INTRODUCCIÓN

En la actualidad, la puesta en marcha de un proceso o sistema sin antes tener cierto grado de confianza de cómo será su funcionamiento, no constituye una buena práctica. Esto es provo- cado por el riesgo de ocurrencia de colapsos, insuficiencias y errores, es decir, obtención de resultados no esperados. Las técnicas de simulación se han utilizado durante mucho tiempo de una forma eficaz para imitar el desempeño de un sistema o artefacto que se desea desa- rrollar, con el fin de estimar cuál sería su desempeño real (Hillier, 2010). La simulación de un

proceso puede ayudar a identificar y evaluar cuantitativamente soluciones alternativas (Law & WD., 1991).

La Simulación Basada en Multi-Agente (MABS, Multi-Agent Based Simulation) se usa ac-

tualmente en un número creciente de áreas. Esto se debe, en gran parte, a su capacidad para hacer frente a una amplia variedad de modelos, que van desde entidades simples, generalmen- te llamadas “agentes reactivos”, a otras más complejas, como los “agentes cognitivos”. Desde hace más de dos décadas, su uso es una tendencia para variedades de dominios científicos como: biología, física, química, ecología, economía, sociología, etc. (Woolridge, 2009).

Una temática en la que la MABS puede aportar ventajas es la Ingeniería del Tránsito. La simulación de redes viales posee una gran importancia ya que, con estas, se puede analizar el comportamiento del tráfico para configuraciones candidatas en los semáforos y otros contro- ladores, obteniendo así datos estadísticos que apoyan la toma de decisiones. De esta forma, se pueden rechazar combinaciones ineficientes, lo que podría estar evitando embotellamientos y colapsos en el momento de la práctica. También estaría sugiriendo los tratamientos con mejor resultado para su posterior aplicación. Esto supone una ventaja considerable, ya que, el fracaso de un proyecto de semaforización supone una pérdida económica considerable en concepto de estructuración del entorno, compra de materiales, mano de obra, etc.

En octubre de 2015, se instanció esta situación en la Rotonda de la Ciudad Deportiva, La

Habana, Cuba. El proyecto consistió en instalar un semáforo en cada uno de los accesos a la rotonda, regulando así la entrada a la misma (Dirección Nacional de Tránsito, 2015). El im- pacto que tuvo esta reforma fue, una congestión en las vías adyacentes por más de 25 minu- tos, automóviles varados encima del paso a nivel ferroviario e interrupción en la entrada del Hospital Clínico Quirúrgico de 26. Por tal razón, la Dirección Nacional de Tránsito indicó retirar los semáforos en menos de 72 horas de su puesta en funcionamiento (Reinaldo, 2015). En el mundo se han desarrollado otras herramientas que son utilizadas para resolver tam- bién el problema de la configuración de semáforos. En las últimas décadas, muchas agencias e investigadores planificadores del transporte han intentado mejorar los sistemas de señales des- plegados. Una visión más matemática del asunto se documenta en Hernández (2009), donde se diseñó e implementó un simulador de flujo vehicular que incorpora un método para realizar la sincronización de un circuito de calles. El método de sincronización desarrollado en este trabajo se realiza por medio de varias teorías como son: teoría de colas, ecuaciones diferenciales parcia- les, teorías de ondas, las ondas de Shock; todas estas teorías conjuntadas proporcionan el tiempo

de duración que debe de tener cada ciclo de los semáforos que conforman el circuito de calles.

El simulador THE (Farooqi, Munir, & Baig, 2011), implementado en Paquistán ofrece una solución al problema del tiempo excesivo de espera de los vehículos en intersecciones señali- zadas. Utiliza un algoritmo genético para optimizar el tiempo de luz verde de cada semáforo. A partir de (Castán, Ibarra, Laria, Guzmán, & Castán, 2014) comienzan a aparecer los agentes. Se presenta el desarrollo de una metodología novedosa que permite incluir un mo- delo formal basado en agentes autónomos e inteligentes capaces de manipular las fases de los

ciclos en una infraestructura de semáforos de acuerdo a las limitaciones de la carretera.

