del trfico diario como son atascos, gastos excesivos de combustibles y disminucin de la calidad de vida de los usuarios por el largo tiempo invertido en desplazamientos. Para ello se emplearn las siguientes tecnologas: sistemas multiagente, redes wifi y radio navegadores GPS. PALABRAS CLAVES

Trfico Rodado, Sistemas Multiagente, Wireless, Aprendizaje Automtico Distribuido

1. INTRODUCCIN
El Sistema MASTraCon (MultiAgent System for TRAffic CONtrol), tiene por objetivo el control y gestin del trfico rodado en reas metropolitanas, con vistas a acortar los largos tiempos empleados por los usuarios en los desplazamientos, y aminorar la cantidad de combustible requerida. Est siendo actualmente desarrollado en la Universidad Europea de Madrid. En 1958 Webster (Webster, 1958) fue el primero en utilizar simulaciones del trfico mediante computadoras para analizar los patrones del trfico y controlar un grupo de semforos estableciendo el ciclo ptimo y las duraciones de cada estado. Su solucin no reaccionaba en tiempo real a los cambios del estado del trfico y fue desarrollada de forma algortmica por lo que tampoco poda hacer uso de conocimiento externo o heurstico. En 1964, Dunne y Potts (Dunne y Potts, 1964) ampliaron el trabajo de Webster notando que cuando un semforo cambia de estado no solo afecta al trfico de la interseccin que l controla, sino tambin a las intersecciones vecinas o relativamente cercanas. Por ello, pensaron en que al modificar el estado de un semforo era lgico modificar los semforos vecinos. As, se vea el trfico como una red compuesta de entidades locales (semforos), que influan en sus vecinas, y no como las entidades aisladas del trabajo de Webster. Allsop y Charlesworth en 1977 (Allsop y Charlesworth, 1977) trataron de ampliar los algoritmos creados por Webster con la idea de mejorar sus resultados, sin embargo el algoritmo resultante no era estable y no encontraba las soluciones ptimas a los problemas planteados. Ahondando ms an en estos algoritmos, Shefi y Powell en 1983 (Shefi y Powell, 1983) agregaron algunas heursticas con el fin de acelerar los algoritmos y aumentar las probabilidades de encontrar los valores ptimos, que se les resistieron 6 aos atrs a Allsop y Charlesworth. En 1981 Haenel y Williams (Haenel y Williams, 1981) trataron de acercarse a los algoritmos de control de trfico en tiempo real con un sistema que se encargaba de supervisar el trfico que atravesaba una interseccin y modificar los parmetros del semforo inmediatamente despus de darse cuenta de un cambio en el estado de la circulacin. Zozaya-Gorostiza y Hendrickson en 1987 (Zozaya-Gorostiza y Hendrickson, 1987) desarrollaron un sistema experto que se encarg de supervisar el

473

Conferncia IADIS Ibero-Americana WWW/Internet2004

estado de un semforo en un nico cruce en tiempo real. El sistema SCOOT de 1981, tiene un comportamiento dinmico y cuenta con una base de conocimiento que le permite hacer un anlisis local de una interseccin junto con una visin ms general al poder evaluar un conjunto de intersecciones seguidas. Sin embargo, presenta el problema de no permitir que se modifique la base de conocimiento, a excepcin de una pequea cantidad de parmetros. Es necesario que el conocimiento con el que cuenta el sistema pueda ser editado para que el sistema se adapte a las situaciones nuevas que puedan suceder y que no estuvieran contempladas en la base de conocimiento original. Los sistemas cerrados como SCOOT necesitan de un experto para solventar estas situaciones o para cotejar la solucin propuesta por el sistema con la situacin real del trfico y evitar posibles soluciones no correctas (debido, principalmente, a la falta de conocimiento del sistema ante determinado problema de trfico) (Hernndez et al, 1996). Foraste y Scemama disean SAGE (1984, 1990). SAGE es un sistema experto basado en reglas para el control de la congestin del trfico (Forast y Scemama, 1986). Ha sido puesto en funcionamiento en el mundo real en la ciudad de Pars para el control de 190 semforos con unas 5000 reglas. La evolucin de este sistema es el sistema CLAIRE (Scemama, 1994). Utilizando el paradigma de Agente se han desarrollado sistemas expertos de control de trfico. Entre ellos, sistemas espaoles como son TRYS (Hernndez et al, 1996) basado en agentes locales controlados por un agente supervisor y TRYSA (Hernndez et al, 2002) que evoluciona la idea de su predecesor TRYS dotndole de agentes autnomos sin la presencia del agente supervisor.

