InicioIA y Aprendizaje AutomáticoGemelo Digital de Semáforos Adaptativos

🚦 Gemelo Digital de Semáforos Adaptativos

Gemelo digital interactivo de semáforos: una cuadrícula vial de 3x3 ejecuta señales de tiempo fijo o adaptativas conscientes de la cola — observa cómo la congestión y el tiempo de espera medio divergen en tiempo real.

IA y Aprendizaje Automático3DAvanzado60 FPS
ai-smart-city-planning ↗ Abrir independiente

Acerca del Gemelo Digital de Semáforos Adaptativos

Esta simulación es un pequeño gemelo digital de una red vial: una cuadrícula de 3×3 de intersecciones semaforizadas conectadas por calles de doble sentido. Los vehículos aparecen en los doce puntos de entrada del borde a una tasa de llegada configurable, se enrutan hacia un punto de salida aleatorio, y hacen cola físicamente detrás de los semáforos en rojo — los coches se apilan parachoques contra parachoques cuando el semáforo de delante está en rojo y fluyen hacia adelante a una tasa limitada una vez que se pone en verde, exactamente como un carril de acceso real.

Se pueden ejecutar y comparar dos estrategias de control de señales. El control de tiempo fijo alterna cada intersección entre verde norte-sur y verde este-oeste con un temporizador rígido, sin importar la demanda. El control adaptativo usa una regla simple de señal actuada: cada intersección lee la longitud de la cola en vivo en cada acceso y mantiene la dirección actual en verde mientras todavía tenga tráfico en cola y no se haya alcanzado el tiempo máximo de verde; una vez alcanzado ese límite, o si la cola en el acceso en rojo supera la del acceso en verde, cambia. Ejecuta cada modo, observa cómo se actualizan en vivo los vehículos en el sistema, los viajes completados, el tiempo de espera medio y el rendimiento, y compara el tiempo de espera medio resultante entre las dos estrategias una vez que hayas ejecutado ambas.

Preguntas Frecuentes

¿Qué significa realmente el control "adaptativo" o actuado de semáforos en despliegues reales?

Una señal actuada usa sensores — bucles inductivos cortados en la superficie de la carretera, detección por vídeo o radar — para detectar vehículos presentes en cada acceso y ajustar la temporización de la señal en respuesta, en lugar de ejecutar un ciclo fijo preestablecido. La lógica actuada más simple, que esta simulación implementa, mantiene una fase en verde mientras siguen llegando vehículos a ese acceso (extendiendo el verde hasta un máximo) y cambia una vez que la demanda se desplaza al otro acceso. Los despliegues reales añaden sensores adicionales colocados unos segundos antes de la línea de parada para que el controlador pueda decidir si extender el verde antes de que llegue el último coche del pelotón, evitando una parada innecesaria.

¿Por qué las señales de tiempo fijo desperdician tiempo en verde?

Un controlador de tiempo fijo asigna una división rígida y precalculada del ciclo a cada dirección — por ejemplo, 20 segundos norte–sur y 20 segundos este–oeste — basada en la demanda media esperada. Pero el tráfico real llega de forma desigual: a las 2 de la madrugada una dirección con cero coches sigue recibiendo sus 20 segundos completos de verde mientras la dirección perpendicular (aunque también vacía) permanece en rojo. Durante la hora punta ocurre lo contrario: una dirección muy cargada sigue recibiendo solo su cuota fija aunque la cola crezca en cada ciclo. Como la división no puede responder a lo que realmente espera en la línea de parada en ese momento, las señales de tiempo fijo dan sistemáticamente tiempo en verde a accesos vacíos mientras los accesos congestionados se desbordan.

¿Qué es un gemelo digital, y cómo se relaciona esto con la planificación de tráfico en ciudades inteligentes?

Un gemelo digital es un modelo de software en vivo, actualizado continuamente, de un sistema físico — en este caso una pequeña red vial — que refleja su dinámica real lo bastante de cerca como para probar escenarios hipotéticos antes de tocar el mundo real. Los ingenieros de tráfico urbano construyen versiones mucho más grandes de esta misma idea (herramientas como SUMO, VISSIM o Aimsun) para simular las señales de todo un distrito, alimentarlas con datos reales de sensores y probar primero en simulación un nuevo plan de temporización de señales o un algoritmo de control adaptativo, porque un mal cambio desplegado en vivo puede colapsar una ciudad durante horas. Esta página es una versión mínima y transparente de ese mismo flujo de trabajo: un modelo que puedes inspeccionar, ajustar y volver a ejecutar al instante.

