⚡ electrical engineering

Adaptive traffic signal control optimization using a novel road partition and multi-channel state representation method

Este estudio propone un método de control adaptativo de semáforos que combina redes DQN y PPO con una nueva partición de vías de longitud variable y una representación de estado multicanal, logrando un rendimiento de optimización superior al de los métodos de longitud fija mediante la simulación en Sumo-TensorFlow-Python.

Autores originales: Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

Publicado 2026-02-16

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Maojiang Deng, Shoufeng Lu, Jiazhao Shi, Wen Zhang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Hola! Imagina que el tráfico en una ciudad es como una gran fiesta en una casa muy grande, donde la gente (los coches) quiere entrar y salir por diferentes puertas (las calles). El problema es que a veces hay demasiada gente en la sala de estar y nadie puede salir, o las puertas se quedan abiertas cuando no hay nadie, desperdiciando tiempo.

Este artículo de investigación presenta una nueva forma de "maestro de ceremonias" (el semáforo) para controlar esa fiesta, usando inteligencia artificial. Aquí te explico cómo funciona, usando analogías sencillas:

1. El Problema: Los Semáforos Antiguos son como Relojes de Arena Rígidos

Los semáforos tradicionales funcionan con un reloj fijo: "Verde 30 segundos, Rojo 30 segundos", sin importar si hay 100 coches esperando o ninguno. Es como intentar regar un jardín con una manguera que siempre echa la misma cantidad de agua, aunque algunas plantas estén secas y otras ya estén ahogadas.

2. La Solución: Un "Maestro de Ceremonias" con Ojos de Águila y Mente Flexible

Los autores proponen un sistema inteligente que usa dos cosas principales para tomar decisiones mejores:

A. La "División de la Carretera" (El Mapa de la Fiesta)

Imagina que quieres vigilar una calle larga.

El método viejo: Dividir la calle en trozos de 50 metros exactos, como si cortaras una pizza en rebanadas iguales. El problema es que si el sensor (la cámara o radar) solo ve hasta cierto punto, el mapa no coincide con la realidad.
El método nuevo (Longitud Variable): Imagina que divides la calle en 10 trozos, pero no son iguales.
- Los trozos cerca del semáforo (donde la gente espera para cruzar) son muy pequeños (como 7 metros). Esto es porque cada coche que está ahí es muy importante; si hay uno más, el semáforo debe reaccionar rápido.
- Los trozos lejos del semáforo son cada vez más grandes (como 90 metros). Allí, los coches están más dispersos y no necesitan tanta atención inmediata.
- La magia: No importa si tu sensor ve 300 metros o 500 metros, el sistema siempre divide la calle en esos mismos 10 trozos, ajustando el tamaño de cada uno automáticamente. Es como tener una regla elástica que siempre se adapta al tamaño de la habitación donde estás.

B. La "Visión de Tres Dimensiones" (Los Tres Sentidos)

Antes, los semáforos inteligentes solo miraban una cosa: "¿Cuántos coches hay?".
Este nuevo sistema tiene tres "ojos" o canales para ver la situación al mismo tiempo, como si un chef probara la sopa mirando tres cosas a la vez:

Cantidad: ¿Cuántos coches hay en cada trozo? (El volumen de la sopa).
Velocidad: ¿Se mueven rápido o están parados? (La temperatura de la sopa).
Ocupación: ¿Qué porcentaje del espacio está lleno? (¿La olla está rebosando?).

Al ver estas tres cosas juntas, el sistema entiende mucho mejor si el tráfico está "atascado" o "fluyendo".

3. El Entrenamiento: Aprender por Prueba y Error

El sistema no nace sabiendo todo. Se entrena usando un videojuego de tráfico (un simulador llamado SUMO) donde:

DQN y PPO: Son dos tipos de "cerebros" de inteligencia artificial. Imagina que DQN es un estudiante que aprende memorizando respuestas, y PPO es un estudiante que aprende probando estrategias y ajustando su comportamiento poco a poco para no cometer errores graves.
La Recompensa: Cada vez que el sistema toma una decisión (cambiar a verde o rojo), recibe una "puntuación".
- Si los coches esperan poco tiempo y gastan menos gasolina, gana puntos.
- Si hay mucho atasco, pierde puntos.
- El objetivo es conseguir la puntuación más alta posible.

