Documente Academic
Documente Profesional
Documente Cultură
ISSN 2244-8780
Resumen
La problemtica actual de movilidad en la ciudad de Mrida genera interrogantes acerca de qu tan apropiadas son las
estrategias de control de trfico de autos aplicadas en las redes urbanas a nivel local sin embargo, sabemos que el pro-
blema no es solo local, sino tambin nacional e internacional , as como del potencial de estudios de simulacin para en-
frentar las dificultades locales y nacionales. Se requiere comprender el fenmeno y develar su trasfondo, el cual se muestra
ms y ms dramtico cada da, a fin de proponer soluciones locales. Con esto en mente, se desarrolla un modelo multia-
gente, en una conocida plataforma de simulacin, que simula el trfico de automviles en una interseccin de la ciudad de
Mrida. Este modelo se adapta a las caractersticas de una interseccin real, del tipo de trfico (conductores particulares,
taxis, etc.), as como a ciertos patrones de comportamiento de los conductores reales. Se simulan algunos escenarios de in-
ters a fin de explorar los cambios en el comportamiento del sistema. Los resultados permiten elaborar conclusiones in-
teresantes acerca del comportamiento del modelo y de la realidad, dado que el modelo es exitosamente validado, algunas
no intuitivamente esperadas.
Palabras clave: Simulacin social, sistemas multiagentes, modelado de trfico, NetLogo, trfico en interseccin.
Abstract
Traffic jams and violation of traffic norms and laws are common at Merida city roads, generating diverse mobility pro-
blems. It is necessary to study and understand the problem in order to propose locally applicable solutions. Simulation mo-
dels, and in particular, multiagent based social simulation (MABS), are a promising approach. This paper presents a MABS
model of a vehicular intersection at Merida City. The model represents characteristics of the real situation: particularities
of the real intersection, type of vehicles (common people drivers, taxis, etc.), and behavioural patters of the drivers. Perti-
nent scenarios are simulated in order to explore the model behaviour. Relevant conclusions, some counter intuitive, are
drawn in. The model is successfully verified, and validated so that conclusions can be extrapolated to the real system.
Key words: Social simulation, MABS, traffic modelling, NetLogo, traffic in an intersection.
mentar a bajo costo, sin afectar el sistema estudiado. Algu- fica. El modelo incluye elementos de la situacin local ge-
nos cientficos han usado autmatas celulares (Rodrguez, neralmente obviados en estudios tradicionales o en algunos
2002), Redes de Petri (Cern, 2007), entre otros enfoques, enfoques del modelado multiagente, como la toma de deci-
modelos y teoras, para entender dicho problema. Estos siones de los agentes (ms all de decisiones probabilsti-
modelos han permitido estudiar los sistemas de trfico co- cas), donde aparecen aspectos del comportamiento social
mo problemas complejos, y relacionar el sistema real con fundamentales para comprender y poder mejorar la situa-
teoras como las de sistemas caticos. cin problemtica. Adems, el modelo est basado en un
estudio de campo detallado, el cual incluye la recoleccin
Los agentes o Sistemas Multiagentes (SMA) han sido de datos que permiten no solo elaborar el modelo sino tam-
otro de los mtodos exitosamente usados para tal fin. En los bin validarlo.
SMA se representan como agentes autnomos e individua-
les a cada uno de quienes toman decisin en el sistema a El estudio social basado en el modelado y simulacin
modelar, lo cual permite una buena adaptacin del modelo multi-agente tiene diversos enfoques, pudiendo encontrarse
a la situacin real. Estos sistemas se diferencian de los pri- tambin una gran variedad de lenguajes y plataformas
meros enfoques mencionados en cuanto a que permiten la computacionales para el diseo y corrida del modelo, as
toma de decisin de cada ente involucrado, a diferencia de como para el anlisis de resultados (CORMAS, 2012; Le
cundo stos son obviados o sobre-simplificados. Represen- Page y col., 2012; REPAST, 2012; SDML, 2012;
tan una rama de estudio ampliamente explorada dentro de la SWARM, 2012; Perozo y col., 2012; MASON, 2012; Tern
Simulacin Social, donde se han creado asociaciones inter- y Ablan, 2011).
