SEMAFORIZACIÓN INTELIGENTE Y AMIGABLE CON EL AMBIENTE
Brian Camilo Botina Yela
e-mail: bcbotinay@correo.udistrital.edu.co
ABSTRACT: The following work is an application
of intelligent traffic lights for the reduction of vehicular
traffic mostly caused by the inadequate use of these in
access roads to a city, in intercept with a main road and in
tracks of a single lane, for this work we will focus
moderately on the latest situations, using motion sensors
to verify how close one or more vehicles are to the
corresponding traffic light, the technologies for the choice,
the most correct option in terms of time of each state of
the given traffic light some fuzzy values taking into
account the number of times the sensor or the motion
sensors are turned on, agile methodologies such as
SCRUM and using some simulations of real problems in
some software stories like Netbeans and the Java
programming language trying to simulate the circuit of the
interception of two traffic lights is very frequent, with
whatever the func Ionisation of smart traffic lights in traffic
control, in an average of what is this situation day by day.
Finally we have come to the conclusion that the use of
these traffic lights is very important, and the results of the
optimal times, that the times of use of each traffic light
were reduced by 50%. In addition, energy consumption
can be reduced by up to 40% by the status of each traffic
light, but it is not reduced as much as the use of sensors
that remain on 24 hours a day.
KEY WORDS: Traffic lights, control, traffic, congestion,
reduction.
RESUMEN: El siguiente trabajo es una aplicación
de los semáforos inteligentes para la reducción del tráfico
vehicular en su mayoría causado por el uso inadecuando
de estos en vías de acceso a una ciudad, en vías de
intercepción con una vía principal y en vías de un solo
carril, para este trabajo nos enfocaremos en modelar las
dos últimas situaciones, mediante el uso de diferentes
tecnologías asociadas unas con otras, como lo es los
sensores de movimiento para verificar que tan próximo
está uno o varios vehículos del semáforo
correspondiente, tecnologías difusas para la escogencia
de la opción más correcta en cuanto a tiempo de cada
estado del semáforo dado unos valores fuzzy teniendo en
cuenta la cantidad de veces que se enciende el sensor o
los sensores de movimiento, metodologías ágiles como lo
son lo es SCRUM y mediante algunas simulaciones de
problemas reales en algunos software tales como
Netbeans y el lenguaje de programación Java tratando de
simular el circuito de la intercepción de dos semáforos
siendo utilizados frecuentemente, con lo cual veremos el
funcionamiento de semáforos inteligentes en el control de
tráfico, en una proporción media de lo que es día a día
esta situación. Finalmente hemos concluido que el uso de
estos semáforos es muy importante, y se dieron unos
resultados óptimos, como que los tiempos de uso de cada
semáforo se redujeron en un 50% dado que muchas vías
1
de la ciudad son utilizadas muy poco en tiempos que no
sean los de una hora pico, el consumo de energía
igualmente se puede reducir hasta en un 40% por el
estado apagado de cada semáforo, pero no se reduce
tanto es por el uso de sensores que se mantendrán
encendidos durante las 24 horas.
PALABRAS CLAVE: Semáforos, control, trafico,
congestión, reducción.
1 INTRODUCCIÓN
Existen muchos problemas relacionados con el tráfico
vehicular en una ciudad, éstos principalmente son
causados por el mal funcionamiento de sus semáforos,
dado que su control de tiempo puede ser
desproporcionado y/o mal configurado debido a la
prioridad de las vías. Se pretende evitar este tipo de
situaciones, con la introducción de semáforos inteligentes
los cuales verificaran que haya tráfico en cada uno de los
lados de las vías, si éste no es el caso, dar prioridad a la
vía transitada, mientras la otra no está siendo ocupada,
esto quiere decir, dar una configuración de tiempos
dinámica para cada uno de los semáforos, con la ayuda
de la lógica difusa que nos permitirá escoger la mejor
opción en cada lado de los semáforos dependiendo de su
ocurrencia.
Igualmente hay vías, o puentes, los cuales solo tienen
un carril de acceso, provocando accidentes a altas horas
de la noche cuando no hay personas que controlen su
acceso, con éstos semáforos se pretende es controlar el
flujo de entrada con la introducción de los sensores para
informar en cada parte de la vía si está o no en uso, para
evitar así al máximo los accidentes.
“Podemos decir que esta congestión vehicular por el
mal uso de los semáforos, aumenta el tiempo de viaje, el
consumo de combustible y la contaminación del aire. Se
encuentra que una congestión puede ser causada por
una de las siguientes tres razones: 1) una obstrucción
temporal dentro de una red de tráfico como un incidente,
