Resumen

Las ciudades no son entornos estáticos. Cambian constantemente. Cuando hablamos del tráfico en la ciudad, la evolución de los semáforos es un viaje desde la automatización sin sentido a una gestión del tráfico cada vez más inteligente y fluida. En nuestro planteamiento, presentado en este artículo, se introduce un mecanismo de aprendizaje reforzado basado en la función de costes para determinar las decisiones óptimas para cada semáforo, a partir de la solución dada por Larry Page para la clasificación de páginas en el entorno web (Page et al. (1999)). Nuestro enfoque es similar al trabajo presentado por Sheng-Chung et al. (2009) y Yousef et al. (2010). Consideramos que los semáforos están controlados por servidores y se calcula una puntuación para cada carretera basada en el enfoque eficiente PageRank y se utiliza en la función de costes para determinar las decisiones óptimas. Demostramos que la contribución acumulada de cada coche en el tráfico respeta la principal restricción del enfoque PageRank, preservando todas las propiedades de la matriz M consideradas en nuestro modelo.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:función de coste, decisiones óptimas, semáforos, yousef et al, enfoque de pagerank eficiente, gestión fluida del tráfico, enfoque, tráfico, larry page, matriz m
• Keywords:cost function, optimal decisions, traffic lights, yousef et al, efficient pagerank approach, fluid traffic management, approach, traffic, larry page, m matrix