A cyber-physical systems approach to collaborative intersection management and control
| dc.catalogador | pva | |
| dc.contributor.advisor | Núñez Retamal, Felipe Eduardo | |
| dc.contributor.author | Guzmán Gómez, José Antonio | |
| dc.contributor.other | Pontificia Universidad Católica de Chile. Escuela de Ingeniería | |
| dc.date.accessioned | 2023-03-31T16:07:31Z | |
| dc.date.available | 2023-03-31T16:07:31Z | |
| dc.date.issued | 2023 | |
| dc.description | Tesis (Doctor of Science in Engineering)--Pontificia Universidad Católica de Chile, 2023 | |
| dc.description.abstract | A medida que la población urbana aumenta, la congestión vehicular se ha convertido en una fuente importante de molestias y pérdidas económicas en las zonas urbanas. En este contexto, el concepto de Sistemas Inteligentes de Transporte toma relevancia como opción para optimizar el control del tráfico con el uso de la tecnología. Este trabajo propone un enfoque de sistemas ciberfísicos para el control colaborativo del trafico urbano. En concreto, se propone una arquitectura de tres capas para abordar el problema de la gestión de intersecciones, con una capa física que alberga los detectores de tráfico y los actuadores de las señales de tráfico, una capa cibernética encargada de realizar el procesamiento de datos, la comunicación con los vecinos y la manipulación de las señales de tráfico, y una capa cloudlet capaz de implementar aplicaciones de alto nivel. Una primera implementación en un entorno pseudo-real, utilizando un controlador fuzzy-experto diseñado y un novedoso actuador basado en Petri-nets temporizadas, muestran que el sistema propuesto es capaz de manejar las cargas de comunicación y procesamiento, a la vez que mejora el rendimiento del tráfico con respecto a las soluciones clásicas de manejo de señales de tráfico, superando a los métodos de control temporizado, Webster y coordinado en las pruebas a escala piloto. Para validar la arquitectura en un entorno real, una aplicación de predicción de tráfico en tiempo real en el área urbana de Las Vegas es presentada, construida como una aplicación cloudlet con flujo de datos en tiempo real desde sensores de la infraestructura y predictores de tráfico basados en modelos de aprendizaje profundo. Los resultados de la implementación muestran la viabilidad de hacer predicciones de tráfico en tiempo real con la tecnología actual y la utilidad del reentrenamiento periódico para mantener la precisión de la predicción. Finalmente, este trabajo propone un esquema de control distribuido basado en el aprendizaje reforzado (RL) que aprovecha la naturaleza del problema basada en datos, la cooperación entre intersecciones y la modularidad de la arquitectura propuesta. En concreto, se sintetiza un controlador RL que manipula los semáforos utilizando la información de las intersecciones vecinas en forma de un embebido obtenido de una aplicación de predicción de tráfico. Los resultados de la simulación con SUMO muestran que el esquema propuesto supera a las técnicas clásicas en términos de tiempo de espera y otros índices clave de rendimiento. | |
| dc.fechaingreso.objetodigital | 2023-03-31 | |
| dc.format.extent | xv, 97 páginas | |
| dc.fuente.origen | SRIA | |
| dc.identifier.uri | https://repositorio.uc.cl/handle/11534/66696 | |
| dc.information.autoruc | Escuela de ingeniería ; Núñez Retamal, Felipe Eduardo ; S/I ; 131441 | |
| dc.information.autoruc | Escuela de ingeniería ; Guzmán Gómez, José Antonio ; S/I ; 1059237 | |
| dc.language.iso | en | |
| dc.nota.acceso | Contenido completo | |
| dc.rights | acceso abierto | |
| dc.subject | Sistemas Inteligentes de Transporte | es_ES |
| dc.subject | Sistemas ciberfísicos | es_ES |
| dc.subject | Manejo de intersecciones | es_ES |
| dc.subject | Prediccion de tráfico | es_ES |
| dc.subject | Aprendizaje profundo | es_ES |
| dc.subject | Aprendizaje por refuerzo | es_ES |
| dc.subject | Petri-nets temporizadas | es_ES |
| dc.subject.ddc | 620 | |
| dc.subject.dewey | Ingeniería | es_ES |
| dc.title | A cyber-physical systems approach to collaborative intersection management and control | es_ES |
| dc.type | tesis doctoral | |
| sipa.codpersvinculados | 131441 | |
| sipa.codpersvinculados | 1059237 |