Modelo de optimizacin con restricciones de equilibrio para el control de semforos

MODELO DE OPTIMIZACIN CON RESTRICCIONES DE EQUILIBRIO PARA EL CONTROL DE SEMFOROS

Allende, Sira [sira@matcom.uh.cu] Universidad de La Habana (La Habana-Cuba). Blanco Louro, Amalia [amaliabl@udc.es] Lema Fernndez, Carmen S.[colito@udc.es] Pedreira Andrade, Lus P. [lucky@udc.es] Dpto. Economa Aplicada II Universidad de A Corua.

RESUMEN
En este trabajo analizamos un problema de control ptimo de semforos para un cruce de dos carreteras con los dos sentidos de circulacin. Exponemos primero, un modelo exacto y acclico que describe la evolucin de las longitudes de las colas como una funcin del tiempo y de los instantes de cambio (switching). Para obtener un modelo simplificado (ms manejable para el anlisis matemtico) hacemos algunas hiptesis simplificadoras. Pretendemos calcular una sucesin temporal switching para semforos que minimiza un criterio, tal como la longitud media de la cola sobre todas las colas, la longitud de la cola en el peor caso, el tiempo medio de espera, etc. Interpretamos las restricciones de nuestro problema como un problema de complementariedad lineal extendido (ELCP), por tanto para determinar la sucesin temporal switching ptima, debemos optimizar la funcin objetivo en la solucin del ELCP, como ste es un problema NP-duro y adems como los algoritmos para resolverlo no son factibles cuando el nmero de ciclos es grande, discutimos varias tcnicas para calcular eficientemente subptimos y aproximar sucesiones temporales switching. Tambin, exponemos un modelo con restricciones de complementariedad y proponemos un mtodo hbrido de solucin. Palabras clave: Optimizacin, Trfico, Control de semforos, Sucesin temporal switching. Clasificacin JEL: C61. rea temtica: Optimizacin, Programacin y Teora de Juegos.
XIV Jornadas de ASEPUMA y II Encuentro Internacional 1

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

1. INTRODUCCIN
Como el nmero de vehculos y las necesidades de transporte crecen, las ciudades del mundo muestran serios problemas de congestin de trfico en sus carreteras. Los costes incluyen prdida del tiempo de trabajo y del tiempo libre, aumento de consumo del combustible, contaminacin, problemas de salud, stress y malestar, en general. Adems, la congestin retarda el movimiento de mercancas y de servicios, de tal modo que, aumenta el precio de los productos y reduce la competitividad de los negocios. En general hay diferentes mtodos para afrontar el problema de congestin de trfico: Construccin de nuevas carreteras o ampliacin de las ya existentes (para eliminar los cuellos de botella o para realizar nuevas formas de incorporacin). Estimular tanto el uso del transporte pblico como una ocupacin mayor en los vehculos por medio de precios y tasas apropiados. Regular y redirigir el flujo de trfico usando medidas tales como: paneles dinmicos con informacin de las rutas (que indican velocidades apropiadas, direcciones preferentes, o informacin de la longitud y duracin de las caravanas), control de semforos en entornos urbanos, es decir frecuencia variable en el cambio de luces para proporcionar una circulacin suave y evitar largas colas en unas calles y circulacin escasa en otras. Nosotros, pretendemos afrontar el problema de congestin de trfico usando este ltimo mtodo, es decir, confeccionando un modelo para control de semforos en un entorno urbano.