2) una restricción de capacidad permanente, y 3) una
fluctuación estocástica en la demanda” [14].
La importancia de este proyecto radica en mejorar el
flujo en las vías de una ciudad con la introducción de
nuevas tecnologías, con lo cual se facilita el transporte y
de esta forma se reducen los tiempos de los trayectos
para los diferentes ciudadanos, con lo cual ayudamos a
mejorar un poco la calidad de vida de las personas.
“La eficiencia de los sistemas de transporte tiene un
efecto directo en el transporte de materias primas, bienes,
equipos y productos industriales, maquinaria, mano de
obra, el medio ambiente, el tiempo de viaje y el consumo
de energía. La seguridad, la eficiencia y el respeto por el
medio ambiente de estos sistemas de transporte están
directamente relacionados con la salud, el bienestar y la
vida de las personas, ya que los sistemas de transporte
forman una parte importante de su vida cotidiana. Las
técnicas de detección, procesamiento y comunicación
cuando se aplican eficientemente al sector del transporte
pueden aportar muchas mejoras a los actuales sistemas
de control del semáforo” [19].
2 TRABAJOS REALIZADOS
 FPGA based Traffic Light Controller
Este documento propone el controlador de
semáforos reconfigurable que puede mostrar el tiempo de
espera en todas las direcciones. Se ha observado que el
controlador de semáforo diseñado funciona hasta una
frecuencia operativa máxima de aproximadamente 300
MHz. La codificación se ha realizado utilizando el
lenguaje descriptivo de hardware de Verilog. (2017)
 TLB-VTL: 3-Level Buffer based Virtual Traffic
Light Scheme for Intelligent Collaborative
Intersections
En este documento, se propone un esquema de
semáforo virtual (VTL) basado en el búfer de 3 niveles
(TLB), denominado TLB-VTL, para intersecciones
colaborativas inteligentes. La intersección se divide en
tres áreas adaptativas de acuerdo con el flujo de tráfico
de cada carril, y la secuencia de cada ciclo de
temporización se calcula en tiempo real de acuerdo con
el flujo en TLB alrededor de una intersección. Para
garantizar la equidad, la diferencia en la probabilidad de
que cada carril pase una intersección se restringe a un
nivel más bajo. El VTL se realiza en base a las
comunicaciones de vehículo a vehículo (V2V), vehículo a
carretera (V2R) y vehículo a infraestructura (V2I), lo que
podría mejorar la seguridad y la equidad sin involucrar
semáforos. Además, se propone un algoritmo de control
predictivo de evitación de colisión cooperativa (CCAP),
que puede ayudar a los vehículos a atravesar la siguiente
intersección sin detenerse a predecir el conflicto temporal
y generar un cronograma de tráfico eficiente para toda la
red vial. (2017)
 A Meta-heuristic with ensemble of local
search operators for Urban Traffic Light
Optimization
Este estudio aborda un problema de optimización del
semáforo urbano bi-objetivo en un marco de
programación, que pretende minimizar tanto el tiempo
total de retardo en la red de todos los vehículos como el
tiempo total de demora de todos los peatones dentro de
un intervalo de tiempo determinado. En primer lugar, se
emplea un modelo centralizado para describir el problema
de planificación de semáforos urbanos (UTLSP), donde
se presentan las funciones de costos y las limitaciones de
los dos objetivos. Una métrica basada en la estrategia de
no dominación se usa para comparar y clasificar
soluciones para los dos objetivos. En segundo lugar, se
implementa una colonia de abejas artificial (ABC)
metaheurística efectiva para resolver el UTLSP. Se
2
desarrolla un conjunto de operadores de búsqueda
locales para mejorar el rendimiento de búsqueda local de
ABC. Finalmente, los experimentos se llevan a cabo en
base a los datos de tráfico real en el área de Jurong de
Singapur (2017)
 A multi-objective multi-agent framework for
traffic light control
Este documento presenta un marco multiagente
multi-objetivo para el control de semáforos. En particular,
cada agente en el marco propuesto aplica un proceso de
decisión de múltiples objetivos de Markov. Para el control
inteligente, un algoritmo de aprendizaje de refuerzo (RL)
se mejora con copias de seguridad de pasos múltiples y
un enfoque de aproximación de funciones para construir
el conocimiento del agente. Además, una política de
acción de ordenamiento lexicográfico con umbral (TLO)
se integra con el algoritmo de RL mejorado para resolver
el problema de control de múltiples objetivos, que se
reformula mediante un proceso de decisión de Markov
restringido. (2017)
 Reference Scenarios for the Evaluation of the
Traffic Light Concept in Low-voltage Power
Systems
Este documento presenta escenarios de referencia
de sistemas de energía de bajo voltaje para la evaluación
de enfoques para la optimización y el control en redes
inteligentes. Los escenarios proporcionan no solo rejillas