¿Por qué puede aparecer congestión incluso cuando la demanda media está dentro de la capacidad de la red?

Las llegadas de tráfico no son uniformes — son a rachas. Aunque la tasa media de llegada a largo plazo esté cómodamente por debajo de lo que la cuadrícula puede procesar, los vehículos no llegan a intervalos perfectamente regulares; por azar, varios coches se agrupan en un acceso mientras otro permanece vacío. La teoría de colas muestra que a medida que la utilización (demanda ÷ capacidad) se acerca a 1, la variabilidad en las llegadas hace que la longitud de la cola y el tiempo de espera crezcan de forma no lineal — una red que funciona al 90% de capacidad en promedio todavía puede producir colas grandes y visibles solo por agrupamiento aleatorio, mucho antes de alcanzar el límite de capacidad "de manual". Prueba a subir gradualmente el deslizador de tasa de llegada y observa cómo aparecen colas mucho antes de que la cuadrícula esté nominalmente saturada.

¿Qué añade el sistema Surtrac de Pittsburgh más allá de esta regla simplificada?

Surtrac, desarrollado en Carnegie Mellon y desplegado en Pittsburgh, extiende la misma idea central — leer la demanda en tiempo real, asignar el verde en consecuencia — con una optimización de programación descentralizada en cada intersección que predice el momento de llegada de cada vehículo (no solo si existe una cola) y calcula un breve calendario continuo de cambios de fase que minimiza el retraso total proyectado, y luego comunica ese plan a las intersecciones vecinas para que puedan formarse ondas verdes dinámicamente a lo largo del corredor en lugar de que cada cruce actúe solo. Los despliegues de campo reportaron reducciones de dos dígitos en el tiempo de viaje y los eventos de frenado. La regla de esta simulación — extender mientras la dirección actual todavía tenga demanda, si no, cambiar al lado con la cola más larga — es la semilla conceptual de ese sistema, sin la programación predictiva ni la coordinación entre intersecciones.

¿Cómo se define y mide aquí el "tiempo de espera medio"?

El tiempo de espera (retraso) de un viaje es el tiempo simulado total que ese vehículo pasó detenido — en cola detrás de otro coche o parado en un semáforo en rojo — sumado a lo largo de todo su trayecto desde la entrada hasta la salida, excluyendo el tiempo realmente en movimiento. Esto coincide con cómo los ingenieros de tráfico suelen definir el retraso de control en una señal. La simulación acumula esto por vehículo mientras viaja y solo incorpora el tiempo de espera de un viaje completado al promedio en curso una vez que ese vehículo ha llegado a su destino y ha salido de la red, así que la estadística de "tiempo de espera medio" refleja viajes genuinamente terminados, no vehículos todavía en cola a mitad de camino.

¿Cuáles son los límites de esta simulación en comparación con modelos reales de ingeniería de tráfico?

Este es un modelo deliberadamente simplificado: no tiene restricciones de movimiento de giro más allá de la ruta seguida, sin peatones, sin fases de giro a la izquierda ni giros protegidos, comportamiento uniforme de los vehículos (sin camiones, ciclistas ni distinta agresividad del conductor), y una única velocidad de flujo libre fija con una regla simple de seguimiento por espacio mínimo en lugar de un modelo de conductor calibrado. Herramientas reales como SUMO o VISSIM modelan la geometría individual de carriles, las curvas de aceleración/desaceleración, el tiempo de reacción del conductor, y validan los patrones de llegada frente a datos de sensores medidos antes de confiar en cualquier cambio de temporización de señales. Lo que esta simulación conserva fielmente es el mecanismo central que hace que el control adaptativo supere al control de tiempo fijo: leer el estado real de la cola y asignar tiempo en verde a donde realmente está la demanda.

⚙ Bajo el capó

Una cuadrícula de intersecciones ejecuta señales de tiempo fijo o un controlador adaptativo que lee las longitudes de cola en vivo en tiempo real.

Three.jsWebGLIAAprendizaje Automático

3D · Renderizador Three.js / WebGL · Objetivo 60 FPS · funciona completamente del lado del cliente, sin instalación

¿Qué encontraste?

Añadir pasos de reproducción (opcional)