Sistema de predicción de tráfico vehicular en la Avenida Cero utilizando lógica difusa y computación paralela
Palabras clave:
Lógica difusa, computación paralela, tráfico vehicular, predicción, sistemas inteligentes, Python, scikit-fuzzy.Resumen
La congestión vehicular en ciudades fronterizas como Cúcuta constituye uno de los principales desafíos urbanos debido a su impacto directo en la movilidad, el tiempo de desplazamiento, la productividad y los niveles de contaminación ambiental. Los modelos tradicionales de predicción basados en técnicas estadísticas suelen presentar limitaciones cuando se enfrentan a la naturaleza incierta, no lineal y altamente variable del tráfico, especialmente en contextos donde influyen factores dinámicos como el clima, el día de la semana, el tipo de día y las variaciones horarias. En este estudio se propone el diseño e implementación de un sistema inteligente capaz de predecir el nivel de tráfico en la Avenida Cero de Cúcuta mediante la integración de lógica difusa y computación paralela, tecnologías que permiten modelar incertidumbre y optimizar tiempos de procesamiento, respectivamente. Para ello, se desarrolló un–Sistema de Inferencia Difusa (FIS) tipo Mamdani empleando Python y la librería scikit-fuzzy, utilizando como variables de entrada la hora del día, el clima y el tipo de día, y como variable de salida el nivel de tráfico clasificado en bajo, medio o alto. Las funciones de pertenencia se definieron considerando rangos representativos del comportamiento vehicular local, y se diseñó una base de reglas capaz de capturar relaciones lingüísticas entre los factores mencionados. Con el objetivo de mejorar la eficiencia del sistema, el proceso de evaluación de reglas se paralelizó empleando el módulo multiprocessing de Python, permitiendo la distribución de las operaciones en múltiples núcleos del procesador. Los casos de prueba, basados en escenarios reales y simulados, mostraron que el sistema es capaz de generar predicciones coherentes y estables, mientras que la versión paralela logró reducir el tiempo de ejecución entre un 30% y un 65% dependiendo del número de reglas y procesos utilizados, evidenciando un speedup consistente con lo esperado según la Ley de Amdahl. Los resultados permiten concluir que la combinación de lógica difusa y computación paralela constituye una estrategia sólida, eficiente y viable para la predicción vehicular en entornos urbanos donde la incertidumbre y la necesidad de respuesta rápida hacen que los métodos tradicionales resulten insuficientes.
Referencias
[1] L. A. Zadeh, “Fuzzy sets,” Information and Control, vol. 8, pp. 338–353, 1965.
[2] L. Li, W.-H. Lin, and H. Liu, “Type-2 fuzzy logic approach for short-term traffic forecasting,” Transportation Research Part C: Emerging Technologies, vol. 14, no. 4, pp. 303–317, 2006.
[3] X. Jiang, R. Sengupta, J. Demmel, and S. Williams, “Large Scale Multi-GPU Based Parallel Traffic Simulation for Accelerated Traffic Assignment and Propagation,” arXiv preprint arXiv:2406.08496, 2024.
[4] J. A. Bernal-Sánchez, D. Camacho-Rodríguez, C. Gaitán-Angulo, and C. Vargas-Mora,“Traffic Forecasting in Bogotá, Colombia, with Attention-based Graph Neural Networks,”CEUR Workshop Proceedings, vol. 3801, 2024.
[5] Varios autores, “Control de tráfico vehicular usando ANFIS,” tesis y artículos disponibles en ResearchGate, acceso 2024.
[6] Alcaldía de Cúcuta, “Resumen Ejecutivo – Plan de Movilidad Sostenible y Segura (PMSS),” Documento oficial, 2023.
[7] Python Software Foundation, “multiprocessing — Process-based parallelism,” Python 3.x Documentation, 2024.
[8] J. D. Rios Perez, G. Sanchez-Torres, and C. Henriquez Miranda, “Una arquitectura de aprendizaje profundo multimodal basada en ViT para la clasificación binaria de accidentes de tráfico”, RCTA, vol. 1, no. 45, pp. 225–239, May 2025, doi: 10.24054/rcta.v1i45.3751.
[9] Congreso de la República de Colombia, “Ley 1581 de 2012 – Protección de datos personales,” Diario Oficial, 2012.
[10] H. J. Zimmermann, Fuzzy Set Theory and Its Applications, 4th ed., Springer, 2010.
[11] K. M. Passino and S. Yurkovich, Fuzzy Control, Addison-Wesley, 1997.
[12] M. Sugeno, “Industrial applications of fuzzy control,” Elsevier Science Publishing, 1985.
[13] J. . Rojas Suárez, S. . Orjuela Abril, and G. . Prada Botia, “Análisis de variables de flujo vehicular en puntos críticos de accidentalidad”, RCTA, vol. 2, no. 36, pp. 159–163, Aug. 2020, doi: 10.24054/rcta.v2i36.32.
