Optimización multivariable de tráfico urbano mediante control inteligente distribuido
DOI:
https://doi.org/10.17979/ja-cea.2026.47.13881Palabras clave:
Gestión integrada del tráfico, Optimización distribuida para sistemas a gran escala, Control sobre redes, Sistemas multiagente, Coordinación de sistemas multivehículo, Sistemas de control embebidos en redResumen
Este artículo resume una línea de investigación orientada a la gestión inteligente del tráfico urbano mediante la transición de controladores estáticos a arquitecturas distribuidas multivariables.
Se describe el desarrollo de la arquitectura CICADA, la cual integra el control simultáneo de semáforos, límites de velocidad, giros y estacionamiento utilizando aprendizaje por refuerzo profundo y lógica deóntica para garantizar la seguridad normativa.
Las validaciones realizadas en entornos de simulación SUMO demuestran que la coordinación de estas variables permite reducir significativamente las colas, los tiempos de viaje y las emisiones contaminantes, superando el rendimiento de los enfoques monovariables tradicionales.
El sistema propuesto establece una base escalable para la futura movilidad conectada y autónoma en ciudades inteligentes.
Referencias
Abboud, K., Omar, H. A., Zhuang,W., 2016. Interworking of dsrc and celular network technologies for v2x communications: A survey. IEEE transactions on vehicular technology 65 (12), 9457–9470.
Chu, T., Wang, J., Codecà, L., Li, Z., 2019. Multi-agent deep reinforcement learning for large-scale traffic signal control. IEEE transactions on intelligent transportation systems 21 (3), 1086–1095.
Gartner, N. H., 1983. OPAC: A demand-responsive strategy for traffic signal control. No. 906.
Goodall, N. J., Smith, B. L., Park, B., 2013. Traffic signal control with connected vehicles. Transportation Research Record 2381 (1), 65–72.
Hunt, P., Robertson, D., Bretherton, R., Winton, R., 1981. Scoot-a traffic responsive method of coordinating signals. Tech. rep.
Iza, C., Iza, D., Posadas-Yagüe, J.-L., Poza-Lujan, J.-L., 2026a. Coordinated optimization of speed, parking, and turns in an integrated urban traffic system. Expert Systems with Applications 323, 132249. DOI: https://doi.org/10.1016/j.eswa.2026.132249
Iza, C., Iza, J., Posadas-Yagüe, J.-L., Poza-Lujan, J.-L., 2026b. Urban traffic optimization through traffic rule changes at intersections. In: Min-Allah, N., Alissa, K., Sitek, P., Sano, M., Rodr´ıguez, S., Nongaillard, A. (Eds.), Distributed Computing and Artificial Intelligence, 22nd International Conference. Springer Nature Switzerland, Cham, pp. 361–371.
Iza, C., Iza, J., Posadas-Yagüe, J.-L., Poza-Lujan, J.-L., Dec. 2025a. Integration of speed control and parking management in sumo for urban traffic optimization. ADCAIJ: Advances in Distributed Computing and Artificial Intelligence Journal 14, e33585. DOI: 10.14201/adcaij.33585
Iza, C., Uribe-Chavert, P., Posadas-Yag¨ue, J.-L., Poza-Lujan, J.-L., 2025b. A scalable control solution for traffic signal coordination for adaptable and responsiveness streets. In: Marreiros, G., Grande, L., Llerena, J. P., Conceicäo, L., Ko, H., Plaza, M., Ricca, M. (Eds.), Distributed Computing and Artificial Intelligence, Special Sessions II, 21st International Conference. Springer Nature Switzerland, Cham, pp. 272–278.
Iza Guzmán, C. F., 2023. Dispositivo de regulaci´on del tr´afico para optimizar el tr´ansito en intersecciones.
Lowrie, P., 1990. Scats, sydney co-ordinated adaptive traffic system: A traffic responsive method of controlling urban traffic.
Moreno-Malo, J., Posadas-Yagüe, J.-L., Cano, J. C., Calafate, C. T., Conejero, J. A., Poza-Lujan, J.-L., 2024. Improving traffic light systems using Deep q-networks. Expert Systems with Applications 252, 124178.
Oroojlooy, A., Nazari, M., Hajinezhad, D., Silva, J., 2020. Attendlight: Universal attention-based reinforcement learning model for traffic signal control. Advances in Neural Information Processing Systems 33, 4079–4090.
Waheed, A., Krishna, P. V., Sadoun, B., Obaidat, M., et al., 2021. Learning automata and reservation based secure smart parking system: Methodology and simulation analysis. Simulation Modelling Practice and Theory 106, 102205.
Zhang, Y., Quinones-Grueiro, M., Zhang, Z., Wang, Y., Barbour, W., Biswas, G.,Work, D., 2023. Marvel: Multi-agent reinforcement-learning for largescale variable speed limits. arXiv preprint arXiv:2310.12359.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Cristian Iza, Juan-Luis Posadas-Yagüe, Miguel Rebollo, Jose-Luis Poza-Lujan
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
