Investigadores de DeustoTech Mobility, en colaboración con la Universidad de Hong Kong, acaban de publicar en la prestigiosa revista Transportation Research Part C: Emerging Technologies el artículo titulado: "Hierarchical fuzzy rule-based system optimized with genetic algorithms for short term traffic congestion prediction".
El trabajo se centra en utilizar técnicas de inteligencia artificial para predecir, según el estado actual de la vía, si se va a producir una congestión inesperada en un horizonte de tiempo de hasta 30 minutos.

Para ello, se utiliza un algoritmo genético encargado de optimizar una jerarquía de sistemas basados en reglas difusas. Los sistemas se ponen a prueba con datos reales de carreteras americanas obteniendo un acierto en la predicción superior al 95%, mejorando así, resultados obtenidos por otras técnicas de la literatura. Por otra parte, también se presenta un análisis de la complejidad de los modelos obtenidos, concluyendo que los modelos generados por el sistema no sólo son más precisos que el resto de modelos sino que son además más sencillos.

La publicación de este artículo es uno de los resultados visibles del trabajo que se está llevando a cabo en la unidad de Mobility en el área de la inteligencia artificial y el estudio de algoritmos genéticos aplicado a la resolución de problemas en el transporte y la movilidad. Trabajo que también se ha visto premiado con la publicación reciente de dos artículos en la revista de impacto Applied Intelligence: “GABF: genetic algorithm with base fitness for obtaining generality from partial results: study in autonomous intersection by fuzzy logic”, “Golden ball: a novel meta-heuristic to solve combinatorial optimization problems based on soccer concepts”.