🤖 machine learning

DeCoR: Design and Control Co-Optimization for Urban Streets Using Reinforcement Learning

El artículo presenta DeCoR, un marco de aprendizaje por refuerzo de dos etapas que optimiza conjuntamente la disposición de pasos de peatones urbanos y el control adaptativo de semáforos para reducir significativamente los retrasos de peatones y vehículos en corredores reales, al tiempo que se generaliza a demandas variables sin necesidad de reentrenamiento.

Autores originales: Bibek Poudel, Lei Zhu, Kevin Heaslip, Sai Swaminathan, Weizi Li

Publicado 2026-05-21

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Bibek Poudel, Lei Zhu, Kevin Heaslip, Sai Swaminathan, Weizi Li

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

Imagina una calle concurrida de una ciudad como una pista de baile gigante y caótica. En un lado, tienes a los peatones intentando cruzar; en el otro, a los coches intentando circular. Actualmente, los planificadores urbanos suelen organizar la pista de baile (los pasos de peatones) basándose en reglas empíricas antiguas, como "colocar un paso de peatones cada 100 pies", y luego contratan a un DJ (el semáforo) para que toque un ritmo fijo, independientemente de cuántas personas estén realmente bailando.

El artículo presenta DeCoR, un nuevo sistema que actúa como un coreógrafo y un DJ superinteligentes trabajando juntos para rediseñar la pista de baile mientras suena la música.

Así es como funciona, desglosado en pasos sencillos:

1. El Problema: La Brecha de la "Conjetura"

Ahora mismo, disponemos de excelentes cámaras y sensores que pueden contar exactamente cuántas personas y coches se mueven y hacia dónde quieren ir. Pero rara vez utilizamos esos datos para cambiar la disposición de la ciudad. Medimos el tráfico, pero no rediseñamos la calle para adaptarla al tráfico. Esto genera situaciones peligrosas donde los peatones cruzan de forma imprudente porque el paso de peatones más cercano está demasiado lejos, o los coches quedan atrapados en semáforos que no coinciden con el flujo real de personas.

2. La Solución: Una "Co-Optimización" en Dos Etapas

DeCoR utiliza un tipo de IA llamada Aprendizaje por Refuerzo (piensa en ello como un jugador de videojuegos que aprende mediante prueba y error) para resolver dos problemas a la vez:

Etapa 1: El Arquitecto (Agente de Diseño). Esta IA examina el mapa y pregunta: "¿Dónde deberíamos colocar los pasos de peatones y qué ancho deberían tener?". No solo adivina; utiliza una herramienta matemática llamada Modelo de Mezcla Gaussiana. Imagina esto como un "mapa de calor" que aprende los caminos más populares que la gente quiere tomar (sus "líneas de deseo") y sugiere colocar los pasos de peatones exactamente donde la multitud quiere ir, en lugar de donde un manual de reglas dice que deberían estar.
Etapa 2: El Director de Orquesta (Agente de Control). Una vez que el Arquitecto sugiere una nueva disposición, el Director de Orquesta toma el mando. Esta IA controla los semáforos. En lugar de un temporizador fijo, observa a la multitud en tiempo real y cambia las luces instantáneamente para permitir que personas y coches pasen con la menor cantidad de espera posible.

3. El Campo de Entrenamiento: Un Gemelo Digital

Antes de probar esto en una calle real, el equipo probó DeCoR en un tramo de 750 metros de un campus universitario en Estados Unidos. Alimentaron al sistema con datos reales procedentes de:

Cámaras de video para contar coches.
Registros de Wi-Fi (de teléfonos anónimos) para contar peatones.

Ejecutaron miles de simulaciones en un mundo digital (utilizando una herramienta llamada SUMO) donde la IA probó diferentes disposiciones de pasos de peatones y tiempos de semáforo. Cada vez que la IA realizaba una acción que reducía el tiempo de espera tanto para personas como para coches, recibía una "recompensa". Cada vez que causaba un retraso, recibía una "penalización".

4. Los Resultados: Más Inteligente, Más Rápido, Más Seguro

Los resultados fueron sorprendentemente efectivos:

Menos Pasos de Peatones, Mejores Resultados: La calle real tenía 7 pasos de peatones. DeCoR sugirió eliminar algunos y mantener solo 4, pero colocándolos en lugares más inteligentes.
Caminar es Más Rápido: Debido a que los pasos de peatones se colocaron exactamente donde la gente quería caminar naturalmente, los peatones alcanzaron su cruce más cercano un 23% más rápido. No tuvieron que desviarse de su ruta tanto como antes.
La Espera se Reduce Drásticamente:
- Peatones: Esperaron un 79% menos de tiempo en los semáforos en comparación con el antiguo sistema de temporizador fijo. De hecho, esperaron casi tan poco como lo harían en un cruce sin control (donde simplemente cruzas), pero con la seguridad de una señal.
- Coches: Esperaron un 65% menos de tiempo. Las luces se adaptaron para que los coches no se detuvieran innecesariamente.
El "Superpoder" de la Co-Optimización: El artículo probó qué sucede si cambias la disposición de la calle después de que el sistema haya sido entrenado.
- Si entrenas al DJ (Control) en un plano de planta fijo, y luego de repente añades un nuevo paso de peatones, el DJ se confunde y se producen atascos.
- Pero como el DJ de DeCoR aprendió mientras el plano de planta cambiaba, se volvió increíblemente flexible. Incluso cuando el equipo añadió un nuevo paso de peatones que la IA no había visto antes, el sistema mantuvo el tráfico fluyendo suavemente, reduciendo los tiempos de espera en un 97% en comparación con un sistema entrenado a la antigua usanza.

La Conclusión

DeCoR demuestra que si escuchas los datos (sintiendo hacia dónde van realmente las personas y los coches) y permites que el diseño (dónde están los pasos de peatones) y el control (los semáforos) se comuniquen entre sí, puedes hacer que las ciudades sean más seguras y rápidas para todos. Convierte un sistema rígido y basado en reglas en un organismo vivo y flexible que se adapta a la multitud.

Nota: El artículo se centra estrictamente en mejorar el tiempo de viaje y reducir los retrasos en una simulación basada en datos del mundo real. No afirma haber eliminado accidentes o fatalidades en el mundo real todavía, ni afirma funcionar en todo tipo de calles urbanas a nivel global, sino más bien en el corredor específico que probaron.

Resumen Técnico: DeCoR – Co-optimización de Diseño y Control para Calles Urbanas

Planteamiento del Problema
Las tecnologías modernas de visión por computadora y sensores han avanzado significativamente en la detección, seguimiento y predicción de actores urbanos (peatones y vehículos). Sin embargo, persiste una brecha crítica entre estas capacidades de percepción y el diseño de la infraestructura urbana. Aunque las ciudades pueden medir cada vez más cómo se mueven las personas y los vehículos, estas mediciones rara vez se utilizan para rediseñar la infraestructura que moldea su comportamiento. Las prácticas actuales de seguridad peatonal dependen en gran medida de heurísticas estáticas (por ejemplo, umbrales fijos de espaciado de pasos de peatones) que preceden a las capacidades modernas de detección. Estas reglas a menudo fallan en equilibrar prioridades en competencia: los peatones requieren cruces seguros y convenientes, los vehículos esperan retrasos mínimos y los planificadores buscan eficiencia de costos. Optimizar la ubicación de los pasos de peatones sin considerar el control de semáforos, o viceversa, puede ser contraproducente; los pasos de peatones mal ubicados aumentan las paradas de los vehículos, mientras que los semáforos mal sincronizados en pasos de peatones bien ubicados causan retrasos excesivos.

Metodología
El artículo introduce DeCoR, un marco de Aprendizaje por Refuerzo (RL) de dos etapas que co-optimiza la disposición de pasos de peatones en tramos intermedios y el control de semáforos a nivel de red. El marco opera sobre un grafo dirigido $G=(V, E)$ que representa la red peatonal, donde los nodos son intersecciones y uniones de trayectorias, y las aristas son segmentos transitables.

Etapa de Diseño (Bucle Externo):
- Objetivo: Aprender una política generativa para proponer ubicaciones y anchos óptimos de pasos de peatones.
- Mecanismo: Una Red de Atención Gráfica (GATv2) codifica el grafo de la red peatonal. El agente de diseño parametriza un Modelo de Mezcla Gaussiana (GMM) sobre la ubicación y el ancho del paso de peatones.
- Acción: En cada episodio, se muestrean nuevos pasos de peatones a partir de este GMM. La recompensa de diseño ( $R_D$ ) equilibra el tiempo de llegada de los peatones contra el número de pasos de peatones (costo de infraestructura), fomentando diseños más dispersos y rentables.
- Restricción: La disposición está acotada por los límites del corredor, y las configuraciones físicamente poco realistas (por ejemplo, pasos de peatones separados por menos de 1 m) se fusionan.
Etapa de Control (Bucle Interno):
- Objetivo: Aprender una política de sincronización de semáforos adaptativa condicionada a la disposición propuesta.
- Mecanismo: Una política de control compartida opera a través de $N$ simulaciones de bucle cerrado en paralelo (utilizando SUMO) con escalas de demanda del mundo real variables.
- Estado: El estado incluye matrices espacio-temporales de fases de semáforos, ocupación de vehículos (dentro de 100 m de las intersecciones, 50 m de los pasos de peatones) y ocupación peatonal (dentro de 5 m de los pasos de peatones).
- Acción: El agente selecciona las fases de semáforos para las intersecciones (4 configuraciones) y estados binarios para los pasos de peatones en tramos intermedios (flujo de vehículos frente a flujo de peatones).
- Recompensa: La recompensa de control se basa en una métrica modificada de Cola Agregada de Espera Máxima (MWAQ). Combina el retraso individual peor con la demanda acumulada y aplica penalizaciones exponenciales para suprimir los tiempos de espera extremos tanto para peatones como para vehículos.
Entrenamiento:
- Ambas etapas utilizan Optimización de Política Próxima (PPO).
- La etapa de diseño se trata como un bandido contextual con recompensas inmediatas, mientras que la etapa de control es un Proceso de Decisión de Markov (MDP) sobre pasos secuenciales.
- La demanda del mundo real se deriva de registros de video y Wi-Fi, escalada aleatoriamente durante el entrenamiento para garantizar robustez.