de referencia completamente parametrizadas para un
área rural, un pueblo y un área suburbana,
respectivamente, sino también especificaciones de los
hogares conectados, que se asemejan a la situación en
Alemania. Esto incluye datos sobre el uso de
electrodomésticos y la disponibilidad de generación
distribuida, sistemas de almacenamiento de batería,
vehículos eléctricos y bombas de calor, que especifiquen
escenarios domésticos para el presente, el futuro
inmediato y el futuro más lejano. Los escenarios se
utilizan para delinear la aplicación de mecanismos de red
inteligente ejemplares que se basan en el concepto de
semáforo (Netzampel) en un enfoque de potencia de
hardware en el circuito. (2017)
 Traffic Light Detection for Colorblind
Individuals
Este artículo propuso un algoritmo que detecta
colores de semáforos para personas daltónicas, el
algoritmo propuesto emplea técnicas de procesamiento
de imágenes asociadas en la caja de herramientas de
procesamiento de imágenes en LabVIEW para ayudar a
las personas daltónicas a identificar los colores de los
semáforos. Utiliza una cámara móvil fija para capturar
imágenes de semáforos tomadas en diferentes carreteras
y calles en Jordania y Kuwait. Detecta los semáforos al
comparar el semáforo candidato con algunas plantillas de
semáforo recogidas en la empresa, la comparación se
basa en la correlación. Finalmente, el algoritmo extrae los
planos verde y rojo y reconoce sus colores. (2017)
 Smart Controlling for Traffic Light Time
Sistema de transporte inteligente incluye una forma
inteligente de controlar el semáforo en función del número
de automóviles en cada semáforo. Este artículo desarrolla
un algoritmo automático para controlar el tiempo de
semáforo basado en técnicas e imágenes artificiales
inteligentes para automóviles en semáforos, este
algoritmo está validado por compare sus resultados con
los resultados manuales. La aplicación del siguiente
algoritmo propuesto en el sistema de transporte regulará
el flujo de tráfico y reducirá el tiempo de viaje y de espera
desperdiciado en las carreteras. (2017)
 Smart Traffic Light Control using Fuzzy Logic
and Wireless Sensor Network
Este documento presenta el diseño y la
implementación de un semáforo inteligente (STL)
utilizando lógica difusa y red de sensores inalámbricos
(WSN). Diseñado para una rotonda aislada de cuatro
vías; el STL incorpora una WSN para recopilar datos de
tráfico en tiempo real. Estos datos se agregan y luego se
envían a un motor de controlador de lógica difusa (FLC)
en forma de dos entradas: cantidad de tráfico (TQ) y
tiempo de espera (WT) para cada carril. En función de las
entradas, el FLC calcula un grado de prioridad de salida
(PD) que determina el orden de la asignación de luz
verde. Usando el PD, un algoritmo inteligente luego
asigna luz verde al carril con el valor de PD más alto. El
ciclo continúa hasta que todas las pistas obtengan luz
verde. Para analizar el rendimiento del STL, diseñamos
un software de simulación que utiliza Java para
representar virtualmente las funciones de WSN y FLC.
(2017)
 Two Stage Intelligent Automotive System to
Detect and Classify a Traffic Light
El objetivo de este documento es detectar y clasificar
un semáforo de una imagen de escenario. A diferencia de
la mayoría de las otras obras, el sistema propuesto lo hará
en dos etapas. El primero explora el proceso de
extracción de características en un conjunto de imágenes
que contienen uno o más semáforos. Este proceso se
enfoca en detectar áreas positivas verdaderas donde
están los semáforos y se hace a través de un clasificador
de seis sub estados usando un conjunto de aprendices
débiles. La segunda etapa obtiene la información de la
primera etapa, extrae sus características y las clasifica.
La salida de la segunda etapa es una clasificación general
para el color del mejor semáforo que se encuentra en el
escenario de la imagen. El sistema de reconocimiento
propuesto es un sistema robusto, confiable e inteligente
con altas tasas de predictibilidad. (2017)
 Application of industrial PLC for controlling
intelligent traffic lights
Este documento describe la aplicación práctica del
controlador PLC (Controlador Lógico Programable) para
controlar semáforos inteligentes en tiempo real, y para las
necesidades de los anteriores, se creó una unión de
tráfico con la señalización correspondiente, y se
estableció un sistema inteligente de control del semáforo
implementado. Para la realización de este trabajo, se
utilizaron los PLC SIEMENS, SIMATIC S7-300, que, con
la ayuda de sensores, monitorizan y gestionan el
funcionamiento de todo el sistema. Después de la
implementación del sistema de control de tráfico
inteligente, se presentan los resultados obtenidos al
controlar los semáforos con y sin el uso de sensores, y se
presenta un análisis comparativo. (2017)