nacionales, tales como la iberoamericana (SIMSOCIA,
2011) y la europea (ESSA, 2011), y cuyos trabajos se pu- 2 Modelo de simulacin
blican en revistas de acceso libre tales como JASS (JASS,
2011). Los SMA han permitido aplicar teoras como la Cri- Se realiz un anlisis de la interseccin a modelar y un
ticidad Auto-Organizada al estudio de sistemas de trfico estudio del comportamiento de los conductores que transi-
(Paczuski y Nagel, 1995). Precisamente uno de los elemen- taban por dicha interseccin, para posteriormente imple-
tos que define la complejidad de un sistema de trfico es el mentar el modelo de simulacin en NetLogo.
llamado por algunos Mecanismo Vicario, es decir, la capa-
cidad de tomar decisiones de un conjunto de entes hetero- 2.1 Anlisis de la interseccin
gneos (los conductores, en este caso); caracterstica obvia-
da, como se ha dicho, en otro tipo de modelos, como los La interseccin seleccionada para el estudio la con-
modelos de ecuaciones diferenciales o la teora de colas. forman la Calle 26 con la Av. 5 del casco central de la Ciu-
Los SMA han sido utilizados ampliamente en el desa- dad de Mrida, Venezuela, la cual cuenta con tres pares de
rrollo de modelos para el trfico de automviles. Algunos semforos sincronizados que regulan el flujo de autos que
de los trabajos ms trascendentes en esta rea son los de llega desde el oeste, desde el este y desde el sur. Cada uno
(Gershenson, 1998), (Bazzan y col., 1999), (Bazzan y col., de estos semforos presenta un ciclo de 21 segundos para la
2002), (Champion y col., 1999), (Erol y col., 2002), (Paru- luz verde y 3 segundos para la luz amarilla. La particulari-
churi y col., 2002), (Guzmn y col., 2002), (Klgl- dad de esta interseccin permite que se formen embotella-
frohnmeyer y Bazzan, 2002), (De Schutter, 2003), (Balmer mientos, los cuales son de gran inters en los estudios del
y col., 2004), (Lin y col., 2005), (Vogel y Nagel, 2005), trfico. Por esta interseccin transitan un gran nmero de
(Zhang y col., 2005), (Cao y col., 2006), (Jian y col., 2006), autos, pero en el modelo solo se representan cinco tipos de
(Gregoire y col., 2007). autos: Los particulares, los de transporte pblico (taxis, bu-
setas y buses) y los autos de carga pesada (camiones), debi-
En este artculo se presenta el desarrollo de un modelo do a que existen ciertas caractersticas pertinentes al tipo de
multiagente para el flujo de automviles presentes en una auto que influyen en el comportamiento de los conductores.
interseccin usando como plataforma de desarrollo a Para cada uno de estos tipos de autos se realizaron medi-
NetLogo (NetLogo, 2009). Se pretende observar compor- ciones del ancho y del largo sobre muestras obtenidas en la
tamientos emergentes en el trfico simulado y de hacer con- interseccin real, llegando a obtener un promedio de las
jeturas sobre el trfico real, para el caso de una interseccin mismas. Este promedio ser utilizado en el modelo para re-
de la ciudad de Mrida. presentar el tamao de los autos, lo que no debe influir sig-
El objetivo de la investigacin no es el desarrollo de nificativamente en los resultados de la simulacin. Para de-
una herramienta Multi-agente, de una tcnica, de un softwa- terminar las proporciones en las que estos cinco tipos de
re o de un algoritmo, sino mas bien la exploracin de las autos concurran a la interseccin se llev a cabo un estudio
potencialidades del modelado multiagente, a travs de una de campo, el cual fue realizado por tres observadores dis-
herramienta o plataforma computacional ya existente puestos al este, oeste y norte de la interseccin bajo estudio.
(NetLogo, 2009), para entender una problemtica social la- Se observ durante cinco das, desde las 7:00 am hasta las
tinoamericana y mundial, en su manifestacin local espec- 8:00 am., el flujo de autos que transitaban por la intersec-
tipos diferentes de autos, con sus tamaos, lmites de velo- De los resultados obtenidos se puede observar que
cidad, lmites mximos de aceleracin y de desaceleracin. efectivamente las salidas del sistema arrojan valores intuiti-
Se elaboraron en total veinte procedimientos que controlan vamente correctos, por lo que se considera que el modelo
la creacin y movimiento de los diferentes tipos de autos, pas la prueba de verificacin para las exigencias del estu-
adems de reportar salidas de la simulacin de inters para dio planteado.
el estudio, tales como: nmero de autos en cola, nmero de
cruces indebidos, y nmero de autos que irrespetan las se- 2.2. Validacin
ales del semforo.