4. El Gran Truco: La "Transferencia" (Aprender en una Sala y Usarlo en Otra)

Esta es la parte más genial. Normalmente, si entrenas a un robot para controlar el tráfico en una calle de 300 metros, no sirve para una calle de 500 metros. Tendrías que volver a entrenarlo desde cero.

Pero, gracias a su método de "trozos elásticos" (los 10 trozos que se adaptan), el sistema aprende conceptos relativos, no distancias fijas.

Analogía: Es como enseñar a un niño a jugar al fútbol. Si le enseñas que "el área de penalti está cerca de la portería", él puede jugar en un campo pequeño o en uno gigante. No necesita aprender las medidas exactas en metros, sino la relación entre las cosas.
Resultado: El sistema entrenado en una calle pequeña puede ir directamente a una calle más grande (o con sensores diferentes) y funcionar bien de inmediato, sin necesidad de volver a estudiar.

En Resumen

Este paper dice: "Hemos creado un cerebro de semáforo que:

Mira la calle en trozos que se estiran y encogen según lo que ve el sensor.
Observa no solo cuántos coches hay, sino también a qué velocidad van y cuánto espacio ocupan.
Aprende a tomar decisiones para que la gente llegue más rápido y gaste menos gasolina.
Y lo mejor: Lo que aprende en una calle, sirve para cualquier otra calle, sin tener que volver a empezar."

Es como pasar de tener un reloj de arena rígido a tener un director de orquesta que escucha a cada músico (cada coche) y ajusta el ritmo de la música (el semáforo) en tiempo real para que la sinfonía (el tráfico) suene perfecta.

Aquí presento un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Título: Control Óptimo de Semáforos Adaptativos mediante una Nueva Partición de Vías y un Método de Representación de Estado Multicanal

1. Planteamiento del Problema

La congestión en intersecciones urbanas representa un desafío crítico para la eficiencia de los viajes, exacerbando emisiones de carbono y consumo energético. Aunque el control de semáforos es una solución rentable, los métodos tradicionales y las aproximaciones de aprendizaje por refuerzo (RL) existentes presentan limitaciones significativas:

Discrepancia en la detección: Los métodos actuales de partición de vías (celdas fijas) no consideran el rango de detección variable de los sensores modernos (como radar-video, que detecta entre 150 y 500 metros). Esto genera una desconexión entre los parámetros de entrada del modelo de IA entrenado y las capacidades reales de detección en la aplicación.
Falta de generalización: Los modelos de IA para control de semáforos suelen requerir entrenamiento específico para cada intersección, lo que resulta en una pobre capacidad de adaptación y transferencia a otros entornos.
Representación de estado insuficiente: Muchas aproximaciones anteriores utilizan variables agregadas o particiones fijas que no capturan adecuadamente la dinámica espacial y temporal del flujo de tráfico.

2. Metodología

El estudio propone un marco de control adaptativo que integra Redes Q Profundas (DQN) y Optimización de Política Próxima (PPO) con dos innovaciones centrales:

A. Nueva Fórmula de Partición de Vías (Longitud de Celda Variable)

Se propone una función matemática que combina funciones logarítmicas y lineales para determinar la longitud de las celdas a lo largo de la vía.
Lógica: Las celdas son más cortas cerca de la línea de detención (donde el impacto en la señalización es mayor) y se vuelven progresivamente más largas a medida que aumenta la distancia.
Fórmula: $f(x) = a \ln(x + 1) + bx$ , donde $x$ es el índice de la celda.
Adaptabilidad: Dado el rango de detección ( $d$ ) y el número de celdas ( $n$ ), el algoritmo calcula automáticamente las longitudes de las celdas. Esto permite que un modelo entrenado con un número fijo de celdas (ej. 10) funcione en intersecciones con rangos de detección diferentes (ej. 300m vs 500m) sin reentrenamiento.

B. Representación de Estado Multicanal

El estado del tráfico se representa como un tensor tridimensional (análogo a una imagen en procesamiento de CNN) con dimensiones: Número de carriles × Número de celdas × 3 canales.
Los tres canales de entrada son:
1. Número de vehículos.
2. Velocidad promedio.
3. Ocupación espacial (ratio de la longitud de los vehículos respecto a la longitud de la celda).
Esta representación permite una extracción de características convolucionales que captura patrones locales complejos.

