Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.

cl/revista

Diseo de redes viales urbanas usando algoritmos genticos M. Anglica Pinninghoff J.* Eduardo Matthews D. * Hctor Daz C. e-mail: mapinnin@inf.udec.cl * Departamento de Ingeniera Informtica y Ciencias de Computacin Departamento de Ingeniera Civil Facultad de Ingeniera Universidad de Concepcin, Chile

Resumen.
Este artculo trata el problema del diseo ptimo de redes viales urbanas, el que es formulado como un problema de optimizacin, con restricciones asociadas a la red de transporte, ms otras posibles condiciones de borde. Los objetivos considerados corresponden a la minimizacin tanto del costo de construccin de vas, o del mejoramiento de las vas existentes, como del tiempo total de viajes de los usuarios de la red. El problema se enfrenta utilizando algoritmos genticos, obteniendo como producto un software que permite apoyar el diseo de redes de transporte urbano, de acuerdo a un conjunto de parmetros ingresados, para cualquier ciudad de tamao medio. Palabras clave: Redes de transporte, algoritmos genticos, optimizacin.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

1. Introduccin.
Actualmente, el sistema de transporte urbano se enfrenta a un problema de envergadura que surge de la gran diferencia entre las tasas de crecimiento vehicular que utiliza las vas de transporte, frente a la tasa de crecimiento de la infraestructura vial, que es mucho menor, debido principalmente a razones de tipo econmico y de restricciones de espacio. En consecuencia, para el mantenimiento y administracin de vas urbanas es necesario poder optimizar la eleccin de las vas que es necesario construir o mejorar. Es as como en las ciudades resulta necesario que exista una red de transporte tal que permita el desplazamiento de personas y vehculos de forma eficiente. El diseo de una red vial urbana es un problema de optimizacin, que busca minimizar el costo generalizado de viajes en la red de transporte, considerando mltiples variables tales como la topologa de la red (que involucra nmero y localizacin de las intersecciones y de las vas que las unen), las caractersticas de las vas (capacidad, longitud, tiempos de viaje, tiempos de viaje a flujo libre, costos de operacin y construccin) y las caractersticas de las intersecciones (a nivel o desnivel, existencia o no de semforos). El objetivo general del trabajo realizado se plantea como la bsqueda de una solucin al problema del diseo ptimo de una red vial urbana, aplicando la tcnica de los algoritmos genticos. Para ello se formula el problema de optimizacin que permita encontrar la red vial que soporte el problema del transporte privado de un rea urbana, incorporando diferentes restricciones tales como condicionantes urbansticas y anchos mximos de faja. Los algoritmos genticos se utilizan como base de un mecanismo simplificado de asignacin a la red de transporte, considerando la evaluacin de las funciones objetivo que se definen. El mtodo resultante es aplicado en la ciudad de Los Angeles (VIII Regin) considerando el impacto de relajar algunas de las restricciones impuestas en las soluciones. El presente artculo est estructurado de la siguiente forma. La seccin 2 presenta una descripcin general del problema junto con la formulacin del mismo. Luego, en la seccin 3 se muestra la visin global de la solucin utilizando algoritmos genticos. En la seccin 4 se describen los aspectos relevantes considerados para la implementacin del software y en la seccin 5 se muestran los resultados obtenidos. Finalmente, en la seccin 6 se discuten las conclusiones que se derivan del trabajo realizado.

2. Descripcin y formulacin del problema.

El proceso de planificacin de transporte se lleva a cabo partiendo generalmente del sistema de transporte actual en un rea determinada. Esta forma de operar permite establecer modelos que simplifican la realidad en funcin de ciertas variables, calibrando los mismos con los datos disponibles. El modelo clsico de transporte corresponde al modelo de las cuatro etapas [Ortzar94], que est compuesto por cuatro submodelos los cuales reflejan las distintas etapas de la demanda y oferta de transporte, como se esquematiza en la figura 1. Generacin y atraccin de viajes, distribucin de viajes y particin modal conforman la demanda de transporte, mientras que la etapa de asignacin corresponde a la oferta de transporte. Para una descripcin ms detallada de los submodelos ver [Matthews03]. Una red de transporte urbano corresponde a un conjunto de vas que permiten desplazar bienes y personas dentro de un rea geogrfica. Para la representacin de estas redes se utilizan grafos dirigidos. As, en una red G = (N, A), N representa el conjunto de puntos geogrficos a considerar (normalmente intersecciones de vas, paraderos o algn otro punto de inters) y A representa el conjunto de secciones homogneas de va que permiten unir dos puntos de N. Cada a A es un arco del digrafo que posee ciertas propiedades como longitud, costo y capacidad (cantidad mxima de vehculos en un perodo de tiempo). El problema consiste en disear diversas redes de transporte urbano, sobre las cuales se asignar el transporte privado. Posteriormente, cada una de estas redes de transporte con sus respectivos flujos vehiculares sern evaluados mediante una funcin objetivo cuya finalidad es permitir la eleccin de las alternativas que minimicen el tiempo total de viaje de los usuarios.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