La interfaz grfica de NetLogo presenta una serie de Para dar soporte a la validez del modelo se llev a ca-
botones que permiten llevar a cabo la simulacin. Adems, bo una comparacin entre el promedio de cruces indebidos
dicha interfaz ofrece a los usuarios veinte deslizadores que arrojados por el modelo y el promedio de cruces indebidos
permiten manipular los parmetros del sistema y comprobar obtenidos en un estudio de campo, en el cual se observ,
diferentes escenarios. Las salidas del sistema se observan durante 10 das desde las 7:00 a.m. hasta las 8:00 a.m., el
por medio de monitores que muestran los valores de las nmero de ocurrencias de este tipo de infraccin realizada
mismas para cada paso en la simulacin. Para observar con por los conductores agresivos. Segn los datos (ver Tabla
detalle elementos relacionados con el uso de NetLogo, co- 5) la estimacin del nmero promedio de cruces indebidos
mo, por ejemplo, los diferentes botones que permiten con- est dado por:
trolar los parmetros del modelo y los monitores para cada
una de las salidas, entre otros, referimos al lector al trabajo 10
original de Camacho (Camacho, 2008), disponible en la x (1/ 10) xi 89,5 (1)
web. De la misma manera, para bajar el software ver i 1
NetLogo (NetLogo, 2009).
Y el intervalo de confianza para la media de aproxi-
3 Verificacin y validacin del modelo madamente un 90% es (para mas detalles acerca de estas
ecuaciones, ver Hoeger (1997, p. III-13), donde t1-/2, n-1
Una vez desarrollado el modelo se llevaron a cabo una se refiere a la distribucin t de Student con parmetros (1-
serie de corridas para verificar y validar el mismo. Segn /2, n-1)):
Hoeger (Hoeger, 1997), la verificacin tambin puede ser
llamada depuracin, dado que consiste en asegurarse de que
el modelo hace lo que debe hacer de acuerdo al diseo. Por X t1 / 2;n 1 Var(x) / n
otra parte, la validacin consiste en asegurarse de que los
supuestos usados en el desarrollo del modelo son razona- 89,5 t 0,95;9 258,3 / 10 (2)
bles en el sentido de que, si est correctamente implemen-
tado, el modelo producir resultados prximos a los obser- 89,5 1,8331 x 5,082 89,5 9,32
vados en el sistema real.
Por lo tanto, se puede decir que con un 90% de confia-
3.1 Verificacin bilidad el nmero de cruces indebidos est contenido en el
intervalo [80,18; 98,81] cruces.
Para la verificacin del modelo se llev a cabo una
prueba de continuidad, la cual consisti en aumentar la Tabla 5. Nmero de cruces indebidos
densidad de los diferentes tipos de autos y observar los
cambios producidos en las salidas del sistema. En principio N de observacin N de cruces indebidos
las proporciones de los diferentes tipos de autos fueron 1 80
adaptados a valores escogidos libremente, luego stas se 2 79
3 85
incrementaron en un 100%, para as observar los efectos en
4 81
las salidas del simulador. Las salidas para los datos escogi- 5 77
dos libremente y para los datos con el incremento se pueden 6 129
observar en la Tabla 4. 7 96
8 102
Tabla 4. Salidas del sistema 9 87
Salidas del sistema Valores ini- Val. al aumentar la den- 10 79
ciales sidad de autos
Autos en cola 1630 3120
Cruces indebidos 74 183 Para el clculo del promedio de cruces indebidos arro-
Infracciones (luz roja 16 53
del semforo) jados por el simulador se realizaron en total 10 corridas con
Infracciones (luz 2 9 el fin de obtener una buena estimacin. Los resultados de
amarilla del semfo- estas corridas se pueden observar en la Tabla 6.
ro)
Tabla 6. Nmero de cruces indebidos arrojados por el simulador de conductores que son agresivos; para el Segundo Escena-
rio: porcentaje de autos que son particulares. A continua-
Nmero de corrida Nmero de cruces cin se presenta los resultados de explorar estos dos escena-
indebidos
1
rios.