Ahora, se revisará lo que podemos usar de cada
trabajo realizado con el nuestro.
3
Con el primer trabajo, FPGA based Traffic Light
Controller, solo se tiene en común los tiempos variables
de cada semáforo y podemos usar una parte de su
algoritmo para controlar nuestros tiempos.
Con el siguiente trabajo, TLB-VTL: 3-Level Buffer
based Virtual Traffic Light Scheme for Intelligent
Collaborative Intersections se tienen muchas cosas en
común, sobre todo la parte del cambio inteligente en los
semáforos, pues nuestro trabajo propone eso mismo, que
cada semáforo cambie conforme haya o no flujo vehicular
por él.
Con el trabajo A Meta-heuristic with ensemble of local
search operators for Urban Traffic Light Optimization no
podemos destacar nada para nuestro trabajo, pues el de
ellos propone cosas más avanzadas además de abordar
tanto a vehiculos como a peatones en su problema.
Con el trabajo A multi-objective multi-agent framework
for traffic light control no tenemos nada en común, pues
ellos utilizan metodologías y algoritmos diferentes para
realizer sus validaciones además de tener un objetivo un
tanto distinto al nuestro.
Con el trabajo Reference Scenarios for the Evaluation
of the Traffic Light Concept in Low-voltage Power
Systems tenemos en común la búsqueda de una forma
de minimizar el consumo eléctrico en la ciudad y el uso
de un contenedor de energía para dar energía a los
dispositivos.
Con el trabajo Traffic Light Detection for Colorblind
Individuals no se tiene nada en común, pues el objetivo
de ellos es totalmente diferente al de ellos.
Con el trabajo Smart Controlling for Traffic Light Time
tenemos mucho en común pues ellos trabajan el mismo
problema de reducir los tiempos de cada semáforo y el
uso de semáforos inteligentes, pero ellos utilizan técnicas
mucho más avanzadas de las cuales no se tiene
conocimiento.
Con el trabajo, Smart Traffic Light Control using Fuzzy
Logic and Wireless Sensor Network tenemos mucho en
común, pues además de usar la lógica difusa para
calcular los tiempos de cada semáforo, también emplean
el uso de sensores, en este caso, inalámbricos, la
diferencia está en la profundidad que usan ellos la lógica
difusa, además de los aparatos, pues tienen un mejor
conocimiento de ella.
Con el trabajo, Two Stage Intelligent Automotive
System to Detect and Classify a Traffic Light no se tiene
nada en común pues ellos solo buscan clasificar los
semáforos de acuerdo a una imagen obtenida.
Con el trabajo Application of industrial PLC for
controlling intelligent traffic lights se tiene en común el uso
de los semáforos inteligentes, pero se desconoce el uso
del controlador PLC para monitorear los cambios de
estado de cada uno de ellos.
3 METODOLOGIA
La metodología que se usará para la realización del
proyecto estará dividida en:
Primero se evaluaran los diferentes proyectos o
trabajos realizados para revisar si alguno de ellos nos
permite visualizar mejor el problema o hacer un análisis
crítico frente al trabajo realizado, para verificar que no se
haya hecho.
Luego de esto, se verificará caso por caso para
desglosar cada uno de ellos y sacar todas las variables
necesarias para hacer un modelamiento propio que nos
ayude a resolver el problema.
Después procederemos a hacer una simulación con
estas variables para verificar el comportamiento de
nuestro modelo y así entender si está bien planteado o
fallamos en algo que se puede corregir, dando así pauta
a una autocrítica.
Una vez terminada la simulación y corregidos los
errores, se pasará a la fase de diseño, en la cual
implementaremos las dos problemáticas por separado y
verificaremos su funcionamiento, y aplicaremos un
análisis de resultados para ver si es óptimo o no el diseño
en la mejora del flujo vehicular.
 Semáforo libre?: condicional que nos permite
verificar si el semáforo de la otra intercepción
está o no siendo usado en el momento
 Cambio de semáforo a verde: si el semáforo
está libre, es decir no está siendo usado,
cambiamos el semáforo que se usará a verde
para dar paso al flujo vehicular.
 Inicio tiempo de espera: si el semáforo está en
uso, le damos un tiempo de espera en el cual
diremos que vamos a usar otro semáforo, por
ende necesitamos que de paso a este.
 Tiempo de espera terminado: una vez
terminado el tiempo de espera, podemos
cambiar de semáforos, comportándose como si
fuera un semáforo normal, existente el día de
hoy.
 Inicia el flujo vehicular: con ello decimos que
el semáforo está en verde y puede empezar la
transición de vehículos mientras que no esté en
uso el otro semáforo, o mientras el tiempo de
espera no se termine.
 Apagar semáforo: cuando el flujo vehicular ha
terminado, se apagará el semáforo mientras no
se vaya a usar, así se contribuye con el ambiente
y volvemos los semáforos inteligentes y
ambientales.
Figura 1. Diagrama de flujo. Realizado con Draw.io