Figura 1. Modelo clsico de transporte

En la formulacin matemtica del problema se presenta la funcin objetivo, dentro de la cual interacta la funcin ptimo del sistema y la funcin del costo de construccin. El ptimo del sistema de transporte busca que el tiempo total de todos los usuarios de la red sea mnimo. El mnimo tiempo total de los usuarios de la red T, se determina a travs de:

mn T = aA xata(xa)
sujeto a:

k xkrs = qrs, r, s; xa 0, ta 0

donde: xa: es el flujo de viajes en el arco a xkrs: es el flujo en la ruta k con origen en r y destino en s qrs: es el flujo total entre el origen r y el destino s ta: es el tiempo de viaje en el arco a El costo de construccin de un arco est dado por

ca = mn aA lapa
donde: la: es la longitud del arco a pa: es el nmero de pistas a construir o mejorar en el arco a. El valor de pa es discreto : es un conversor de unidades de medida Finalmente, la funcin objetivo corresponde a:

mn aA (xata(xa) + ca)

(1)

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

3. Algoritmos genticos
Los algoritmos genticos son tcnicas que pueden usarse para resolver problemas de bsqueda y optimizacin, inspirados en los procesos de seleccin natural de los organismos vivos. A lo largo de las generaciones, las poblaciones evolucionan en la naturaleza de acuerdo con los principios de seleccin y supervivencia de los ms fuertes, postulados por Darwin. Por imitacin de este proceso, los algoritmos genticos son capaces de ir creando soluciones para problemas del mundo real. La evolucin de dichas soluciones hacia valores ptimos para el problema depende en buena medida de una adecuada codificacin de las mismas y del diseo del algoritmo gentico. Los principios bsicos de los algoritmos genticos fueron establecidos por John Holland [Holland92] y se encuentran buenas descripciones en diferentes textos [Goldberg89], [Davis91], [Michalewicz92] y [Reeves93]. Una definicin bastante completa para un algoritmo gentico es la dada por John Koza [Koza92]: El algoritmo gentico es un algoritmo matemtico altamente paralelo que transforma un conjunto (poblacin) de objetos matemticos individuales, cada uno de los cuales se asocia con una aptitud, en una poblacin nueva, es decir en la siguiente generacin, usando operaciones modeladas de acuerdo al principio Darwiniano de reproduccin y supervivencia del ms apto, y tras haberse presentado de forma natural una serie de operaciones genticas en las que destaca la recombinacin sexual. Los objetos matemticos corresponden a individuos de la poblacin, los cuales tpicamente son cadenas de longitud fija que se ajustan al modelo de las cadenas de cromosomas. La estructura general de un algoritmo gentico, lo que suele denominarse su forma cannica, puede ilustrarse segn el siguiente segmento de seudocdigo [Buckless92].

Algoritmo Gentico Simple

Begin t := 0 Inicializar P(t) Evaluar P(t) Mientras no sea condicin de trmino, repetir t := t + 1 Seleccionar P(t) a partir de P(t 1) Aplicar Cruzamiento y Mutacin sobre P(t) Evaluar P(t) End Donde P(t) es la poblacin de individuos en la generacin t; Cruzamiento y Mutacin son operadores genticos que permiten recombinar la informacin contenida en los cromosomas. En el trabajo con algoritmos genticos, se necesita una codificacin o representacin del problema que resulte adecuada al mismo. Adems se requiere una funcin de evaluacin o de adaptacin al problema, la cual asigna un valor a cada posible solucin codificada indicando la bondad de la solucin. Durante la ejecucin del algoritmo, los padres deben ser seleccionados para la reproduccin o intercambio gentico lo que producir nuevos hijos o soluciones, a los cuales, con cierta probabilidad, se les aplicar una mutacin. El resultado de la combinacin de los pasos anteriores ser un conjunto de individuos, posibles soluciones al problema, los cuales pasarn a formar parte de la siguiente generacin.