[14] D. P. Filev and R. R. Yager, “Fuzzy modeling and control of uncertain systems,” IEEE Transactions on Systems, Man, and Cybernetics, pp. 604–615, 1994.
[15] Soto Toloza, E. P., Acevedo, S. N. M., & Caballero Pérez, L. A. (2023). Efecto de la sustitución parcial de harina de trigo (Triticum vulgare) por harina de garbanzo (Cicer arietinum L.) en las características sensoriales de una galleta dulce. Revista Ambiental Agua, Aire y Suelo, 14(1), Article 1. https://doi.org/10.24054/raaas.v14i1.2747
[16] Castellanos-González L., Vera-Peña M. S. Calderón-Gutiérrez J. A. (2023). Enfermedades fúngicas en mora (Rubus spp.) en los municipios de Pamplona Y Pamplonita Norte De Santander” Revista @limentech, Ciencia y Tecnología Alimentaria. ISSN Impreso 1692-7125 ISSN Electrónico 2711-3035. Volumen 21 N°1.Pp:69-84. https://doi.org/10.24054/limentech.v21i2.2628
[17] J. M. Mendel, Uncertain Rule-Based Fuzzy Logic Systems, Springer, 2017.
[18] M. Arias-Correa, J. A. David Rodríguez, M. Quintero Restrepo, P. A. Ortiz Santana, and L. M. Gómez Meneses, “Comparación de arquitecturas YOLO para la detección de ciclistas urbanos en un entorno de vehículos autónomos”, RCTA, vol. 1, no. 43, pp. 64–72, Mar. 2024, doi: 10.24054/rcta.v1i43.2820.
[19] J. Dongarra et al., “Trends in high-performance computing: A historical overview,” Computing in Science & Engineering, vol. 22, no. 6, pp. 18–29, 2020.
[20] Mosquera-Perdomo, A., Salazar Galindez, J., Ramirez-Gonzalez, G., & Figueroa, C. (2023). Software for the extraction of bibliographic information registered in CvLAC and GrupLAC applied in the Department of Cauca. Ingeniería e Innovación, 11(2), 21. https://doi.org/10.21897/rii.3464
[21] Llano, J. V. (2024). Decolonización, resistencia y emergencia por covid-19 en pueblos indígenas de Colombia. Pensamiento Jurídico, (58). https://revistas.unal.edu.co/index.php/peju/article/view/112768
[22] Nvidia Corporation, “CUDA C Programming Guide,” Nvidia Developer Documentation, 2023.
[23] T. Mattson, B. Sanders, and B. Massingill, Patterns for Parallel Programming, Addison-Wesley, 2004.
[24] M. Treiber and A. Kesting, Traffic Flow Dynamics: Data, Models and Simulation, Springer, 2013
[25] L. M. Palmera Quintero, M. A. Rincón Pinzón, and L. O. Ramírez Orellano, “Control de acceso vehicular mediante machine learning”, RCTA, vol. 2, no. 44, pp. 112–117, Jul. 2024, doi: 10.24054/rcta.v2i44.3023..
[26] S. Hoogendoorn and P. Bovy, “Traffic flow theory and modelling,” Transportation Research Part C, vol. 13, pp. 1–28, 2013.
[27] C. F. Daganzo, Fundamentals of Transportation and Traffic Operations, Pergamon, 1997
[28] ONU-Hábitat, Cities and Mobility Report, 2022.
[29] A. Ortúzar and L. Willumsen, Modelling Transport, 4th ed. Wiley, 2011.
[30] L. A. . Lasso Cardona, E. . Rincón Reyes, and G. D. . Estrada Holguín, “Introducción a la evaluación de capacidades: una revisión teórica”, RCTA, vol. 2, no. 36, pp. 34–43, Jul. 2020, doi: 10.24054/rcta.v2i36.18.
[31] H. J. Zimmermann, Fuzzy Set Theory and Its Applications, 4th ed. Springer, 2001.
[32] J. M. Mendel, “Fuzzy logic systems for engineering: a tutorial,” IEEE Trans. Industrial Electronics, vol. 40, no. 2, pp. 211–221, 1993.
[33] D. Navarro Pino, J. S. Badillo Rincón, M. D. Portillo Padilla, and S. E. Pineda Aguilera, “Tecnologías y herramientas del internet de las cosas (IoT) para el desarrollo de prototipos de entornos cotidianos”, RCTA, vol. 2, no. 44, pp. 97–103, Jul. 2024, doi: 10.24054/rcta.v2i44.3020.
[34] O. Cordon, F. Herrera, L. Magdalena, and P. Villar, A Genetic Learning Process for Fuzzy Rule-Based System Modeling. Springer, 2001.