Para realizar lo anterior de forma óptima,

manejaremos la metodología SCRUM con la cual iremos
desarrollando el producto de manera incremental, es
decir, por partes, hasta lograr una simulación optima de
nuestro problema, la semaforización inteligente, para ello
primero se empezará diseñando el entorno de simulación,
luego pasaremos a una fase de verificación de este, una
vez pasada seguiremos con la siguiente fase de diseño.

Para la siguiente fase de diseño, implementaremos los

semáforos a cada una de las vías simuladas, luego de
verificar su funcionamiento, incluiremos los sensores de
movimiento para trabajar en conjunto con los semáforos.

Una vez terminada la fase de diseño e implementación

de los semáforos y sensores, y una vez verificado su
funcionamiento, procederemos a una fase final, la cual es
la fase de implementación de los automóviles para dar
Fuente: Elaboración propia
paso al flujo vehicular, con lo cual ya estará diseñada
nuestra simulación y se podrán hacer los cálculos
El modelo a trabajar para el anterior diagrama de flujo
respectivos.
será el siguiente:
4 DISEÑO

A continuación se presenta un diagrama de flujo en el

cual se explica el funcionamiento del diseño para la
intercepción de dos vías cuando el semáforo está o no
está ocupado, para un mayor entendimiento se da una
explicación de cómo funciona.
 Llega un automóvil: este paso se realiza
mediante un sensor de movimiento, el cual nos
dice el momento en el cual hay un vehículo
aproximándose al semáforo.

4
 Figura 2. Modelo de vía o carretera. Realizado con Draw.io
Fuente: Elaboración propia
El cual consta de 4 semáforos y dos intersecciones en
las cuales habrá un sensor de movimiento ubicado a 50m
de distancia de cada semáforo, avisando que habrá flujo
vehicular para cada uno de ellos y así se iniciará la
activación y control de cada uno.
Finalmente para la velocidad de cada una de las
intersecciones de la vía, se tuvo en cuenta la velocidad
promedio que nos da el estudio de la secretaria de
movilidad de Bogotá en el mes de noviembre del año
2017, como se puede observar en la figura serían de un
máximo de 27,4 km/h a un mínimo de 4,9 km/h en las
horas pico de 5 a 7 am en tres de las principales vías
congestionadas.
Figura 3: Tabla de velocidades promedio
Fuente:
https://public.tableau.com/profile/ernesto.guevara.lozano#!/vizh
ome/VELOCIDADES_DTI_CARGA/Velocidades?publish=yes
5 IMPLEMENTACIÓN
Para la implementación se usara un modelamiento en
el software Netbeans, mediante el lenguaje de
programación Java, con el cual simularemos los
problemas descritos anteriormente y verificaremos cómo
trabajarían los semáforos en una situación real de flujo
vehicular dados diferentes casos o variables de entrada.
|
5
Figura 4. Diagrama de clases. Realizado con Coloso
Fuente: Elaboración propia
Dentro de la simulación hecha con el software
Netbeans, utilizando el lenguaje de programación Java,
se evaluaron varios casos, los cuales se presentan a
continuación, cada uno con su respectiva explicación,
partiendo de una velocidad promedio de 40 km/h por
vehículo en la entrada de cada semáforo.
El primer escenario posible es en el cual no hay flujo
vehicular por ninguno de los 4 semáforos puestos en la
vía a simular, como se puede observar en la figura 4, en
este caso los semáforos permanecen apagados hasta
que por alguno de ellos inicie su tránsito un automóvil.
En esta primera simulación podemos observar cuanto
se puede ahorrar en energía una ciudad, pues si en
ninguna de las cuatro vías hay acceso de vehículos, la
única energía que se consumirá, será la de los sensores
de movimiento, reduciendo así el consumo de energía por
escenario en un 50%
Figura 5. Simulación 1. Realizado con Netbeans
Fuente: Elaboración propia
 Figura 7. Simulación 3. Realizado con Netbeans
Inicialmente se da un flujo vehicular por un solo
semáforo, como se observa en la siguiente figura, el
semáforo permanece apagado mientras el sensor verifica
que por él ha pasado un vehículo e informa de que se
tiene flujo vehicular.

Figura 6. Simulación 2. Realizado con Netbeans

Fuente: Elaboración propia

Como sigue habiendo flujo vehicular, el sensor sigue

en funcionamiento al igual que el semáforo, pero ahora lo
que observamos es que hacía el siguiente semáforo se
está dando tránsito de vehículos, por lo cual se tendrá que
activar el sensor y a su vez el semáforo.
Figura 8. Simulación 4. Realizado con Netbeans
Fuente: Elaboración propia

Posteriormente a que el sensor se ha activado, éste se

activa y manda una señal al semáforo, con lo cual lo
enciende y éste al verificar que no hay tránsito en ninguna
de las otras vías, se inicia en verde y da paso al flujo
vehicular.

Fuente: Elaboración propia

Como podemos observar en la figura 8, el sensor y por

ende el semáforo han sido activados para que den paso
al flujo vehicular mientras que siga habiendo tránsito, es

6
decir, funcionarán como un semáforo normal pero, como
podemos observar, la vía que intersecta estas dos, no Figura 10. Simulación 6. Realizado con Netbeans
está siendo usada y por lo tanto los semáforos están
apagados.

Figura 9. Simulación 5. Realizado con Netbeans

Fuente: Elaboración propia

Dado que el sensor avisa de que hay flujo vehicular, el

semáforo se enciende, pero éste, al verificar que existe
Fuente: Elaboración propia flujo en otras vías, este inicia o se enciende en rojo para
evitar accidentes.
Ahora, surge un nuevo problema y es que se da flujo
vehicular por la vía que intersecta estás dos, en este caso Figura 11. Simulación 7. Realizado con Netbeans
el sensor deberá verificar que se tiene tránsito por la vía
e informar al semáforo.