Caractersticas que presentan los algoritmos genticos.

Algunas de las caractersticas que presentan los algoritmos genticos, en comparacin con otras tcnicas de solucin de problemas, son: Ventajas: - No se requieren conocimientos especficos sobre el problema que intentan resolver.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

Operan en forma simultnea con varias soluciones, en vez de trabajar secuencialmente como las tcnicas tradicionales. Cuando se usan para problemas de optimizacin resultan menos afectados por los mnimos locales que cuando se emplean tcnicas ms tradicionales. Resultan fciles de ejecutar en arquitecturas modernas con paralelismo masivo [Srinivas94] Usan operadores probabilsticos en vez de los tpicos operadores determinsticos de otras tcnicas.

Desventajas: - Pueden tardar mucho en alcanzar la convergencia, o no llegar a converger en absoluto, dependiendo en cierta medida de los parmetros que se utilicen, el tamao de la poblacin, el nmero de generaciones, etc. - Pueden llegar a una convergencia prematura debido a un conjunto de problemas de diversa ndole, como mala eleccin de los operadores genticos o los porcentajes probables de cruzamiento y/o mutacin entre otros. Por otra parte, es recomendable que el problema a tratar presente las siguientes caractersticas: - Su espacio de bsqueda (es decir sus posibles soluciones) debe estar definido dentro de un cierto rango acotado. - Debe ser posible definir una funcin de aptitud que entregue una indicacin sobre qu tan buena o mala es una cierta solucin. - Las soluciones deben codificarse de una manera que resulte fcil de implementar en un computador. Habiendo determinado que el problema planteado cumple con estas condiciones y teniendo en cuenta que sta es una tcnica de probada capacidad para la resolucin de problemas complejos, se ha decidido utilizar a los algoritmos genticos como parte constituyente de la solucin a implementar.

4. Consideraciones de implementacin
A continuacin, se presentan algunas definiciones fundamentales en el contexto del problema a resolver: Solucin: Corresponde a una red de transporte urbano. Individuo o cromosoma: Corresponde a una red de transporte o solucin, codificada para poder ser utilizada por el algoritmo gentico. Alelo: Corresponde a la unidad mnima de un cromosoma, es decir, el conjunto de todos los alelos constituye un cromosoma o individuo. Para el problema es un nodo o una arista de la red. Poblacin: Corresponde a un nmero fijo de individuos que se mantiene constante a travs de las generaciones. Generacin: Corresponde a la evolucin de una poblacin desde un estado particular hasta el estado siguiente. Funcin de Evaluacin: Corresponde a la funcin que se desea optimizar.

Para la representacin de los individuos se utiliz un enfoque combinado de modo de representar cada alelo como una combinacin de nodos y arcos. Esto para facilitar el almacenamiento y manejo de las soluciones vlidas. El cromosoma se dividi en dos partes fijas: la primera parte contiene los nodos de la red formando una permutacin de estos, de esta manera se representa una red con el mnimo de aristas para ser conexa; la segunda parte contiene aristas que conectan los nodos. Detalles del esquema utilizado se pueden encontrar en [Matthews03]. La Funcin de Evaluacin utilizada para calcular la bondad de los individuos, corresponde a la funcin de transporte urbano (1), que fue presentada en la seccin 2 de este artculo. Dentro del diseo de la funcin de evaluacin se debe elegir qu mtodo de aproximacin al problema de Equilibrio de Usuarios (asignacin de flujos de viajes) se utilizar, optndose por un mtodo conocido como Algoritmo de Frank-Wolfe [Matthews03]. Este es un mtodo de combinacin convexa que se elige por sobre un mtodo heurstico, debido a su menor tiempo de convergencia. Para la obtencin de los flujos vehiculares en equilibrio, utilizando el algoritmo de Frank-Wolfe, se emplea el software Saturn, que es un programa flexible para el anlisis de redes desarrollado por el Institute for Transport Studies, en la Universidad de Leeds, Inglaterra.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