2. EL EJEMPLO Y SU MODELIZACIN
2.1. El ejemplo

XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

Consideramos un cruce de dos carreteras con los dos sentidos de circulacin. Hay cuatro carriles L1, L2, L3 y L4 y en cada esquina del cruce hay un semforo (T1, T2, T3 y T4), (Ver figura). Para cada semforo hay tres fases consecutivas: verde, mbar y roja; por tanto, cada fase corresponde a un color de luz. La tasa de llegada de coches en el carril Li en el tiempo t es i(t) para i=1,2,3,4. Cuando el semforo est verde (respectivamente mbar) la tasa de salida en el carril Li en el tiempo t es i(t) (respectivamente i(t)) para i=1,2,3,4. Suponemos que la luz mbar permanece encendida durante un espacio de tiempo fijo e igual a amb (este tiempo se determina segn normas establecidas, hay distintos tipos de norma: americana, europea, etc; en general flucta entre los 3 y los 4 segundos). La luz verde permanece encendida durante un espacio de tiempo variable, que se calcula segn: la velocidad admitida en las vas, el nmero de carriles, la afluencia de vehculos, etc.; flucta entre los 20 y los 30 segundos. Consideramos que la luz roja de un semforo est encendida durante un espacio de tiempo igual a la suma de los tiempos en que estn encendidas las luces verde y mbar de los semforos situados en las vas opuestas. (Ver tabla). Sea un intervalo de tiempo [t0,tN] y un nmero N de cambios de seales previstos. Sean t0,t2,t4, los instantes de tiempo en los que los semforos T1 y T3 cambian de mbar a rojo (y T2 y T4 cambian de rojo a verde). Sean t1, t3, t5, los instantes de tiempo en los cuales los semforos T1 y T3 cambian de rojo a verde (y T2 y T4 cambian de mbar a rojo). En la siguiente tabla mostramos el esquema de cambios (switching) en los semforos. Perodo [t0,t1-amb) [t1-amb,t1) [t1, t2-amb) [t2-amb,t2) [t2, t3-amb) [t3-amb,t3) Para modelizar estas T1 rojo rojo verde mbar rojo rojo .. T2 verde mbar rojo rojo verde mbar .. T3 rojo rojo verde mbar rojo rojo .. T4 verde mbar rojo rojo verde mbar .. G1=G3={1,3,} y

situaciones

consideramos:

G2=G4={0,2,}. As si kGi entonces el semforo Ti cambia de rojo a verde en el instante tk y est verde en el perodo (tk, tk+1-amb). Definimos k=tk+1-tk, k=0,1,2,,N-1. Es obvio que tenemos 0 amb k para todo k. Adems i(t), i(t), i(t)0 para todos i,t

XIV Jornadas de ASEPUMA y II Encuentro Internacional

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

y tk<tk+1 para todo k. Sea li(t) la longitud de la cola (es decir el nmero de coches esperando) en el carril Li en el instante de tiempo t. Claramente li(t)0 para todos i,t. 2.2. El modelo exacto Consideremos el carril L1. Cuando el semforo T1 est rojo, hay llegadas al carril L1 (caracterizadas por la funcin tasa de llegada 1) y no hay salidas. Cuando el semforo T1 est verde (o mbar), hay llegadas y salidas en el carril L1. En ese caso la tasa neta de crecimiento de la cola en el tiempo t es 1(t)-1(t), (respectivamente 1(t)-1(t)). Adems, la evolucin de la longitud de cola en el carril L1 est dada por:
1 ( t ) dl1 ( t ) = 1 ( t ) 1 ( t ) dt ( t ) ( t ) 1 1 si t ( t 2 k , t 2 k +1 ) si t ( t 2 k +1 , t 2 k + 2 amb ) si t ( t 2 k + 2 amb , t 2 k + 2 )

(1)

para k=0,1,2, Esto implica que la relacin entre las longitudes de las colas y los instantes de tiempo switching viene dada por: l1(t2k+1)=l1(t2k)+
t 2 k +1 t2k

1 ( t )dt
t 2k+2 t 2 k + 2 amb

(2)
( 1 ( t ) 1 ( t ))dt (3)

l1(t2k+2)=l1(t2k+1)+

t 2 k + 2 amb t 2 k +1

( 1 ( t ) 1 ( t ))dt +

para k=0,1,2, Podemos escribir ecuaciones anlogas para la evolucin de las longitudes de cola en los otros carriles.
2.2. Un modelo simplificado

El modelo descrito arriba no es manejable para el anlisis matemtico, por tanto introducimos ahora algunas hiptesis con las que obtenemos un modelo (aproximado) ms simple que se puede analizar ms fcilmente y para el cual podemos calcular una sucesin temporal switching ptima para los semforos. Desde ahora introducimos las siguientes hiptesis: Las longitudes de las colas son variables continuas. La tasa media de llegadas y salidas de coches es constante (o vara muy despacio en el tiempo). Para cada carril la tasa media de salidas durante la fase verde es mayor o igual que la tasa media de salidas durante la fase mbar. Sea i la tasa media de llegada de vehculos en el carril Li (dada en vehculos por segundo). Sea i (respectivamente i) la tasa media de salida en el carril Li cuando el semforo est verde (respectivamente mbar) y la longitud de cola es mayor que 0 (es
4 XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