C. Espacio de Acción y Recompensa

Acciones: 8 fases de semáforo discretas (ej. recto este-oeste, giro izquierdo, etc.). Cada fase seleccionada se ejecuta con un tiempo verde fijo (15 segundos).
Función de Recompensa: Se formula como una suma ponderada de métricas normalizadas:
- Tiempo de espera (peso negativo: -0.7).
- Velocidad (peso positivo: +0.2).
- Consumo de combustible (peso negativo: -0.1).
- Se utiliza una normalización basada en valores máximos históricos para asegurar la convergencia.

D. Entrenamiento y Simulación

Se utilizó SUMO para la simulación microscópica y TensorFlow para los modelos de IA.
Se compararon dos algoritmos: DQN (con capas convolucionales y totalmente conectadas) y PPO (con arquitectura Actor-Critic).
Se implementó un algoritmo de generación de trayectorias vehiculares aleatorias para simular flujos de tráfico realistas desde orígenes a destinos.

3. Contribuciones Clave

Fórmula de Partición Adaptativa: A diferencia de las secuencias de Fibonacci o celdas fijas, el método propuesto ajusta dinámicamente las longitudes de las celdas basándose en el rango de detección del sensor y el número de celdas deseado. Esto resuelve el problema de la incompatibilidad entre el entrenamiento y la aplicación en diferentes configuraciones de sensores.
Mejora en la Generalización (Transferibilidad): Al mantener constante el número de celdas y ajustar sus longitudes físicas, el modelo aprendido se vuelve semánticamente consistente. Un modelo entrenado en un entorno de 300m puede transferirse directamente a uno de 500m sin reentrenamiento, manteniendo un alto rendimiento.
Representación de Estado Rica: La integración de tres canales (vehículos, velocidad, ocupación) proporciona una visión más completa del sistema de tráfico que las métricas agregadas tradicionales.
Evaluación Comparativa Rigurosa: Se demuestra empíricamente que la combinación de longitud de celda variable y representación multicanal supera a los métodos de celda fija y a estrategias de control tradicionales (tiempo fijo y actuado).

4. Resultados

Comparación de Algoritmos: En todos los escenarios de flujo de tráfico (500 a 3000 veh/h), el modelo PPO con celdas de longitud variable (VCL-PPO) obtuvo el mejor rendimiento, superando a DQN, PPO con celdas fijas y PPO sin discretización.
Métricas de Desempeño: El VCL-PPO logró la menor longitud de cola acumulada y el menor tiempo de espera acumulado.
Evaluación de Transferencia: En pruebas de transferencia cruzada (entrenar con rango de 300m, aplicar a 500m), el modelo VCL-PPO mantuvo un rendimiento superior al de los planes de tiempo fijo, demostrando su capacidad de adaptación sin ajuste fino.
Estabilidad: PPO demostró ser más estable que DQN en condiciones de tráfico no estacionario, gracias a su mecanismo de "clipping" que evita actualizaciones de política agresivas.
Convergencia: Bajo flujos de tráfico estocásticos (variables), la convergencia fue más lenta y con mayor oscilación en la recompensa, requiriendo más episodios de entrenamiento que en flujos fijos.

5. Significado e Impacto

Este trabajo establece un nuevo estándar para el control de semáforos basado en IA al abordar la brecha entre la simulación teórica y la realidad de los sensores de tráfico.

Viabilidad Práctica: La capacidad de transferir modelos entrenados entre intersecciones con diferentes rangos de detección reduce drásticamente el costo y el tiempo de implementación de sistemas inteligentes de transporte (ITS).
Escalabilidad: El enfoque es agnóstico al algoritmo, lo que significa que la metodología de partición y representación de estado puede aplicarse a futuras arquitecturas de aprendizaje profundo más avanzadas.
Eficiencia Urbana: Al optimizar simultáneamente el tiempo de espera, la velocidad y el consumo de combustible, la propuesta contribuye directamente a la reducción de la congestión y la huella de carbono en entornos urbanos.

En conclusión, la integración de una partición de vías variable basada en funciones logarítmico-lineales con una representación de estado multicanal ofrece una solución robusta y generalizable para el control adaptativo de semáforos, superando las limitaciones de los métodos estáticos y de celda fija.