La etapa de creacin de la poblacin inicial consiste en la generacin de diversas redes de transporte con el fin de obtener una gama amplia y diversa de soluciones factibles. A fin de generar solamente redes conexas, en una primera fase se forma una red conexa mnima (primera parte del cromosoma), a la que luego se agregan arcos (segunda parte del cromosoma) de forma que la red de transporte obtenida posea las caractersticas propias de una red urbana vial. En cuanto a los operadores genticos, la seleccin de individuos se realiza utilizando la ruleta, que consiste en simular una rueda de ruleta asignando a cada individuo una porcin de la rueda proporcional a su aptitud; debido a su implementacin sencilla y a su demostrada eficacia. Para el cruzamiento se utiliza el operador PMX [Murata97] para la primera parte del cromosoma, ya que este es un operador sobre permutaciones que produce permutaciones y genera resultados mejores que otros cruzamientos estudiados; para la segunda parte del cromosoma se usa el operador de cruzamiento simple. La mutacin utiliza el criterio presentado en [DeJong75], donde se recomienda una probabilidad de mutacin dada por L-1, en que L es la longitud del cromosoma. El operador de mutacin usado para la primera parte del cromosoma consiste en un intercambio de dos alelos, a fin, para la segunda parte del cromosoma se modifica el valor de un alelo elegido al azar.

5. Resultados
El software desarrollado se someti a un conjunto de pruebas sobre un modelo real correspondiente a la ciudad de Los Angeles, una ciudad de la octava regin en Chile con alrededor de 120.000 habitantes. La ciudad se dividi en 48 zonas, las cuales se agruparon adems en macrozonas que corresponden a Sector Norte, Sector Centro, Sector Centro-Oriente, Sector Sur, Sector Oriente, Sector Sur-Poniente y Sector Poniente, lo que se puede ver en la figura 2. Tanto los nodos como los arcos tienen representacin fsica real, por lo que no existen componentes geogrficos ficticios en el modelo. La mayora de los nodos corresponden a una interseccin o cruce, mientras que los arcos corresponden a la red vial.

Figura 2. Zonificacin de la ciudad de Los Angeles

Los anlisis realizados consideran los diferentes escenarios formulados y aprobados por el Comit de Uso de Suelo y Proyectos, la subdivisin de la ciudad en zonas que consideran pares origen-destino permite reflejar de manera ms fina las variaciones que experimentar la ciudad, desde el punto de vista del transporte, en los perodos considerados. La figura 3 muestra la tabla resumen de resultados obtenidos considerando los datos proyectados para el ao 2010.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

Figura 3. Resultados para el ao 2010

Los datos utilizados en las pruebas corresponden a las matrices de viajes de la ciudad de Los Angeles de los aos 2000 y 2010, considerando el perodo de punta matutino. Si bien las pruebas no llegaron a la obtencin de una red nica, queda claramente demostrada la insuficiencia en la infraestructura vial desde las macrozonas Poniente y Norte hacia la macrozona Centro. Pese a no obtenerse la red nica, se obtiene de acuerdo a las mediciones una mejora promedio en la red de un 23,9%, que no es un porcentaje significativo, pero que puede explicarse por el hecho de que el modelo de red para el ao 2000 no presenta una gran congestin vehicular. La figura 4, a continuacin, muestra una de las pantallas que el software ofrece al usuario.

Figura 4. Pantalla de salida del software

Por otra parte, los experimentos mostraron que de mantenerse la red vial urbana tal como est, el ao 2010 existir una insuficiencia de infraestructura importante. En particular se detecta que es necesario ampliar o generar nuevas vas desde las macrozonas Poniente y Norte hacia la macrozona Centro, ya que se aprecia una gran generacin de viajes en ambas macrozonas origen con una gran atraccin en la macrozona Centro. Esto resulta natural, ya que los problemas detectados con la matriz correspondiente al ao 2000 son menos crticos que los problemas detectados con la matriz del ao 2010. Otros sectores afectados por la insuficiente infraestructura vial son la macrozona Centro y la conexin entre la macrozona Centro-Oriente (generadora de viajes) y la macrozona Centro (atractora). Para todos los casos el software desarrollado propone soluciones viales que incluyen el mejoramiento de vas existentes y la creacin de vas nuevas. Sobre las proyecciones existentes para el ao 2010, el software sugiere modificaciones que llegan a mejoras superiores al 76% en la red de transporte con respecto a la planificacin actual. Este porcentaje, superior al obtenido para el anlisis con datos del ao 2000, se debe a que para el ao 2010 se espera una congestin vehicular importante.