Otro simulador que centra su atención en fenómenos viales es SUMO (Sarkar, Bhaskar, Zheng, & Miska, 2020). SUMO es un paquete de simulación de tráfico de código abierto di- señado para simular cómo se desarrolla una demanda de tráfico dada, que consiste en movi- mientos de vehículos a través de una red de carreteras predeterminada.

El objetivo de este trabajo es exponer el desarrollo de una herramienta para la configu- ración semafórica con un marco de trabajo de simulación basada en agentes, extensible y aplicable fácilmente por la Dirección Nacional de Tránsito. El alcance de la herramienta será modelar como agentes las entidades principales del problema a resolver: los semáforos, con su representación más básica de tres luces y los vehículos con posibilidades de colisionar, adelan- tarse y cometer infracciones.

METODOLOGÍA

Para realizar la propuesta se hizo un análisis de los agentes inteligentes, la Simulación Basada en Agentes y su potencialidad, los Sistemas de Información Geográfica (SIG) y las facilidades que brindan en el trabajo con mapas y se hizo además un estudio del fenómeno del tráfico en la actualidad.

Los Agentes

Según Woolridge (2009), no existe una definición aceptada de forma universal del término “agente”, y de hecho existe debate y controversia sobre este tema por la variedad de criterios. Una definición tomada de Wooldridge es: “Un agente es un sistema computacional situado en un entorno dado, que es capaz de actuar de forma autónoma para cumplir sus objetivos” (Woolridge, 2009).

Simulación Basada en Agentes

La Simulación Basada en Agentes (ABS, Agent Based Simulation) se refiere a una categoría de modelos computacionales que invoca las acciones dinámicas, las reacciones y los protocolos de intercomunicación entre los agentes en un entorno compartido, para evaluar su diseño y rendimiento y obtener información sobre su comportamiento y propiedades emergentes. Des- de el punto de vista de la simulación, la función de un componente individual puede variar desde reglas reactivas muy básicas hasta modelos de comportamiento cognitivos más sofisti- cados. El objetivo de ABS es modelar sistemas complejos que adoptan un enfoque ascendente a partir de los agentes individuales (Moon, 2017). Un enfoque concreto de ABS es modelar y simular escenarios realistas con un grupo de agentes autogobernados, ya sea como entidades simples dentro de los fragmentos de códigos de cómputo o como objetos considerablemente inteligentes. Esto posiblemente se considere sinónimo de capacidades de resolución de pro- blemas del ser humano con estados infinitos, creencias, confianzas, decisiones, acciones y res- puestas. Adquirir el conocimiento adecuado del sistema para construir un modelo conceptual y lógico apropiado es una de las tareas más desafiantes de la simulación (Abar, 2017).

Sistema de Información Geográfica

Los Sistemas de Información Geográfica (GIS, Geographic Information System) constituyen sistemas integrados y organizados de hardware, software y datos geográficos, diseñados para capturar, almacenar, manipular, analizar y desplegar información geográficamente referen- ciada y además representar la misma, con el fin de resolver problemas complejos de planifica- ción y gestión (Capote & Delgado, 2009).

Los GIS están compuestos por una serie de elementos, donde los datos espaciales son esenciales debido a que contienen la información geográfica necesaria para su funcionamien- to. Esta información puede ser almacenada tanto en ficheros como en bases de datos espacia- les, utilizándose para dicho fin varias tecnologías, siendo las más comunes, las bases de datos relacionales.

