REVISTA DE INGENIERIA DYNA

Palabras clave:

Fuzzy logic control, neural networks, intelligent transportation systems, traffic signal timing, congestion mitigation

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

La congestión del tráfico representa un desafío significativo en ciudades históricas que buscan equilibrar las necesidades de movilidad moderna con la preservación del patrimonio. Este artículo propone un sistema de control basado en Lógica Difusa auto-adaptativa para semáforos, optimizado mediante una Red Neuronal Recurrente (RNN) para la predicción de la densidad vehicular. El controlador difuso ajusta dinámicamente los tiempos de señalización en funcio´n de los datos en tiempo real sobre la densidad del tráfico en intersecciones de ciudades coloniales. El componente RNN predice la densidad del tráfico para ajustar las funciones de membresía difusas, permitiendo un control adaptativo de las sen˜ales. Los experimentos de simulación demuestran reducciones notables en la longitud de las filas de vehículos utilizando el me´todo neuro-difuso propuesto, en comparación con te´cnicas sin control o basadas u´nicamente en Lógica Difusa. Las mejoras están positivamente correlacionadas con la longitud de las calles, aunque son menos significativas en calles muy cortas. El sistema de- muestra capacidades prometedoras para reducir la congestión y las emisiones mediante la optimizacio´n adaptativa en entornos urbanos complejos.
Palabras clave: Control de Lógica Difusa, redes neuronales, sistemas de transporte inteligentes, sin- cronizacio´n de semáforos, mitigacio´n de congestio´n.