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

6. Conclusiones
El software desarrollado representa un elemento de apoyo en la planificacin urbana, operando en una primera familia de pruebas como un mecanismo de deteccin de deficiencias de infraestructura, aunque se produce un aumento importante en los tiempos de ejecucin a medida que se aumenta la cantidad de generaciones consideradas. En una segunda familia de pruebas, aunque se estima que es posible llegar a obtener una red ptima, se requiere de tiempos de ejecucin bastante prolongados y por tal razn se sugiere que se enfrente estas pruebas con una filosofa diferente, lo que tal vez deba considerar la opcin del paralelismo. Un resultado interesante apunta a que el software tiende a construir diagonales entre zonas o nodos donde hay una deficiencia de infraestructura vial. Por tal motivo, result necesario incorporar el concepto de zonas restringidas, es decir aquellos casos en que el software est impedido de generar nuevos arcos (nuevas vas), pudiendo solamente mejorar los arcos existentes (por ejemplo, aumentando el nmero de pistas). Las zonas restringidas son definidas por el usuario. La sugerencia de construir diagonales, ms que el diseo de la va en s, demuestra la existencia de una necesidad en cuanto a interconectar nodos origen y destino con algn diseo, y es aqu donde un experto en el tema podra apoyarse en el uso de este sistema para poder decidir de entre un conjunto de alternativas viables. Adicionalmente, se ha demostrado la utilidad del uso de los algoritmos genticos como un mecanismo de apoyo al diseo de redes de transporte, ya que sirve para automatizar procesos de deteccin de insuficiencias en la infraestructura vial en sectores de una ciudad, aunque se requiere de algunos esfuerzos adicionales para manejar los tiempos de ejecucin extensos que podran conducir a la obtencin de redes ptimas. Sobre la relajacin de algunas de las condiciones impuestas al software, la ms importante result ser la eliminacin del costo de la construccin de un nuevo arco (va) sobre la red. Lo que ocurri fue un aumento importante en la cantidad de nuevas vas sugeridas, lo que llevaba a una minimizacin del tiempo total en la red. Sin embargo, estas soluciones tenan implcito un alto costo asociado a la construccin de vas nuevas. Adicionalmente se realiz un conjunto de pruebas con variaciones importantes en los tamaos de las poblaciones y en las matrices de viajes consideradas, lo que llev de forma sostenida a aumentos en los tiempos de ejecucin cada vez que se produca un aumento en los elementos bajo anlisis. Por ltimo, con respecto a las sugerencias que el software hace respecto al mejoramiento de vas, existe una coincidencia bastante importante con los planes actualmente existentes para el mejoramiento futuro de la red vial de la ciudad de Loa Angeles. Aunque esto es satisfactorio desde un cierto punto de vista, tambin resulta natural, dado que los criterios para la evaluacin de las soluciones son idnticos. En ese sentido, y sobre la base del uso de los criterios correctos, el software es una demostracin de que las soluciones de mejoramiento sugeridas son adecuadas.

Agradecimientos
Este trabajo ha sido apoyado parcialmente por el proyecto DIUC 201.093.006-1.0.

Referencias
[Buckless92] [Davis91] [DeJong75] [Goldberg89] Buckless, H.P., Petri, F.E. Genetic Algorithms. IEEE Computer Society Press, 1992 Davis, L. Handbook of Genetic Algorithms. Van Nostrand Reinhold Library, 1991 De Jong, K. An Analysis of the Behaviour of a Class of Genetic Adaptive Systems. University of Michigan, 1975 Goldberg, D. Genetic Algorithm in Search, Optimization and Machine Learning. Addison Wesley, 1989

Revista Ingeniera Informtica, Edicin Nmero 10, Agosto 2004. http://www.inf.udec.cl/revista

[Holland92] [Koza92] [Matthews03] [Michalewicz92] [Murata97] [Ortzar94] [Reeves93] [Srinivas94]

Holland, J. Adaptation in Natural and Artificial Systems. The MIT Press, 1992 Koza, J. Genetic Programming: On the Programming of Computers by Means of Natural Selection. Cambridge, Mass. The MIT Press, 1992 Matthews, E. Diseo Optimo de Redes Urbanas Utilizando Algoritmos Genticos. Memoria de Ttulo Ingeniero Civil Informtico, Universidad de Concepcin, Chile, 2003 Michalewicz, Z. Genetic Algorithms + Data Structures = Evolutionary Programs. Springer, 1992 Murata, T. Genetic Algorithms for Multi-Objective Optimization. Osaka Prefecture University, Japan, February, 1997 Ortzar, J. Modelos de Demanda de Transporte. Ediciones Universidad Catlica de Chile, 1994 Reeves, C. Modern Heuristics Techniques for Combinatorial Problems. Blackwell Scientific Publications, Oxford, 1993 Srinivas, M., Patnaik, L. Genetic Algorithms: A Survey. IEEE Computer, June, 1994