2. EL SISTEMA MULTIAGENTE DISTRIBUIDO MASTRACON

MASTraCon pretende aunar la potencia del paradigma de Agente junto con la versatilidad de la comunicacin a travs de redes privadas Wireless. El uso de la tecnologa de agentes, como hemos visto, no es nuevo. Sin embargo, el uso de redes Wireless para la comunicacin ofrece nuevas expectativas a un sistema distribuido de control de trfico. Otra tecnologa relativamente nueva son los navegadores GPS (Global Positioning System). Estos aparatos pueden ofrecer una funcionalidad adicional: indicar el lugar de destino en el momento de iniciar el viaje. Con esta informacin y junto con la ofrecida por los sensores que capturan de forma exacta la situacin del trfico en todo momento se puede avanzar un escaln ms en el diseo de un sistema ms eficiente de control del trfico rodado. Un centro de gestin de trfico que tenga toda esta informacin podr conocer en todo momento la intencin de cada conductor. Con ello se podr calcular de forma exacta el estado actual de las carreteras, y establecer para cada vehculo la mejor ruta posible para alcanzar el destino seleccionado. Esta mejor ruta se puede calcular en base al camino mnimo (esta medida no aporta realmente la duracin del viaje), mientras que MASTraCon ser capaz de realizar una estimacin fiable del tiempo invertido por el vehculo en recorrer cada una de las distintas rutas que tiene como alternativa para llegar a su destino. Imaginemos la situacin de la Figura 1, en la cual se muestra un trayecto que realiza un vehculo del punto A al punto F. Para llegar al punto F, recorriendo la cantidad de kilmetros mnima, debe pasar por puntos intermedios C y E, donde hay una retencin por hora punta, por lo que seguramente tarde ms tiempo que por la ruta ABDEF calculada en base a la ocupacin actual y una estimacin de la ocupacin futura. Aunque esta ruta sea ms larga en cuanto a distancia, ser ms corta en tiempo invertido. La ruta ptima es aquella en la que se invierte menor tiempo de trayecto y no la que recorre menor nmero de kilmetros.
Carretera con retencin Trfico fluido 15 Km / 40

A
15 Km / 15 15 Km / 15

15 Km / 15

C
5 Km / 45

B E

Ruta 1: A,C,E,F 35 Km / 105 Ruta 2: A,B,D,E,F 60 Km / 80

D
15 Km / 30

F
15 Km / 20

Figura 1. Red de Carreteras

474

CONTROL MULTIAGENTE DEL TRFICO RODADO MEDIANTE REDES WIFI

2.1 Los Agentes y sus funciones en MASTraCon

Siendo un sistema multiagente, el objetivo es modelar cada entidad involucrada en el estado del trfico como un agente. De esta forma tendremos los siguientes agentes (vistos de forma grfica en la Figura 2). El Agente Vehculo es el encargado de comunicar el origen y el destino de la ruta. Tambin ser el encargado de calcular la ruta ptima en tiempo, haciendo uso de la informacin recibida del estado de las carreteras actual y estimado en el futuro, enviados ambos por el Agente Centro de Control. Cuando el conductor elija la ruta que va a tomar esta es enviada al agente Centro de Control para poder predecir estados futuros. El Agente Centro de Control es el encargado de controlar el estado actual del trfico. Recibir toda la informacin de estados iniciales y objetivos finales de los vehculos y enviar el estado actual y un estado futuro predicho para que cada agente receptor de dicha informacin sea capaz de calcular la ruta ptima. Tambin establecer planes obligatorios de sealizacin para situaciones fuera de lo comn, como accidentes o vas en obras. El Agente Predictor recibe del agente Centro de Control el estado actual del trfico y las rutas elegidas por cada uno de los conductores. Recibe tambin los planes de sealizacin que se van a tomar para la situacin actual del trfico. Este agente calcula (mediante simulacin) el estado previsible en un tiempo futuro en base al estado actual, a las rutas que los vehculos actuales estn dispuestos a tomar y a los planes de sealizacin que se estn llevando a cabo actualmente. Los agentes sealizadores son los encargados de comunicar decisiones del Centro de Control a los conductores u ofrecer alternativas de rutas, o informar de la situacin del trfico