decir, cuando hay coches esperando o llegando al carril Li). As a partir de ahora suponemos que:
i i (t) = 0

i(t)= i para todo t,

si t
kG i

U (t
k +1

, t k +1 amb ) y l i ( t ) > 0

en otro caso

i i (t) = 0

si t

en otro caso

kG i

U (t

amb , t k +1 ) y l i ( t ) > 0

Ntese que i, i y i son constantes (posiblemente sobre un perodo limitado de tiempo). Adems i0, i0, i0 y i i. Hemos de tener en cuenta que si consideramos (1) y (2)-(3), entonces la longitud de cola nunca es negativa. Sin embargo, si usamos las tasas medias de llegada y de salida en la descripcin de la evolucin de las longitudes de cola, entonces hemos de incluir explcitamente la condicin de no negatividad cuando escribamos ms adelante las ecuaciones (aproximadas) de evolucin de las longitudes de cola. Como consecuencia tenemos: l1(t2k+1)=l1(t2k)+ 12k (4) (5)

l1(t2k+2-amb)=max (l1(t2k+1)+( 1- 1)(2k+1-amb), 0) l1(t2k+2)=max (l1(t2k+2-amb)+( 1- 1)amb, 0)=

=max(l1(t2k+1)+( 1- 1)2k+1+( 1- 1)amb,( 1- 1)amb, 0) para k=0,1,2, Tengamos en cuenta que tambin l1(t2k+1)=max (l1(t2k)+ 12k, 0) para k=0,1,2,, adems li(t)0, t. Podemos escribir ecuaciones similares para l2(tk), l3(tk) y l4(tk). Si definimos
1 1 1 0 l1 ( t k ) ( ) l ( t ) 2 2 2 2 amb xk= 2 k , b1= , b2= , b3= 2 , 3 3 3 l 3 ( t k ) 0 l 4 ( t k ) ( 4 4 ) amb 4 4 4

(1 1 ) amb max(( 2 0 b4= , b5= ( 3 3 ) amb 0 max(( 4

0 2 ) amb , 0) , b6= 0 4 ) amb , 0)

max(( 1 1 ) amb , 0) 0 max(( 3 3 ) amb ,0) 0

Entonces tenemos (para k=0,1,2,)

x2k+1=max(x2k+b12k+b3, b5) x2k+2=max(x2k+1+b22k+1+b4, b6)
XIV Jornadas de ASEPUMA y II Encuentro Internacional

(6) (7)
5

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

Definicin 2.1 Las sucesiones {xk}k=0,1,,N y {k}k=0,,N-1 son compatibles (para amb,

is, is y is dados) si satisfacen las ecuaciones de recurrencia (6)-(7) para todo k.

Nota. El modelo que hemos obtenido es diferente de los modelos usados por la mayora

de los investigadores debido a que consideramos que las longitudes de los ciclos verdembar-rojo pueden variar de ciclo a ciclo, es decir hemos obtenido un modelo acclico.

3. CONTROL PTIMO
3.1. Exposicin del problema

Desde ahora suponemos que conocemos las tasas de llegada y de salida. Para un entero N dado, y un tiempo inicial t0, queremos calcular una sucesin ptima t1, t2,,tN de tiempos switching que minimice un criterio dado J. Definimos
Gi(N)= Gi{0,1,2,,N-1}. Las posibles funciones objetivo son:

Longitud media de la cola sobre todas las colas J1= w i

i =1

tN t0

l i ( t )dt

tN - t0

(8)

Longitud media de la cola sobre la peor cola Longitud de cola en el peor caso

J 2 = max w i i
i, t

tN t0

li (t) dt t N t0

(9) (10)

J3= max (w i li ( t ))
4

Tiempo de espera medio sobre todas las colas J4= w i

i =1

tN t0

l i ( t )dt

i (t N t 0 )

(11)

(El tiempo de espera medio es igual a la longitud media de cola dividida por la tasa media de llegada). Tiempo de espera medio sobre la peor cola
tN li (t)dt t 0 J 5 = max w i i (t t ) i N 0

