Modelo origen destino para estimar el flujo de tráfico usando algoritmos genéticos

En este trabajo se ha desarrollado un nuevo método basado en Inteligencia Artificial para resolver un problema del matriz origen-destino (O-D) aplicado al caso de una red de tráfico vehicular en la ciudad de Ambato. El método implementado, basado en algoritmos genéticos (AG), resuelve el problema de minimización asociado al problema de matriz O-D. Para validar la técnica, se ha utilizado una red vial correspondiente a la zona del Mercado Modelo en la ciudad de Ambato, que es una zona de alta congestión vehicular.

Un modelo de predicción de tráfico en la ciudad de Ambato

Este artículo contiene el estudio inicial de un modelo de predicción de tráfico, que intenta mostrar cómo puede complementarse la toma de decisiones que afecten a la ciudad a través de una buena planificación vial. Esto permitirá dar alternativas posibles de solución mediante la predicción de flujos de tráfico y determinando las intersecciones de mayor influencia dentro de la red vial, lo que por consecuencia reduciría costes en tiempo, combustible, contaminación, etc., obteniendo así una herramienta de ayuda en la toma de decisiones respecto del tráfico. Específicamente, se utiliza modelos dinámicos lineales para predecir el tráfico en distintos puntos de una ciudad y, en consecuencia, pronosticar su eventual saturación. Se puede así predecir puntos de la ciudad en la que es necesario actuar para aliviar los problemas de tráfico antes de que éstos lleguen a manifestarse.

Análisis de rendimiento y profiling del modelo WRF en un clúster HPC

El modelo de investigación y pronóstico climático (WRF) es un sistema completamente funcional de modelado que permite realizar investigación atmosférica y predicción meteorológica. WRF fue desarrollado con énfasis en la eficiencia, portabilidad, facilidad de mantenimiento, escalabilidad y productividad, lo que ha permitido que sea implementado con éxito en una amplia variedad de equipos HPC. Por esta razón, el tamaño de los problemas a los que WRF da soporte ha incrementado, por lo que el entendimiento de la dependencia del WRF con los diversos elementos de clúster, como la CPU, interconexiones y librerías, son cruciales para permitir predicciones eficientes y de alta productividad. En este contexto, el presente manuscrito estudia la escalabilidad de WRF en un equipo HPC, tomando en consideración tres parámetros: número de CPUs y nodos, comunicaciones y librerías. Para esto, dos benchmarks son llevados a cabo sobre un clúster de alto rendimiento dotado de una red GigaEthernet, los cuales permiten establecer la relación entre escalabilidad y los tres parámetros estudiados, y particularmente demuestran la sensibilidad del WRF a la comunicación inter-nodo. Dicho factor es esencial para mantener la escalabilidad y el aumento de la productividad al añadir nodos en el clúster.