85
2 73 4.1 Primer escenario (o familia de escenarios)
3 82
4 86
5 77 El primer escenario, entonces, presenta los efectos en
6 82 las salidas del sistema de diferentes porcentajes de conduc-
7 85 tores agresivos. En este caso se realizaron observaciones
8 91 sobre las salidas para incrementos en un 20% del porcentaje
9 76
de conductores agresivos, comenzando desde un 0% hasta
10 89
un 100%. El modelo se corri 30 veces por un total de
3600 ticks (un tick representa un paso en la simulacin), lo
El promedio de cruces indebidos arrojados por el mo-
que representa una hora en el tiempo real. Los efectos de la
delo, al aplicar la ecuacin (1) de nuevo es 82,6; y el inter-
variacin del porcentaje de conductores agresivos sobre el
valo de confianza de aproximadamente un 90%, aplicando
nmero de autos en cola se muestran en la Fig. 1.
la ecuacin (2) (la varianza de x en este caso es: 24,26), es:
82,6 2,84.
As, se puede decir que con un 90% de confiabilidad el Puntos mximos de autos en cola
nmero de cruces indebidos esta contenido en el intervalo
mximos de autos en
S se compara el valor de este promedio con el pro- 50
40
medio obtenido en el estudio de campo, se puede observar
cola
30
que estos valores son cercanos; y, ms an, que el intervalo 20
de confianza resultante de la experimentacin con el mode- 10
lo est contenido en el intervalo de confianza resultante de 0
observar la realidad; por lo que se consideran aceptables las 0% 20% 40% 60% 80% 100%
salidas arrojadas por el simulador, y que el modelo es vli- aum entos en la proporcin de conductores agresivos
do.
En esta seccin se plantea modificar los valores de al- En la Fig. 1 se puede observar que para porcentajes
gunos parmetros del sistema y observar los cambios en el menores a un cierto valor v entre el 70% y 80% de conduc-
flujo total del trfico. Como ya se ha dicho anteriormente tores agresivos, el nmero de autos en cola disminuye lige-
las salidas del sistema son: El nmero de autos en cola, el ramente. Esto podra tener explicaciones como la siguiente:
nmero de autos que realizan cruces indebidos, y el nmero Si en alguno de los segmentos que llegan a la interseccin
de conductores que irrespetan tanto la luz roja como la luz todos los conductores son pasivos no se produciran cam-
amarilla del semforo; por lo tanto, las observaciones de los bios de carril, cruces indebidos, ni infracciones; as, de al-
cambios en el sistema se harn sobre los cambios de estas guna manera el comportamiento agresivo ayuda a disminuir
variables. Se plantean dos escenarios (o dos familias de es- los autos en la cola, para este caso.
cenarios, ya que se trata de explorar varios escenarios en En esta misma figura tambin se observa que, para
cada caso, a travs del cambio de una variable controlada) porcentajes de conductores agresivos mayores a v, el nme-
como ejemplo del tipo de observaciones que se puede reali- ro de autos en cola aumenta. Esto posiblemente se deba a
zar en este tipo de estudio, a fin de entender mejor el siste- que cuando el nmero de conductores agresivos se hace
ma emprico estudiado, y orientar la toma de decisiones en muy alto se producen atascamientos, o los agresivos co-
torno a este sistema, por ejemplo, del Estado Venezolano mienzan a estorbare entre s, ya que no todos pueden reali-
(en el presente caso de estudio). Se espera intuitivamente, zar el mismo tiempo cambios de carril, cruces indebidos, o
adems, dada la familiarizacin de los investigadores y de infracciones. Lo paradjico e inesperado es que, si el obje-
la comunidad de Mrida con el sistema en estudio, que den- tivo es disminuir el tamao de la cola, pareciera deseable la
tro de cada escenario la variable modificada genere resulta- existencia de un porcentaje apropiado de conductores agre-
dos de inters como cambios en el comportamiento de los sivos (menor a v). Sera interesante explorar posibles for-
conductores, y por consiguiente cambios en el flujo total de mas de mejorar el problema de trfico tomando en cuenta
trfico. La variable que define (o variable a ser cambiada este tipo de resultados. En futuros trabajos se podra explo-
en) cada escenario es: para el Primer Escenario: porcentaje rar escenarios con tales soluciones posibles. Una manera
alternativa en el sistemas real sera manteniendo un grupo
promedio de infractores
ran no normales y violatorios de normas de trnsito, pero 25
guiados por personas bien entrenadas. Tal vez la experien- 20
cia con los fiscales pueda ser implementada en un sistema 15
de gua de trnsito inteligente, basado en herramientas heu- 10
rsticas. 5
Los efectos de la variacin del porcentaje de conducto- 0
0% 20% 40% 60% 80% 100%
res agresivos sobre el nmero de cruces indebidos se mues-
aum entos en la proporcin de conductores agresivos
tran en la Fig. 2. En esta figura se puede observar que, de
nuevo para un valor en el intervalo [70%, 80%], llammos-
lo v1, de conductores agresivos, ya el nmero de cruces in-
debidos no puede seguir aumentando, lo que no es contrario Fig. 3. Nmero de conductores que irrespetan la luz roja del semforo
a la intuicin que podemos tener, ya que el colapso genera-
do en el cruce no permite un incremento de los mismos.