(12)

donde wi>0 para todo i. Los factores peso wi se pueden usar para dar una importancia ms alta o peso a algunos carriles, por ejemplo escogemos w1=w3=2 y w2=w4=1 para dar una importancia 100% ms alta a los coches que circulan sobre la calle formada por los carriles L1 y L3. Podemos imponer algunas condiciones extras, tales como las duraciones mnimas y mximas para los tiempos verde y rojo o longitudes mximas para las colas, (esto podra corresponder a una cota superior del espacio disponible debido a la
6 XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

distancia con la incorporacin precedente o por las caractersticas del cruce). Esto nos lleva al problema P siguiente: sujeto a: min,verde,12k+1-ambmax,verde,1 min,verde,22k-ambmax,verde,2
xkxmax x2k+1=max(x2k+b12k+b3, b5)

Minimizar J

(13)

para k=0,1,,.[N/2]-1, para k=0,1,,[(N-1)/2], para k=1,2,,N para k=0,1,,[(N-1)/2],

(14) (15) (16) (17) (18)

x2k+2=max(x2k+1+b22k+1+b4, b6) para k=0,1,,.[N/2]-1

donde min,verde,i (respectivamente max,verde,i) es el mnimo (respectivamente el mximo) tiempo verde en el carril Li, y (xmax)i es la mxima longitud de cola en el carril Li. Ntese que tambin podramos considerar que min,verde,i, max,verde,i y xmax dependen de k. En todo lo que sigue suponemos que x0 xmax. A continuacin discutimos algunos mtodos para resolver el problema (13)-(18). Primeramente, -basndonos en el trabajo de B. de Schutter and B. de Moor (1998)-, vamos a interpretar las restricciones (14)-(18) como un problema de complementariedad lineal extendido. Para ello damos las siguientes definiciones:
Definicin 3.1 El problema de complementariedad lineal (LCP) [R.W. Cottle, J. S.

Pang and R.E. Stone. (1992)], est definido as: Dada una matriz MIRnxn y un vector
T qIRn, hallar dos vectores x,y IR n + , tales que y=q+Mx, x y=0.

Definicin 3.2 El problema de complementariedad lineal extendida (ELCP) es una

extensin del LCP y est definido as: Dadas dos matrices M,NIRmxn y dado C un
T poliedro de IRm, hallar dos vectores x,y IR n + , tales que Mx-NyC, x y=0.

Cuando m=n, N=I y C={-q}, este problema se reduce al LCP. Para construir el ELCP, primero consideramos (17) para un ndice arbitrario k. Esta ecuacin se puede reescribir como sigue: x2k+1 x2k+b12k+b3
x2k+1b5 (x2k+1)i=(x2k+b12k+b3)i o (x2k+1)i=(b5)i

(19) (20)

para i=1,2,3,4

(21)

o equivalentemente:

x2k+1- x2k-b12k-b30 x2k+1- b50 (x2k+1-x2k-b12k-b3)i (x2k+1-b5)i=0

para i=1,2,3,4

Como una suma de nmeros no negativos es igual a 0 si y slo s todos los nmeros son iguales a 0, este sistema de ecuaciones es equivalente a:
XIV Jornadas de ASEPUMA y II Encuentro Internacional 7

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

x2k+1- x2k-b12k-b30 x2k+1- b50

(22) (23) (24)

i =1

(x2k+1-x2k-b12k-b3)i (x2k+1-b5)i=0

Podemos repetir este razonamiento para (18) y para cada k. As si definimos:

x*=[x1, x2, , xN]T y *=[0, 1, , N-1]T

es fcil comprobar que finalmente tenemos un problema P de la forma minimizar J sujeto a:

Ax*+B*+c0 x*+d0 Ex*+F*+g0

(25) (26) (27) (28) (29)

(Ax*+B*+c)T (x*+d)=0 con matrices A, B, E, F y vectores c,d,g definidos de la siguiente forma:

La matriz A es una matriz cuadrada de orden 4N ya que tiene N filas (=columnas) de bloques y cada bloque tiene tantas filas (=columnas) como nmero de semforos (en nuestro ejemplo, cuatro). Es triangular inferior con bloques identidad (I4) en la diagonal principal y con bloques identidad (-I4) a la izquierda de la diagonal principal, el resto son bloques cero (04). Por tanto sus menores principales dominantes son positivos, luego A es una P-matriz. La matriz B es de orden 4NxN ya que tiene N filas (=columnas) de bloques y cada bloque es un bloque columna con tantas filas como numero de semforos. En la diagonal se alternan los bloques (-b1), (-b2) y el resto son bloques cero (04x1), el bloque del extremo inferior derecho ser (-b1) si N es impar y (-b2) si N es par. La matriz E es una matriz cuadrada de orden 4N, la matriz F es de orden 4NxN corresponden a las restricciones de acotacin de los delta y de las longitudes de cola. Los vectores c,d,g son vectores columna de orden 4Nx1 formados N bloques columna y cada bloque tiene tantas filas como nmero de semforos. En el vector c los bloques se van alternado (-b3), (-b4) y el ltimo ser (-b3) si N es impar y (-b4) si N es par. En el vector d los bloques se van alternando (-b5), (-b6) y el ltimo ser (-b5) si N es impar y (-b6) si N es par. En el vector g se van alternando (b3-b5+b6) y (-b4+b5-b6) y el ltimo ser (b3-b5+b6) si N es impar y (-b4+b5-b6) si N es par.
8 XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

Las ecuaciones (26), (27) y (29) corresponden, respectivamente, a (22), (23) y (24), y el sistema de desigualdades lineales (28) contiene a las condiciones (14)-(16).
Defincin 3.3 Decimos que los vectores x* y * son compatibles para un x0 dado si las
N N -1 sucesiones correspondientes {xk} k = 0 y {k} k = 0 son compatibles.

En lo que sigue un vector x* (IR + )

4N

se corresponder con una sucesin

N {xk} k =1 y viceversa, con (x*)4(k-1)+j=(xk)j para k=1,2,, N y j=1,2,3,4. Un vector

+ N N -1 ) se corresponder con una sucesin {k} k * (IR o = 0 y viceversa, con (*)k=k-1 para

k=1,2,,N. Como hemos indicado antes, el sistema (26)-(29) es un caso especial de un problema de complementariedad lineal extendido (ELCP). Para determinar la sucesin temporal switching ptima deberemos optimizar la funcin objetivo J en la solucin del ELCP (26)-(29). B. de Schutter and B. de Moor (1995) desarrollan un algoritmo para encontrar todas las soluciones de un ELCP, pero es un algoritmo que requiere tiempos de ejecucin exponenciales. Esto implica que el ELCP no es factible si el nmero de ciclos switching N es grande. Por tanto estos autores (1998) hacen algunas aproximaciones extra que les llevan a algoritmos muy eficientes para calcular sucesiones temporales switching subptimas y que aproximan el ptimo exacto bastante bien, as proponen resolver un problema que llamaremos aproximado relajado PAR.
3.2. El problema aproximado relajado y las soluciones subptimas.

Dichos autores, primero introducen unas funciones objetivo aproximadas que dependen explcitamente de x* y *, de la siguiente forma: dados x0 y t0, definen la ~ ~ funcin li (., x*,*), -o para abreviar li (.) - como la funcin lineal a trozos que interpola ~ en los puntos ((tk,li(tk)) para k=0,1,,N. Las funciones objetivo aproximadas Jl para ~ l=1,2,3,4,5 estn definidas como en (8)-(12) pero reemplazando li por li . En la prctica, la longitud de la fase mbar ser pequea comparada con la longitud de la fase verde o de la fase roja. Adems, una sucesin temporal switching ptima para semforos implica la ausencia de largos perodos en los cuales no espera ningn coche en un carril, mientras que en otros carriles las longitudes de cola aumentan. As si tenemos una sucesin temporal switching ptima para semforos, entonces los perodos durante los cuales la longitud de cola en algn carril es igual a cero son en general cortos. Como
XIV Jornadas de ASEPUMA y II Encuentro Internacional 9

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

consecuencia, para esquemas switching para semforos en un entorno, el esquema ~ ptimo Jl ser una buena aproximacin de Jl. Se define el problema relajado PR correspondiente al problema original P as: Minimizar J sujeto a: min,verde,12k+1-ambmax,verde,1 min,verde,22k-ambmax,verde,2
xkxmax x2k+1x2k+b12k+b3 x2k+1 b5 x2k+2x2k+1+b22k+1+b4 x2k+2 b6

(30) (31) (32) (33) (34) (35) (36) (37)

para k=0,1,,[N/2]-1, para k=0,1,, [(N-1)/2], para k=1,2,,N para k=0,1,, [(N-1)/2], para k=0,1,, [(N-1)/2], para k=0,1,, [N/2]-1, para k=0,1,, [N/2]-1,