Un ejemplo de almacenamiento en bases de datos puede ser mediante SQLite (SQLite

home page, 2015). Permite el almacenamiento de diferentes geometrías y su consulta a través de un conjunto de métodos almacenados. Igualmente, posee procedimientos para efectuar una gran cantidad de operaciones espaciales, como pueden ser el cálculo de dis- tancia, área, centroide y rutas, por solo citar ejemplos. En la actualidad, existen varias entidades que proveen datos espaciales. Una de estas es Open Street Map (OSM) (OpenS-

treetMap, 2018).

Marco de trabajo MASON

MASON (Stands for Multi-Agent Simulator Of Neighborhoods... or Networks... or something...) es una plataforma de simulación basada en agentes, de eventos rápidos y discretos, diseñado para ser la base de grandes simulaciones en el lenguaje de programación, y también para pro- porcionar funcionalidad más que suficiente para muchas necesidades de simulación de peso ligero. Contiene una biblioteca de modelos y un conjunto opcional de herramientas de visua- lización en 2D y 3D (Luke, 2017). Como parte de la integración con GIS, MASON cuenta con una extensión opcional llamada GeoMason la cual añade soporte para datos geoespaciales y se publica bajo la Licencia Libre Académica (Colleti, 2013).

Las principales características por las que se escoge el marco de trabajo MASON son:

1. 1. 1. Posibilidad de trabajo con GIS,

   2. Licencia de Academia Libre,

   3. Soporte para usuarios con tutoriales, documentación, listas de correo y ejemplos,

   4. Rápido, portátil y computacionalmente poco costoso,

   5. Los modelos son independientes y pueden ejecutarse dentro de otras plataformas y apli- caciones (Luke, 2017).

El fenómeno del tránsito

En la actualidad los medios de transporte son parte fundamental en la vida de los ciudadanos. Con ello, existe un incremento considerable en la cantidad de vehículos que circulan por vías públicas, provocando lamentablemente muchos efectos negativos, tales como embotellamien-

tos, colapsos, contaminación y accidentes. Una de las agravantes principales de esta situación es la mala configuración de controladores del tráfico como el semáforo.

Los semáforos

Las señales mediante luces se utilizan para regular la circulación vial y generalmente se obser- van mediante semáforos, divididos los más comunes en tres secciones, verticales u horizon- tales, situándose sus luces de arriba abajo o de izquierda a derecha respectivamente, siempre manteniendo el siguiente orden: roja, amarilla y verde.

• • Luz roja: indica que los conductores de vehículos deben detener la marcha en la línea de

  pare o en la línea de paso para peatones.

  • Luz amarilla: resulta tanto para conductores como para peatones una señal de aviso, del paso tanto de la luz verde para roja como viceversa; es una luz de aviso o preventiva.

  • Luz verde: indica a los conductores de vehículos que pueden continuar la marcha por la misma vía que circulan, o girar a la derecha o izquierda según el caso (León, 2016).

La configuración de los semáforos consiste en determinar las fases que conformarán su ciclo, así como el tiempo que tendrá cada una de ellas. También se contempla, como una al- ternativa de configuración, la ausencia de estos.

Efecto de la mala configuración de los semáforos

Primeramente, se entiende como “malas configuraciones de los semáforos” a las configuracio- nes que, lejos de organizar, obstaculizan el flujo del transporte. Al poner en funcionamiento una mala configuración de los semáforos de cierta intersección, dependiendo de la demanda de vehículos que tenga, serán las afectaciones que ocurran.

• • Embotellamientos y colapsos: los embotellamientos o colapsos del tránsito, son aglo-

  meraciones excesivas de vehículos en espera por la luz del semáforo o por otros vehícu- los. Estos constituyen una de las principales afectaciones que genera la mala configura- ción de los semáforos.

