DIAGRAMAS DE FLUJO

Autor: CASAS VILARO JORDI.
Año: 2004.
Universidad: POLITÉCNICA DE CATALUÑA.
Centro de lectura: SALA DE JUNTES DE LA FACULTAT DE MATEMÀTIQUES.
Centro de realización: EDIFICI A0 - OMEGA Campus NORD.

Resumen: El punt d'inici d'aquesta tesis és la proposta d'una arquitectura per sistemes avançats de gestió i control de trànsit i sistemes avançats d'informació de trànsit que utilitzen models de simulació microscòpica com a suport en el procés de decisió en la gestió i en la disseminació d'informació. Aquesta proposta és el primer objectiu del treball realitzat en aquesta tesis i que ha estat avaluada en el marc dels projectes Europeus PETRI i CAPITALS. La factibilitat de l'arquitectura proposada depèn de la capacitat de predicció a curt termini de les condicions de trànsit de la xarxa ja que aquesta esdevé la principal component de l'arquitectura proposada. La predicció a curt termini es recolza en la predicció dinàmica de les matrius OD i la utilització d'un model de simulació microscòpica, que rep com a dades d'entrada la matriu OD predita i genera com a resultat l'estat de la xarxa. Els requeriments de la predicció a curt termini ens condueixen a identificar un segon objectiu de la tesis: l'estimació de les matrius OD en temps real. La recerca portada a terme en aquest treball explora l'estimació dinàmica de matrius OD combinant les mesures de detecció en temps real d'un subconjunt d'arcs de la xarxa viària i les matrius OD històriques. La solució proposada per l'estimació dinàmica de l'estat de la xarxa en termes de l'estimació de matrius OD es base en xarxes neuronals que son candidates naturals en models de predicció i tenen una estructura fàcilment paral·lelitzable per aconseguir els requeriments computacionals en aplicacions en temps real. La predicció dinàmica de l'estat de la xarxa utilitzant les xarxes neuronals tenen com a principal inconvenient: la quantitat de dades necessàries per un correcte aprenentatge, degut per una banda al tamany de la xarxa neuronal i per l'altra la quantitat de paràmetres a estimar, i, com a conseqüència la no factibilitat del procés d'aprenentatge. Aquesta tesis proposa solucionar aquest problema identificant que els patrons de mobilitat entre parells OD venen determinats pels camins que els connecten, i llavors classificant els parells OD en diferents grups en funció de l'estructura d'aquests camins. Aquesta tècnica permet particionar la xarxa neuronal original amb un gran tamany en diverses xarxes neuronals més petites on el procés d'aprenentatge és més senzill i factible. Aquesta solució ens porta a un problema complementari: la qualitat dels grups, i com a conseqüència les xarxes neuronals associades, depèn de la qualitat de la definició dels camins. La solució proposada consisteix en obtenir els camins aplicant una heurística d'assignació dinàmica de trànsit basada en microsimulació. La heurística d'assignació de trànsit esdevé la component principal de l'arquitectura proposada degut a que soluciona el problema de la partició de la xarxa neuronal en altres de més petites independents o quasi independents i, també, permet determinar l'estat de la xarxa utilitzant la microsimulació a partir de l'estimació de les matrius OD i, al mateix temps, la generació dels patrons d'aprenentatge de les xarxes neuronals. La implementació de la solució proposada utilitzant la microsimulació requeria un desenvolupament complementari en el microsimulador AIMSUN per dotar-lo d'un conjunt de noves funcionalitats: càlcul de camins mínims utilitzant funcions de cost dependents del temps, funcions de selecció de rutes coherents amb els principis de assignació dinàmica de trànsit, eines gràfiques per permetre l'anàlisi dels camins utilitzats i altres eines de suport necessàries pel procés de validació dels models de simulació.