Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)

1. REDUCING GAS EMISSIONS IN SMART CITIES BY USING THE RED SWARM ARCHITECTURE Daniel H. Stolfi dhstolfi@lcc.uma.es Enrique Alba eat@lcc.uma.es Departamento de Lenguajes y Ciencias de la Computación Universidad de Málaga Multiconferencia CAEPIA 2013 Septiembre de 2013 Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 1 / 25

2. Introducción Propuesta Experimentos Conclusiones CONTENIDOS 1 INTRODUCCIÓN 2 PROPUESTA 3 EXPERIMENTOS 4 CONCLUSIONES Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 2 / 25

6. Introducción Propuesta Experimentos Conclusiones INTRODUCCIÓN La mayoría de las personas viven o están pensando en mudarse a las grandes ciudades Hay un mayor número de vehículos en las calles Aumenta el número de atascos Se emiten toneladas de gases de efecto invernadero Disminuye la calidad de vida de los ciudadanos Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 3 / 25

11. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo RED SWARM Nuestro propuesta, Red Swarm está formada por: Los spots distribuidos por la ciudad I Instalados en los semáforos I Se comunican con los vehículos vía Wi-Fi Nuestro Algoritmo Evolutivo Nuestro Algoritmo de Cambio de Ruta Las unidades de abordo (OBU) I Instaladas en los vehículos I También pueden utilizarse smartphones o tablets Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 4 / 25

18. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo RED SWARM Red Swarm proporciona: Información personalizada a cada vehículo I Online I Distribuida Disminución de la formación de atascos Reducción de las emisiones de gases Monitorización del estado de la ciudad (tráfico, emisiones, etc) Posibles extensiones a flotas de vehículos municipales Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 5 / 25

25. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ARQUITECTURA RED SWARM Configuración: Cálculo offline de la configuración para los spots Red Swarm Despliegue: Los spots interactúan con los vehículos sugiriendo nuevas rutas (online) Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 6 / 25

28. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo SENSORES Representan dentro de la simulación a las calles que conducen a una intersección controlada por un spot de Red Swarm Cuando un vehículo es detectado por un sensor se dispara el algoritmo de cambio de ruta En una ciudad real los sensores representarían los enlaces de radio Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 7 / 25

31. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo SPOTS RED SWARM Y CAMBIO DE RUTA Los spots se encuentran situados en intersecciones controladas por semáforos, constan de calles de entrada (con sensores) y posibles calles de salida Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 8 / 25

32. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo SPOTS RED SWARM Y CAMBIO DE RUTA Cuando un vehículo se aproxima a un spot, éste le sugiere el siguiente punto de paso (otro spot) basado en una probabilidad Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 8 / 25

33. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo EJEMPLO DE CAMBIO DE RUTA Solución de los Expertos Red Swarm Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 9 / 25

50. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo VÍDEO: EJEMPLO DE CAMBIO DE RUTA (SUMO) Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 10 / 25

51. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo CONSTRUCCIÓN DEL ESCENARIO: METODOLOGÍA Trabajamos con mapas reales importados desde OpenStreetMap Añadimos 10 spots Red Swarm en intersecciones con semáforos Importamos el mapa en SUMO Definimos los flujos de tráfico (solución de los expertos) Este proceso puede adaptarse a cualquier ciudad moderna del mundo Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 11 / 25

56. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ESCENARIO DE TRABAJO: MÁLAGA Málaga (trazado urbano real) 261 semáforos 10 spots Red Swarm 800 vehículos 4 tipos de vehículos Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 12 / 25

61. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ESCENARIO DE TRABAJO: MÁLAGA Málaga (trazado urbano real) Nuestro objetivo es reducir las emisiones de gases mediante el aumento de la fluidez del tráfico rodado y la supresión de atascos Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 13 / 25

62. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO (10+2)-EA Cálculo de fitness utilizando el simulador de tráfico SUMO El cambio de ruta que realizan los spots se encuentra implementado por la API TraCI El resultado del algoritmo evolutivo es la configuración para todos los spots Red Swarm ubicados en la ciudad Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 14 / 25

67. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO: REPRESENTACIÓN Si un vehículo que se dirige hacia el Destino 2 es detectado por el Sensor 1 se le sugerirá como punto de paso en su ruta, uno de los posibles sensores alcanzables desde el Sensor 1, el cual se seleccionará según los valores de probabilidad almacenados en el vector solución Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 15 / 25

68. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO: REPRESENTACIÓN Al tener 28 sensores en nuestro escenario y 8 destinos diferentes el vector de probabilidades está compuesto de 1119 floats lo que nos da una idea de la complejidad de este problema. Daniel H. Stolfi & Enrique Alba Reducing Gas Emissions by Using Red Swarm 16 / 25

69. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO: FUNCIÓN DE FITNESS FUNCIÓN DE FITNESS F = !1(N ntrips) + !2 P COtrip N N: Número total de vehículos (800) ntrips : Número de vehículos que finalizan su itinerario COtrip : Total CO emitido por el vehículo durante su desplazamiento !1 y !2: Pesos relativos de cada término Nuestro objetivo es minimizar el valor de la función de fitness Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 17 / 25

72. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO: RECOMBINACIÓN Operador de Recombinación: SDPX Hemos utilizado el operador de cruce de dos puntos estándar Los descendientes se obtienen intercambiando entre los padres los bloques de configuración de los sensores en los puntos de cruce Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 18 / 25

75. Introducción Propuesta Experimentos Conclusiones Red Swarm Arquitectura Escenario Algoritmo Evolutivo ALGORITMO EVOLUTIVO: MUTACIÓN Dos Operadores de Mutación: 1 ADOS: Todos los bloques destino de un sensor (exploración) 2 ODOS: Un bloque destino de un sensor (explotación) Modifican las probabilidades en los bloques de configuración Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 19 / 25

79. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos RESULTADOS Utilizando Red Swarm, los vehículos han reducido no sólo las emisiones de CO, si no también las de CO2, NOx, Hc, Pm Además ha disminuido el tiempo medio de viaje y el consumo de carburante con un mínimo aumento de las distancias recorridas Por lo tanto en esta zona se emitirán 145 Kg. menos de CO2 al año Y se ahorrarán 96000 e anuales en combustible Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 20 / 25

83. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos RESULTADOS: GRÁFICAS Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 21 / 25

84. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos RESULTADOS: GRÁFICAS CO Hc CO2 Tiempo de Viaje NOx Longitud de Ruta Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 21 / 25

85. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos RESULTADOS PARA 50 INSTANCIAS Esta figura presenta los valores de fitness de la ejecución de Red Swarm en 50 instancias diferentes Red Swarm no sólo ha funcionado correctamente en todas ellas, si no que también ha obtenido mejores resultados en 34 de ellas (68 %) Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 22 / 25

86. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos RESULTADOS PARA 50 INSTANCIAS Esta figura presenta los valores de fitness de la ejecución de Red Swarm en 50 instancias diferentes Red Swarm no sólo ha funcionado correctamente en todas ellas, si no que también ha obtenido mejores resultados en 34 de ellas (68 %) Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 22 / 25

87. Introducción Propuesta Experimentos Conclusiones Resultados Gráficas 50 instancias Reducción de los atascos VÍDEO: REDUCCIÓN DE LOS ATASCOS (SUMO) Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 23 / 25

88. Introducción Propuesta Experimentos Conclusiones CONCLUSIONES Y TRABAJO FUTURO En este trabajo hemos aplicado nuestra arquitectura Red Swarm al problema de la reducción de emisiones de gases de efecto invernadero Los resultados presentan una reducción de hasta el 10.1% en las emisiones de CO, 4.0% en CO2, etc. Además se mantiene la principal característica de Red Swarm que es la reducción de los tiempos de viaje (hasta 9.1 %) Como trabajo futuro nos planteamos: I La extensión del área analizada I El empleo de otras técnicas bioinspiradas en el proceso de optimización I Abordar la optimización multiobjetivo de nuestros escenarios Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 24 / 25

93. Introducción Propuesta Experimentos Conclusiones http://neo.lcc.uma.es http://danielstolfi.com/redswarm/ dhstolfi@lcc.uma.es Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 25 / 25

94. Introducción Propuesta Experimentos Conclusiones http://neo.lcc.uma.es http://danielstolfi.com/redswarm/ dhstolfi@lcc.uma.es Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 25 / 25

95. Introducción Propuesta Experimentos Conclusiones http://neo.lcc.uma.es http://danielstolfi.com/redswarm/ dhstolfi@lcc.uma.es ¿Preguntas? Daniel H. Stolfi Enrique Alba Reducing Gas Emissions by Using Red Swarm 25 / 25

Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)

Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)

Recommended

More Related Content

Similar to Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)

Similar to Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)(20)

More from Daniel H. Stolfi

More from Daniel H. Stolfi(7)

Recently uploaded

Recently uploaded(7)

Reducing Gas Emissions in Smart Cities by Using the Red Swarm Architecture (CAEPIA'13)