Système de prédiction du trafic routier sur Zero Avenue utilisant la logique floue et le calcul parallèle
Mots-clés :
Logique floue, calcul parallèle, trafic routier, prédiction, systèmes intelligents, Python, scikit-fuzzyRésumé
La congestion routière dans les villes frontalières comme Cúcuta constitue un défi urbain majeur en raison de son impact direct sur la mobilité, les temps de trajet, la productivité et la pollution environnementale. Les modèles de prédiction traditionnels, basés sur des techniques statistiques, présentent souvent des limites face à la nature incertaine, non linéaire et très variable du trafic, notamment dans des contextes influencés par des facteurs dynamiques tels que la météo, le jour de la semaine, le type de jour et l'heure. Cette étude propose la conception et la mise en œuvre d'un système intelligent capable de prédire les niveaux de trafic sur l'Avenida Cero à Cúcuta en intégrant la logique floue et le calcul parallèle, technologies permettant respectivement de modéliser l'incertitude et d'optimiser les temps de traitement. À cette fin, un système d'inférence floue (FIS) de type Mamdani a été développé en Python avec la bibliothèque scikit-fuzzy. Ses variables d'entrée sont l'heure, la météo et le type de jour, et ses variables de sortie sont les niveaux de trafic, classés comme faibles, moyens ou élevés. Les fonctions d'appartenance ont été définies en tenant compte des comportements typiques des véhicules locaux, et une base de règles a été conçue pour modéliser les relations linguistiques entre les facteurs susmentionnés. Pour améliorer l'efficacité du système, le processus d'évaluation des règles a été parallélisé à l'aide du module multiprocessing de Python, permettant ainsi de répartir les opérations sur plusieurs cœurs de processeur. Des tests, basés sur des scénarios réels et simulés, ont démontré que le système est capable de générer des prédictions cohérentes et stables. La version parallèle a permis de réduire le temps d'exécution de 30 % à 65 %, selon le nombre de règles et de processus utilisés, démontrant ainsi une accélération conforme à la loi d'Amdahl. Ces résultats suggèrent que la combinaison de la logique floue et du calcul parallèle constitue une stratégie robuste, efficace et viable pour la prédiction de la trajectoire des véhicules en milieu urbain, où l'incertitude et la nécessité d'une réponse rapide rendent les méthodes traditionnelles insuffisantes.
Références
[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.