Fijmonos en que si comparamos con el problema original, hemos reemplazado (17)-(18) por ecuaciones relajadas de la forma (19)-(20) sin tener en cuenta (21). Ntese que en general es ms fcil resolver el problema relajado PR ya que el conjunto de soluciones factibles de este problema es un conjunto convexo, mientras que el conjunto de soluciones factibles de P es en general no convexo, ya que consiste en la unin de caras del poliedro definido por el sistema de desigualdades (31)-(37). Se verifican las siguientes propiedades:
+ N Propiedad 3.1 Sean x0(IR+)4, x*(IR+)4N y * (IR 0 ) . Si x* y * son compatibles

~ ~ para x0 entonces tenemos que: J3(*)= J3 (x*,*) y Jl(*) Jl (x*,*) para l=1,2,4,5.
Propiedad 3.2 Si J es una funcin estrictamente montona de x (es decir si para cada *
*, con 0 ~ *, y con ~ * con componentes positivas y para todos ~ x*, x x*x x* j < x j para al
*, *) ) entonces cada solucin del x*, *) <J( x menos un ndice j, tenemos que J( ~

problema relajado PR es tambin una solucin del problema original P. ~ Propiedad 3.3 Para dados x0, amb, is, is y is y un * dado, las funciones J1 y ~ J4 son funciones estrictamente montonas de x*. Como consecuencia si llamamos problema:
~ Minimizar J ~ Minimizar J
10

problema aproximado relajado

PAR

al

sujeto a: (31) - (37) y problema aproximado PA a: sujeto a: (14) (18)

XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

si usamos como funcin objetivo

~ ~ J1 o J4 (que son estrictamente montonas de x*)

hemos probado que toda solucin del problema aproximado relajado es una solucin del problema aproximado y esta es una solucin suficientemente buena para el problema P, ~ ~ ~ segn hemos justificado anteriormente. Sin embargo las funciones J2 , J3 y J5 no son funciones estrictamente montonas de x* para un * dado, por lo que no podemos ~ ~ obtener para ellas resultados anlogos a los encontrados para J1 o J4 .

4.MODELO CON RESTRICCIONES DE COMPLEMENTARIEDAD PROPUESTA DE UN MTODO HBRIDO DE SOLUCIN

Como hemos visto B. de Schutter and B. de Moor (1998) proponen algoritmos de solucin de un problema aproximado basados en la relajacin de ste. Como los autores sealan, estos algoritmos conducen, en general, a soluciones subptimas. El problema ELCP es un problema NP-duro. Todo esto justifica la aplicacin de un algoritmo heurstico de solucin. El mtodo de solucin que proponemos se basa en la propiedad que a continuacin demostramos y la descomposicin del vector solucin en la forma x*(*).
+ N ) , las restricciones de ELCP describen un problema Propiedad 4.1 Para cada * (IR o

de complementariedad lineal con solucin nica. Demostracin.- Al considerar el cambio de variable x*+d=y se obtiene el problema LCP con matriz A y trmino independiente B*+c-Ad. La matriz A es triangular inferior con elementos positivos (1) en la diagonal principal, por tanto P-matriz y como consecuencia, [R.W. Cottle, J. S. Pang and R.E. Stone. (1992)], el problema LCP(*) tiene solucin nica, esto quiere decir que dado * la longitud de las colas est unvocamente determinada. El mtodo de solucin consistir en una heurstica para fijar los valores de * mas un algoritmo eficiente para resolver el problema LCP(*) :
=M (valor suficientemente grande), k=1. Repetir q veces. 0) J

1) Mediante una heurstica se explora el dominio acotado del vector *: Construir

un vector *.
2) Fijado *, se determina la solucin factible nica del problema de

complementariedad lineal LCP(*) correspondiente. Sea x*(*) dicha solucin.

XIV Jornadas de ASEPUMA y II Encuentro Internacional 11

Allende, Sira; Blanco Louro, Amalia; Lema Fernndez, Carmen; Pedreira Andrade, Lus

3) Se evalan las funciones Ji segn los distintos criterios.

(s)= * entonces J :=JS(x*(*)) y 4) Para cada criterio s: Si Js(x*(*))< J S S

q=q+1.