Tambin se puede observar un punto crtico, de inflexin de Nmero de infractores de luz amarilla
promedio de infractores
tervalo [20%, 40%]. 100
80
60
40
Nmero de cruces indebidos 20
0
100
promedio de cruces
promedio de infractores
25
20 80
15
60
10
5 40
0 20
0% 20% 40% 60% 80% 100%
aum entos en las proporciones de conductores de
0
autos particulares 1 2 3 4 5 6
aum entos en las proporciones de conductores de
Fig. 5. Nmero de autos en cola autos particulares
JASS, 2011, Journal of Artificial Societies and Social Sim- aciones sociales complejas en Latinoamrica: Contribuyen-
ulation. Se encuentra en do al cuidado del Bien Pblico (captulo de libro en
http://jasss.soc.surrey.ac.uk/JASSS.html. Fecha de consul- Rodrguez L., 2011, La emergencia de los enfoques de la
ta:11 enero 2010. Perozo N, Aguilar J, Tern O, Molina H, 2012, A verifica-
Jian C, Minglu L, Linpeng H, Ren Q, Ying L, 2006, To- tion method for MASOES, aceptado en IEEE Transactions
wards building an intelligent traffic simulation platform, on Systems, Man and Cybernetics.
APWeb Workshops 2006, pp. 632-642. REPAST, 2012. Se encuentra en
Le Page Ch, Becu N, Bommel P, Bousquet F, 2012, Partic- http://repast.sourceforge.net. Fecha de consulta: 13 abril
ipatory agent-Based simulation for renewable resource 2010.
management: The role of the Cormas simulation platform Rodrguez R, 2002, Modelacin de flujo de trnsito de au-
to nurture a community of practice, Journal of Artificial tos utilizando autmatas celulares. Departamento de
Societies and Social Simulation 15 (1) 10. Aplicacin de Microcomputadoras, Instituto de Ciencias,
Lin SY, Chen DK, Chen, RS, 2003. Apply adaptive and co- Universidad de Puebla, Septiembre 2002.
operative multi-agent system to urban traffic signal control, SDML, 2012. Se encuentra en http://cfpm.org/sdml. Fecha
11. Proceedings of the 11 IEEE Mediterranean Conference de consulta: 14 abril 2010.
on Control and Automation, Rhodes, Greece SIMSOCIA, 2011, Sociedad Iberoamericana de Simulacin
MASON, 2012. Se encuentra en Social, disponible en http://cesimo.ing.ula.ve/simsocia
http://cs.gmu.edu/~eclab/projects/mason. Fecha de consul- complejidad en Amrica Latina: Desafos, contribuciones y
ta: 15 enero 2010. compromisos para abordar los problemas complejos del sig-
NetLogo, 2009. Se encuentra en lo XXI, Tomo I. Comunidad de Pensamiento Complejo),
http://ccl.northwestern.edu/netlogo. Fecha de consulta: 07 Buenos Aires, Argentina.
marzo 2010. Vogel A, Nagel K, 2005, Multi-agent based simulation of
Paruchuri P, Reddy A, Karlapalem K, 2002, Multi agent individual traffic in Berlin, Proceedings of the International
simulation of unorganized traffic, Proceedings of the First Conference on Computers in Urban Planning and Urban
International Joint Conference on Autonomous Agents and Management (CUMPUM` 05), London, England
Multiagent Systems, ACM, New York, USA, pp. 176183. Zhang F, Li J, Zhao Q, 2005, Single-lane traffic simulation
Paczuski M, Nagel K, 1995, Self-organized criticality and with multi-Agent system, Proceedings of Intelligent Trans-
1/F noise in traffic, U.S. Department of Transportation: portation Systems, 2005, Vienna, Austria, pp. 56-60.
Federal Highway Administration, Report Number: BNL-
62385. Recibido: 06 de diciembre de 2010
SWARM, 2012. Se encuentra en
http://www.swarm.org/index.php/Main_Page. Fecha de Revisado: 26 de julio de 2011
consulta: 16 marzo 2010.
Tern O y Ablan M, 2011, Modelado y simulacin de situ-