Resultados Clave
Evaluado en un corredor urbano real de 750 m con 2.223 peatones/hora y 202 vehículos/hora:

Optimización de Disposición: DeCoR redujo el número de pasos de peatones en tramos intermedios de 7 (existentes) a 4. A pesar de tener menos cruces, la disposición optimizada redujo el tiempo promedio de llegada de los peatones al paso de peatones más cercano en un 22,68% (hasta un 25,8% en alta demanda) al alinearse mejor con las líneas de deseo de los peatones.
Optimización de Control: En relación con la señalización de tiempo fijo, la política de control de DeCoR redujo el tiempo de espera de los peatones en un 78,9% y el tiempo de espera de los vehículos en un 65,3%.
Rendimiento frente a Líneas Base:
- Los cruces con semáforos de DeCoR lograron tiempos de espera peatonal comparables a los cruces sin semáforos (1,26 s frente a 1,46 s) manteniendo la seguridad (cero conflictos).
- En alta demanda, los cruces sin semáforos provocaron un aumento significativo en los tiempos de espera de los vehículos, mientras que DeCoR mantuvo la eficiencia.
Generalización y Robustez:
- Ambos agentes generalizaron a patrones y escalas de demanda fuera de la distribución de entrenamiento (probados desde 0,5x hasta 2,75x de demanda).
- Prueba de Robustez: Cuando se introdujo un paso de peatones adicional en la disposición optimizada sin reentrenamiento, el controlador co-optimizado mantuvo tiempos de espera bajos. Por el contrario, un controlador entrenado secuencialmente (diseño y luego control) se degradó dramáticamente, mostrando un 97,53% más de tiempo de espera para peatones y un 91,90% más para vehículos.

Significado y Afirmaciones
El artículo afirma que DeCoR cierra con éxito la brecha desde la percepción hasta el diseño al demostrar que detectar cómo se mueven los peatones y los vehículos es suficiente para rediseñar conjuntamente la infraestructura y adaptar el control.

Valor de la Co-optimización: La contribución principal es mostrar que la optimización conjunta supera a los enfoques secuenciales. La co-optimización permite que la política de control aprenda robustez frente a cambios estructurales en la disposición, una capacidad ausente en los agentes entrenados secuencialmente.
Diseño Prioritario para Peatones: Los resultados desafían la suposición de que los cruces con semáforos son inherentemente lentos para los peatones. Con un control adaptativo impulsado por percepción, los cruces con semáforos pueden acercarse a la conveniencia de los sin semáforos mientras mantienen la eficiencia vehicular.
Eficiencia: El enfoque de co-optimización no introduce sobrecarga computacional significativa (aproximadamente un 10% por ronda para la conversión de grafo a simulación) en comparación con el entrenamiento secuencial, pero ofrece un rendimiento y una robustez significativamente superiores.

Limitaciones y Alcance
Los autores señalan explícitamente que DeCoR tiene como objetivo la movilidad (tiempo de llegada y retraso) como un sustituto de la seguridad, en lugar de modelar explícitamente el riesgo de lesiones o fatalidades. La evaluación se limita a la simulación utilizando datos de demanda del mundo real; no modela violaciones de semáforos, ruido de sensores u oclusiones. Además, el estudio se limita a un único corredor real debido a la escasez de conjuntos de datos que emparejen geometrías realistas con mediciones de demanda de alta fidelidad y alineadas temporalmente. Se sugiere trabajo futuro para extender el espacio de diseño a geometrías de red de mayor dimensión e incorporar indicadores explícitos de seguridad basados en conflictos.