Este escenario es importante, porque se tienen que

verificar varias cosas y se observa el trabajo tan
importante que realizarían los sensores de movimiento en
conjunto con los semáforos, y para ello, todos estos
elementos deben estar conectados a una red LAN que
alberga a cada uno de ellos como un host independiente
que trabaja en conjunto con los demás para solucionar los
distintos problemas que puedan aparecer.

Fuente: Elaboración propia

Ahora, el semáforo al estar encendido, se empezará a

correr el tiempo de demora que dependerá de la cantidad

7
de flujo vehicular que se presente entre cada semáforo
para que así pueda darse el cambio y el paso a los demás
semáforos.
Figura 12. Simulación 8. Realizado con Netbeans
Fuente: Elaboración propia
Ahora el semáforo de la vía en uso está en verde y la
siguiente en rojo, y empezara a comportarse como un
semáforo normal con sus tiempos incluidos para cada uno
de ellos.
Figura 13. Simulación 9. Realizado con Netbeans
Fuente: Elaboración propia
8
Ahora, se da el caso en el que en uno de los semáforos
ya no se da flujo vehicular, pues el sensor lo detectará y
dará las instrucciones necesarias al semáforo
correspondiente.
Figura 14. Simulación 10. Realizado con Netbeans
Fuente: Elaboración propia
Como se puede observar uno de los semáforos que ya
no está en uso se ha apagado para ayudar al ambiente
en el uso de energía, pero el semáforo que se empezó a
usar se activa al igual que su sensor.
Nuevamente podemos observar el ahorro de energía
que se obtendría al utilizar este tipo de tecnologías, pues
se observa que en la red LAN en la que están, si algún
host (semáforo) está inactivo, este procederá a apagarse
y evitará un consumo de energía innecesario, al igual que
cualquier otro semáforo que no está siendo utilizado.
 Como se observa en la siguiente figura, el semáforo
Figura 15. Simulación 11. Realizado con Netbeans en uso ha cambiado su funcionamiento y los dos que ya
no, se apagan para dar paso al ahorro de energía.

Figura 17. Simulación 13. Realizado con Netbeans

Fuente: Elaboración propia

Como vemos uno de los semáforos de la intersección

dejo de ser usado, en este caso los sensores se Fuente: Elaboración propia
comunican y dan paso a las vías que si están en uso.
Ahora, como uno de los siguientes semáforos se
Figura 16. Simulación 12. Realizado con Netbeans
empieza a usar, vemos que su activación ocurre sin
ningún problema entonces se da el flujo vehicular sin
ningún inconveniente entre las diferentes vías.

