Adaptive SDN-Assisted Traffic Signal Control for Road Traffic Congestion Mitigation in VANETs

Cada día, millones de conductores navegan por las calles de la ciudad, encontrándose a menudo atrapados en largas filas en las intersecciones donde los semáforos cambian con un programa rígido e inalterable. Estos temporizadores fijos no saben si un carril está repleto de coches o vacío, lo que provoca una pérdida de tiempo, un consumo adicional de combustible mientras se permanece en ralentí y una frustrante acumulación de vehículos que ralentiza toda la red. En años recientes, los ingenieros han comenzado a conectar los coches a la propia infraestructura vial, permitiendo que los vehículos transmitan su velocidad y ubicación a unidades situadas al borde de la carretera. Este flujo de datos en tiempo real ofrece la oportunidad de ir más allá de los temporizadores estáticos, pero gestionar esta información requiere un cerebro central que pueda tomar decisiones rápidas y justas para todo el sistema. El desafío radica en crear un sistema de control que pueda ver instantáneamente qué vía está más congestionada, dar luz verde a ese carril y, al mismo tiempo, asegurar que ninguna otra dirección se quede esperando para siempre.

Investigadores de la Universidad de Pondicherry han desarrollado un nuevo enfoque para resolver este problema combinando la comunicación de los vehículos con un sistema de gestión de red centralizado conocido como redes definidas por software. En lugar de depender de temporizadores preestablecidos, su sistema actúa como un gestor de tráfico dinámico que escucha constantemente a los coches. A medida que los vehículos se acercan a una intersección, emiten breves balizas digitales que contienen su posición y velocidad. Las unidades situadas al borde de la carretera recopilan esta información y resumen las condiciones de cada carril, contando cuántos coches están detenidos o moviéndose lentamente y calculando su velocidad media. Este resumen se envía a un controlador central, que actúa como un centro de mando de tráfico, analizando los datos para determinar qué carril tiene la mayor demanda en ese momento exacto.

El sistema decide entonces qué semáforo debe ponerse en verde. Identifica el carril con mayor congestión y le otorga prioridad, permitiendo que esos vehículos despejen la intersección primero. Para garantizar la equidad, el sistema utiliza un método de rotación estructurado para los carriles restantes, de modo que si dos vías tienen niveles de tráfico similares, se turnan para recibir la luz verde en lugar de que una sea ignorada. Este proceso se repite cada cincuenta segundos, permitiendo que las señales de tráfico se adapten continuamente al flujo cambiante de vehículos. Los investigadores probaron esta idea utilizando una sofisticada simulación informática que modelaba una intersección urbana de cuatro vías con hasta 250 vehículos moviéndose a través de ella. Compararon su sistema adaptativo con las señales tradicionales de tiempo fijo y otros métodos existentes para ver qué tan bien funcionaba bajo condiciones de tráfico pesado.

Los resultados de estas simulaciones mostraron una clara ventaja para el enfoque adaptativo. Cuando el volumen de tráfico aumentaba, el sistema tradicional tenía dificultades, con vehículos esperando un promedio de más de cinco minutos durante las cargas máximas. En contraste, el nuevo sistema mantuvo los tiempos de espera significativamente más bajos, manteniéndolos en unos 51 segundos incluso cuando las carreteras estaban más congestionadas. Esta eficiencia se tradujo directamente en un mejor movimiento de los vehículos; a lo largo de la simulación, el sistema adaptativo permitió el paso de 415 coches por la intersección, en comparación con solo 261 con las señales tradicionales de tiempo fijo. Esto representa una mejora sustancial en la rapidez con la que la intersección podía despejar la acumulación de coches.

Más allá de simplemente mover los coches más rápido, el sistema también mejoró la comunicación entre los vehículos y la carretera. Debido a que las señales adaptativas despejaban las colas de manera más eficiente, hubo menos congestión en las carreteras, lo que a su vez redujo el número de paquetes de datos perdidos o retrasados durante la transmisión. El sistema mantuvo una tasa más alta de entrega exitosa de datos y mantuvo mucho más bajo el tiempo que tardaba la información en viajar de un punto a otro en comparación con los métodos convencionales. Además, la reducción del ralentí y de la conducción de parada y arranque condujo a una caída mensurable en el consumo de combustible, con vehículos utilizando significativamente menos combustible por trayecto en comparación con aquellos atrapados en las colas más largas creadas por los temporizadores fijos.

El estudio demuestra que, mediante el uso de datos en tiempo real para guiar las señales de tráfico, las ciudades pueden gestionar la congestión de manera más efectiva sin necesidad de construir nuevas carreteras. Si bien los resultados provienen de una simulación informática en lugar de una ciudad física, los hallazgos sugieren que un sistema capaz de escuchar a la carretera y ajustarse en tiempo real puede reducir significamente los retrasos, ahorrar combustible y mantener las redes de comunicación funcionando sin problemas. Los investigadores concluyen que este método ofrece una forma equilibrada y escalable de manejar las complejas demandas del tráfico urbano moderno, demostrando que un enfoque flexible y basado en datos es muy superior a los horarios rígidos del pasado.