Resumen

Mejorar la resiliencia de las redes viales urbanas que sufren diversas interrupciones ha sido un enfoque central para la gestión de emergencias urbanas. Sin embargo, hasta la fecha, los métodos efectivos que pueden mitigar los impactos negativos causados por las interrupciones, como accidentes de tráfico y desastres naturales, en las redes viales urbanas son altamente insuficientes. Este estudio propone una novedosa estrategia de control de señales adaptativo basada en un marco de aprendizaje doblemente dinámico, que consiste en aprendizaje profundo por refuerzo y aprendizaje dinámico del tráfico día a día, para mejorar el rendimiento de la red ajustando la división de tiempo rojo/verde. En este estudio, la división de tiempo rojo se considera como un flujo de tráfico adicional para desalentar a los conductores a usar las carreteras afectadas, con el fin de reducir la congestión y mejorar la resiliencia cuando las redes viales urbanas están sujetas a diferentes niveles de interrupciones

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Redes de carreteras urbanas; Interrupciones; Control adaptativo de señales; Aprendizaje profundo por refuerzo; Resiliencia; Flujo de tráfico
• Keywords:Urban road networks; Disruptions; Adaptive signal control; Deep reinforcement learning; Resilience; Traffic flow