Figura 18. Simulación 14. Realizado con Netbeans

Fuente: Elaboración propia

Fuente: Elaboración propia

9

Una vez los sensores detectan que no hay flujo
vehicular en ninguna de las vías que se pueden transitar
en el modelo, se le informa a cada uno de los semáforos
para que inicien su apagado y el modelo se comportara
como el del inicio, y se puede decir que iniciará un nuevo
bucle a la espera de vehículos para iniciar de nuevo su
funcionamiento.
Figura 19. Simulación 15. Realizado con Netbeans
Fuente: Elaboración propia
6 RESULTADOS Y DISCUSIÓN
Durante la ejecución de nuestra simulación de un
problema real que involucra el tráfico vehicular en una vía
típica donde hay intersección con otra, y el consumo de
energía eléctrica por parte de los semáforos que están en
ellas, hemos visto diferentes casos de estudio y, ahora se
procederá a hacer un análisis detallado de los resultados
obtenidos.
Dado que nuestro problema principal era la utilización
de un semáforo que nos permitiera reducir el consumo de
energía eléctrica en la ciudad, se ha observado que éste,
se reduce considerablemente debido a que los semáforos
solo se encienden cuando están siendo utilizados, pero
se encuentra un problema y es que los sensores siempre
deben estar en uso, es decir, alertas para la entrada de
un vehículo en la vía, y por ende, consumen energía
constantemente, pero un sensor consume menos energía
que un semáforo en un solo día, pues estos no tienen
tantos componentes electrónicos que los hagan gastar
demasiada energía eléctrica.
Estas simulaciones nos muestran que un semáforo es
de mucha utilidad a la hora de controlar el flujo vehicular,
y si a ellos les adicionamos panel solar para que se
10
alimente de energía eléctrica, durante el día de forma
autónoma, reduciremos en gran cantidad la energía que
utiliza, combinándola con el hecho de que ellos se
manejaran de forma inteligente; ahora, si a esto le
sumamos una forma de almacenar la energía recopilada
por el panel solar, tendríamos un abastecimiento tanto
para los semáforos como para los sensores de
movimiento, y con esto, ayudaríamos a reducir el
consumo eléctrico en la ciudad.
Comparado al trabajo realizado por S. M. Shinde, en
su paper titulado "Adaptive traffic light control
system", se evidencia un gran parecido, pues ellos
retoman todo lo que serían los sensores de movimiento o
de proximidad, adaptado a el manejo dinámico que
tendría cada semáforo en sus tres estados dependiendo
del flujo vehicular que haya en cada uno de ellos, pues
los tiempos de cada uno, al igual que en nuestro trabajo
dependerían de la cantidad de vehículos que entran en
cada una de las vías intersección.
Hay una gran diferencia entre nuestro trabajo y el de
él, pues él se enfoca más en la comunicación entre los
semáforos y los vehículos para evitar la congestión
vehicular, mientras que en el nuestro, nos enfocamos más
en el uso de semáforos inteligentes con tecnologías
limpias y el ahorro de energía para ayudar a disminuir el
consumo general de una ciudad.
Del trabajo FPGA based Traffic Light Controller, no se
usó nada dado que las velocidades calculadas para la
simulación se usaron las estadísticas reales dadas por la
secretaría de movilidad.
Del trabajo TLB-VTL: 3-Level Buffer based Virtual
Traffic Light Scheme for Intelligent Collaborative
Intersections se vio un contraste en común, el cual es la
importancia del uso de los semáforos inteligentes para la
reducción del tráfico vehicular.
Con el trabajo Reference Scenarios for the Evaluation
of the Traffic Light Concept in Low-voltage Power
Systems vimos la importancia de reducir el consumo
electrico y para ello mismo, usar paneles solares
acompañados de contenedores para almacenar la
energía que se obtenga de los mismos.
Del trabajo Smart Controlling for Traffic Light Time se
obtuvo mucha información relevante para nuestro trabajo,
obtuvimos una contextualización general sobre los
alcances que podríamos tener en el mismo, además de lo
mucho que desconocemos sobre cómo abordar esta
problemática.
Del trabajo, Smart Traffic Light Control using Fuzzy
Logic and Wireless Sensor Network se aprendió un poco
sobre cómo trabaja la lógica difusa en un escenario real y
las tecnologías que usa, pero también nos pudimos dar
cuenta que se desconoce en su gran totalidad lo grande
que abarca esta lógica, y también vimos el contraste al
usar sensores inalámbricos contra los alámbricos, pues
tienen sus pro y sus contra, y aquí se ve la importancia de
estar conectados a internet, es decir, el internet de las
cosas (IOT) para vincular algo que se ve tan sencillo como
son los sensores para controlar los semáforos.
Con el trabajo Application of industrial PLC for
controlling intelligent traffic lights se recalcó cuán
importante es el uso de semáforos inteligentes, pues
como se vio a lo largo de todos los trabajos estudiados,
estos son necesarios en este mundo tecnológico, que
busca el bienestar de todas las personas, y que puede
empezar por reducir los tiempos de trayectos entre un
lugar y otro.
7 CONCLUSIONES
 Durante el transcurso del trabajo realizado se
evidenciaron muchos resultados dada una
simulación en el software Netbeans mediante el
uso del lenguaje de programación Java, de los
cuales se pueden concluir la importancia de
simular problemas de la vida real, para poder
entender y acercarnos a la solución real del
problema.
 Como conclusión principal podemos resaltar el
hecho de la importancia que tendría el uso de
estos semáforos inteligentes y esta red LAN
para disminuir el consumo de energía eléctrica
de una ciudad por parte de los semáforos, como
hemos visto, hasta en un 50% y en un 40% con
el uso de los sensores, además, los tiempos de
demora entre un punto de la ciudad y otra
podrían reducirse hasta en un 20% debido a los