2.2 Un caso de uso tpico

Un caso de uso aproximado del sistema MASTraCon sera el siguiente. 1. El conductor se dispone a iniciar su trayecto. Marcar el destino de su viaje (el origen es conocido por el GPS). Origen y destino son enviados al Agente Centro de Control. 2. El conductor recibe la matriz estado del trfico y su agente calcula la ruta ptima en tiempo teniendo en cuenta el conocimiento implcito en dicha matriz. 3. El conductor elige seguir la ruta ptima u otra de las rutas posibles para alcanzar su destino. Se informa al centro de Control de la ruta elegida. 4. El conductor inicia su viaje. 5. El conductor podr en cualquier momento variar la ruta elegida para alcanzar el destino o incluso cambiar dicho destino. En ambos casos se informar al agente Centro de Control para realimentar el estado de las carreteras. El uso del conocimiento de las rutas de trayecto de los conductores proporciona a MASTraCon la ventaja principal de poder predecir atascos (realizando simulaciones fiables en tiempo real sobre estados futuros del trfico) y establecer planes para prevenirlos, reducirlos o erradicarlos. Los datos proporcionados por los conductores, a modo de rutas, proporcionarn una estimacin fiable del estado de cada carretera y su fluidez esperada. Todas estas estrategias dan como resultado un sistema dinmico que se adapta a los cambios y reacciona ante ellos de forma gil procurando un plan a seguir para controlar en todo momento la situacin. La comunicacin entre todas las entidades se establecer mediante redes Wireless. Se ha elegido este canal de comunicacin por su relativo bajo costo y por que se necesita una solucin que permita completa libertad de ubicacin, debido a que nos encontramos ante una aplicacin completamente distribuida cuyos componentes estarn en continua comunicacin. Las decisiones de planes que tomarn las sociedades de seales de control de trfico y el proceso de prediccin de estados futuros estarn dirigidos por un aprendizaje distribuido en el que se premiarn las acciones que den como resultados situaciones marcadas como buenas y transiciones de estados que mejoren la situacin del trfico y castigarn aquellas acciones que provoquen estados de riesgo o empeoren una situacin dada.

475

Conferncia IADIS Ibero-Americana WWW/Internet2004

Origen y destino

Agentes Vehculos
Estado Carreteras Actual Y futuro Ruta elegida Cambio de ruta o destino

Agente Centro de Control

Gestiona la informacin de los agentes Vehculos y del Agente Predictor. Establece planes de emergencia

Establece la mejor ruta en tiempo para un origen y un destino y un estado actual y un estado futuro

Planes Obligatorios

Rutas

Estado Carreteras

Plan Obligatorio

Estado Futuro

Agentes Sealizadores
Estado Carreteras Semforos Seales Luminosas Agentes de Trfico Estado Futuro Plan Escogido

Agente Predictor
Calcula un estado futuro mediante simulacin con el estado actual, las rutas elegidas actuales y los planes actuales de los Agentes Sealizadores.

Paneles Informativos

Aprendizaje

Aprendizaje

Reglas y planes

Conocimiento de estados futuros

Figura 2. MAStraCon

REFERENCIAS
Nicholas V. Findler y John Stapp, 1992. A distributed Approach to Optimized Control of street Traffic Signals. Journal of Transportation Engineering, 118, No. 1, 99-110. Zozaya-Gorostiza, C., and Hendrickson, C. (1987). Expert system for traffic signal setting assistance. Journal of Transportation Engineering, 113, 108- 126. Kirschfink, H., 1999. Collective traffic control in motorways. 11th EURO-mini Conference on Artificial Intelligence in Transportation Systems and Science and 7th EURO Working Group Meeting on Transportation. Tutorial on Intelligent Traffic Management Models, Helsinki. Cuena, J. & Hernndez, J. & Molina, M. (1996). Knowledge Oriented Design of an Application for Real Time Management: The TRYS System. Proc. European Conference on Artificial Intelligence (ECAI96). Scemama, G. (1994). Claire: a context-free AI based supervisor for traffic control, Bielli, M., Ambrosino, G., and Boero, M. (eds), Artificial Intelligence Applications to traffic engineering. VSP, Zeist, The Netherlands, pp 137-156. Forast, B. and Scemama, G. (1986). Surveillance and congestion traffic control in Paris by Expert System, Second International Conference on Road traffic Control IEE, London, April 1986, pp. 333-337. Webster, F. V. (1958). Traffic signal settings. Road Research Laboratory. Paper No. 39. Dunne, M. C., and Potts, R. B. (1964). Algorithm for traffic control. Operations Research, 12, 870-881. Allsop, R. E., and Charlesworth, J. A. (1977). Traffic in a signal controlled network: An example of different signal timings inducing different routing. Traffic Engineering and Control, 18, 262-264. Sheffi, Y., and Powell, W. B. (1983). Optimal signal settings over transportation networks. Journal of Transportation Engineering, 109, 824- 839. Haenel, H. E., and Williams, J. (1981). Texas stand-alone arterial system. 60th Annual Meeting of the Transportation Research Board. Washington D.C. Beck, K. and Ralph, J., 1994. Patterns Generates Architectures. Proceedings of European Conference of Object Oriented Programming. Bologna, Italy, pp. 139-149.

476