5. RESULTADOS
Una versin primaria del algoritmo basado en el mtodo descrito fue programado en MATLAB. A modo de ilustracin presentamos el siguiente ejemplo: Datos: 5 fases. Tiempo en mbar: 3 seg. Carril 1 Tasa-llegada 0.3 Tasa-sal. ver. 0.2 Tasa-sal. mb. 0.4 Pesos 0.1 Mn. Verde 1 3 Mn. Verde 2 30 Resultados: Longitud de cola Fase 1 Fase 2 Fase 3 Fase 4 Fase 5 Carril 1 8.5960 0 5.81 0 8.11 Carril 2 Carril 3 Carril 4 Delta 3.4653 13.4267 0 28.6535 0 0 1.84 9.2407 2.53 8.79 0 19.3847 2.29 0 3.22 16.1215 1 12.63 0 27.0651 Suma tiempo: 73.4005 Carril 2 Carril 3 Carril 4 0.3 0.5 0.2 0.2 0.1 0.2 0.4 0.2 0.2 0.2 0.5 0.2

Longitud media de la cola sobre todas las colas 7.7011 Longitud media de la cola sobre la peor cola 2.6207 Longitud de la cola en el peor caso 6.7134

6. CONCLUSIONES Y FUTURAS LNEAS DE DESARROLLO Se ha modelado el problema como un MPEC y analizado su estructura particular.
Se propone un mtodo de solucin que combina la aplicacin de algoritmos para el problema LCP y una heurstica para fijar *. Este enfoque tiene como ventajas: Es sencillo, adaptable a variaciones en los datos y en el modelo y rpido en su ejecucin. Permite introducir un dilogo con el usuario a partir de los resultados y, segn los criterios evaluados, ofrecer a ste la posibilidad del anlisis de diversas alternativas de operacin.
12

Posibilidad de instrumentar distintos algoritmos heursticos en el primer paso.

XIV Jornadas de ASEPUMA y II Encuentro Internacional

Modelo de optimizacin con restricciones de equilibrio para el control de semforos

El algoritmo propuesto por B. de Schutter and B. de Moor (1998) trabaja con un problema relajado y caracterizando puntos estacionarios. Las heursticas ofrecen la opcin de explorar la regin de soluciones escapando de extremos locales.

Podemos considerar la minimizacin de la congestin medida por cualquiera de los criterios an cuando la funcin no sea diferenciable. En el futuro nuestras lneas de estudio irn encaminadas hacia:

Desarrollar una estrategia adecuada de construccin/generacin de nuevos valores

k +1 en cada iteracin, teniendo en cuenta las longitudes de las colas obtenidas de la solucin del LCP ( k ). Modelar y estudiar situaciones en cruces ms complejos, por ejemplo extender los resultados obtenidos en este estudio para redes de colas dependientes, es decir, una situacin donde las salidas de algunas colas sern conectadas con las entradas de otras colas. En el ejemplo sencillo de regulacin de semforos que hemos estudiado, no consideramos que los coches puedan girar a la izquierda, a la derecha o seguir de frente. Por tanto tambin podramos tratar de encontrar una sucesin temporal switching ptima para semforos en la situacin que consiste en cuatro fases principales, en la primera de ellas los coches situados sobre el eje Norte-Sur pueden seguir de frente o girar a la derecha, en la siguiente pueden girar a la izquierda, y en las dos siguientes fases principales se repite el mismo proceso pero para el trfico situado sobre el eje este-oeste. [B. de Schutter, (2002)].

7. REFERENCIAS BIBLIOGRFICAS
R.W. COTTLE, J. S. PANG AND R.E. STONE, (1992) The Linear
Complementarity Problem. Academic Press, Boston.

B. DE SCHUTTER AND B. DE MOOR, (1995) The extended linear complementarity problem, Mathematical Programming, 71, 3, pp. 289-325.

B. DE SCHUTTER AND B. DE MOOR, (1998) Optimal traffic light control for a single intersection, European Journal of Control, 4, 3, pp. 260-276. B. DE SCHUTTER, (2002) Optimizing acyclic traffic signal switching sequences through an extended linear complementarity problem formulation, European Journal of Operational Research,139, 2, pp. 400-415.
XIV Jornadas de ASEPUMA y II Encuentro Internacional 13