cambios dinámicos en los semáforos mediante
la tecnología difusa que nos permitiría ver cómo
se comportaran los semáforos de acuerdo al
flujo vehicular que mantengan.
 Por otra parte, una de las cosas más importantes
a concluir es el uso de semáforos inteligentes,
pues ellos, en conexión por medio de una red a
los sensores de movimiento, nos ayudan a
disminuir el tráfico vehicular innecesario, pues
como se mencionó anteriormente, solo trabajan
cuando las vías están siendo utilizadas, y esto
nos ayuda a disminuir drásticamente el tráfico en
vías que son usadas en un solo sentido.
 Otra cosa importante a concluir sería el uso de
tecnologías limpias y autónomas, con la
inclusión de paneles solares en cada semáforo,
pues con ello, se evidenciaría una disminución,
quizás drástica, en la energía utilizada por la
ciudad debido a los semáforos.
 Por último, se evidencia la importancia de estar
conectados a Internet, pues la única forma de
comunicarse los semáforos con sus respectivos
sensores, además de los demás semáforos con
los que interactúan, sería mediante una red LAN,
que estaría conectada a una red global, que los
manejaría y controlaría para que siempre estén
conectados de una u otra forma.
11
8 REFERENCIAS
[1] S. Octavio, P. Luis, H. César, “Modelo de
semaforización inteligente para la ciudad de
Bogotá”, Revista científica y tecnológica de la
facultad de ingeniería, Universidad Distrital
Francisco José de Caldas, pp. 61-69.
[2] S. V. Kishore, V. Sreeja, V. Gupta, V. Videesha,
I. B. K. Raju and K. M. Rao, "FPGA based traffic
light controller," 2017 International Conference
on Trends in Electronics and Informatics (ICEI),
Tirunelveli, India, 2017, pp. 469-475.
[3] G. Wang, Y. Hou, Y. Zhang, Y. Zhou, N. Lu and
N. Cheng, "TLB-VTL: 3-Level Buffer Based
Virtual Traffic Light Scheme for Intelligent
Collaborative Intersections," 2017 IEEE 86th
Vehicular Technology Conference (VTC-Fall),
Toronto, ON, Canada, 2017, pp. 1-5.
[4] K. Gao, Y. Zhang, Y. Zhang and R. Su, "A meta-
heuristic with ensemble of local search operators
for urban traffic light optimization," 2017 IEEE
Symposium Series on Computational
Intelligence (SSCI), Honolulu, HI, USA, 2017, pp.
1-8.
[5] J. Jin and X. Ma, "A multi-objective multi-agent
framework for traffic light control," 2017 11th
Asian Control Conference (ASCC), Gold Coast,
Australia, 2017, pp. 1199-1204.
[6] S. Kochanneck, J. Geis-Schroer, I. Mauser and
H. Schmeck, "Reference Scenarios for the
Evaluation of the Traffic Light Concept in Low-
voltage Power Systems," International ETG
Congress 2017, Bonn, Germany, 2017, pp. 1-6.
[7] J. Al-Nabulsi, A. Mesleh and A. Yunis, "Traffic
light detection for colorblind individuals," 2017
IEEE Jordan Conference on Applied Electrical
Engineering and Computing Technologies
(AEECT), Aqaba, 2017, pp. 1-6.
[8] A. A. Zaid, Y. Suhweil and M. A. Yaman, "Smart
controlling for traffic light time," 2017 IEEE
Jordan Conference on Applied Electrical
Engineering and Computing Technologies
(AEECT), Aqaba, 2017, pp. 1-5.
[9] R. Hawi, G. Okeyo and M. Kimwele, "Smart
traffic light control using fuzzy logic and wireless
sensor network," 2017 Computing Conference,
London, 2017, pp. 450-460.
[10] N. Kaja, A. Shaout and O. Dehzangi, "Two Stage
Intelligent Automotive System to Detect and
Classify a Traffic Light," 2017 International
Conference on New Trends in Computing
Sciences (ICTCS), Amman, 2017, pp. 30-35.
[11] A. Toroman and E. Mujčić, "Application of
industrial PLC for controlling intelligent traffic
lights," 2017 25th Telecommunication Forum
(TELFOR), Belgrade, 2017, pp. 1-4.
[12] Y. Li, W. Zhu and S. Li, "Signal control effects on
vehicular traffic emissions through a sequence of
traffic lights," 2017 Chinese Automation
Congress (CAC), Jinan, 2017, pp. 1930-1935.
[13] X. Li, H. Ma, X. Wang and X. Zhang, "Traffic Light
Recognition for Complex Scene With Fusion
Detections," in IEEE Transactions on Intelligent
 Transportation Systems, vol. 19, no. 1, pp. 199-
208, Jan. 2018.
[14] L. Qi, M. Zhou and W. Luan, "A Two-level Traffic
Light Control Strategy for Preventing Incident-
Based Urban Traffic Congestion," in IEEE
Transactions on Intelligent Transportation
Systems, vol. 19, no. 1, pp. 13-24, Jan. 2018.
[15] A. A. Krishna, B. A. Kartha and V. S. Nair,
"Dynamic traffic light system for unhindered
passing of high priority vehicles: Wireless
implementation of dynamic traffic light systems
using modular hardware," 2017 IEEE Global
Humanitarian Technology Conference (GHTC),
San Jose, CA, 2017, pp. 1-5.
[16] I. Maruta, T. Yoshikawa, S. i. Azuma and T.
Sugie, "Traffic control at intersection with linear
traffic lights," IECON 2017 - 43rd Annual
Conference of the IEEE Industrial Electronics
Society, Beijing, 2017, pp. 2923-2928.
[17] G. Bak and D. Kim, "Traffic light recognition with
HUV-histogram from daytime driving-view
images," 2017 17th International Conference on
Control, Automation and Systems (ICCAS), Jeju,
2017, pp. 1099-1102.
[18] O. Younis and N. Moayeri, "Employing Cyber-
Physical Systems: Dynamic Traffic Light Control
at Road Intersections," in IEEE Internet of Things
Journal, vol. 4, no. 6, pp. 2286-2296, Dec. 2017.
[19] S. M. Shinde, "Adaptive traffic light control
system," 2017 1st International Conference on
Intelligent Systems and Information
Management (ICISIM), Aurangabad, 2017, pp.
300-306.
[20] B. Kapusta, M. MiletiC, E. Ivanjko and M. Vujić,
"Preemptive traffic light control based on vehicle
tracking and queue lengths," 2017 International
Symposium ELMAR, Zadar, 2017, pp. 11-16.
[21] X. Du, Y. Li, Y. Guo and H. Xiong, "Vision-Based
Traffic Light Detection for Intelligent
Vehicles," 2017 4th International Conference on
Information Science and Control Engineering
(ICISCE), Changsha, 2017, pp. 1323-1326.

12