  • Contaminación ambiental: en principio, pudiese parecer absurdo que aplicar malas configuraciones en los controladores del tránsito contribuya a la contaminación ambien- tal. Pero, una característica típica en los embotellamientos, es que los vehículos avanzan con muy baja velocidad y con frecuentes paradas. Esto implica que los motores funcionen mucho más y, por lo tanto, generen más gases contaminantes que acaban en la atmósfera, contaminan el medio ambiente y fortalecen el cada vez más preocupante, calentamiento global. En Cuba, esta contaminación además se ve incrementada porque aún muchos de los vehículos tienen más de diez años, vehículos que por su antigüedad consumen más energía, producen mayor contaminación y son más ruidosos (contaminación acústica).

Se puede concluir que, en aras de lograr una pequeña contribución al decremento de in-

dicadores, como la contaminación provocada por la generación excesiva de gases de los ve- hículos, así como los accidentes en vías reguladas por semáforos, es importante conocer qué configuraciones aplicar a los semáforos, y consigo minimizar los embotellamientos.

Factores Que influyen

en el comportamiento

en la vía

El comportamiento de los vehículos en la vía está condicionado por varios factores que se dividen en tres categorías: humanos, del vehículo y externos. Como parte de los factores hu- manos los conductores en muchas ocasiones realizan maniobras equivocadas para adelantar carril y ello se desenlaza en un lamentable accidente.

Una de las conductas más adoptadas por los conductores es la de adelantar a los vehículos que tienen por delante. Esta conducta puede estar condicionada por los factores anteriormen- te mencionados, así como por el simple hecho del conductor querer llegar pronto a su destino. El conductor de un vehículo para adelantar a otro, en vías de dos o tres carriles, o sendas en ambos sentidos de circulación, está obligado a (León, 2016): comprobar que puede realizar la maniobra sin interferencia a los demás vehículos que marchen delante, detrás o se acerquen en sentido opuesto al suyo, y sin riesgo de accidente; efectuar el adelantamiento por la senda izquierda; incorporarse de forma gradual y segura a la senda o carril por la que transitaba, siempre que no obligue al conductor del vehículo adelantado a modificar su dirección o velo- cidad. El conductor del vehículo adelantado está obligado a (León, 2016): no aumentar la ve- locidad, ni efectuar maniobras que impidan o dificulten el adelantamiento; facilitarle espacio suficiente al vehículo que lo adelanta, para reintegrarse a la senda o carril por la que transita.

Modelo de la simulación

El Modelo del Dominio muestra cómo se relacionan los conceptos y entidades presentes en la propuesta (ver figura 1).

figura1
Modelo del Dominio
sf

La simulación se desarrolla en un “Entorno” que es contenedor de una “Red Vial” (construida a partir del GIS utilizado) y un conjunto de vehículos. Los vehículos son regulados por semáforos, pero como entidades inteligentes pueden obedecer o no lo establecido, así como también deciden en qué momento adelantar por el carril en que transitan. Las calles, esquinas, fases de los semáforos, nodos terminales, accidentes e infracciones no constituyen agentes, son clases contenidas en la solución con un comportamiento predeterminado con las que los agentes interactúan durante su marcha.

Comportamiento de los agentes

• • Agente Semáforo: su comportamiento es simple, comprueba si ya terminó el tiempo es- tablecido de una luz y cambia para la siguiente. Por cada fase del semáforo y dependien- do de la luz que esté activa habrá un grupo de calles permitidas y otras no.

  • Agente Arribo: chequea si ya transcurrió el tiempo entre arribos (TEA) establecido para

  crear otro agente de tipo vehículo. Si ya transcurrió ese tiempo crea un nuevo vehículo, en caso contrario no realiza ninguna acción y continúa esperando.

  • Agente Vehículo: los vehículos circulan por la red vial siguiendo una ruta trazada en

  el momento de su creación. Su comportamiento en la vía se basa en probabilidades de choque y eventos aleatorios. De esta manera están modelados los accidentes, los adelan- tamientos de carril y las infracciones. Las probabilidades de choque son ingresadas a la simulación por el usuario que inicia la herramienta y los eventos aleatorios son creados por el entorno de simulación. La ocurrencia de esos sucesos depende de si el evento alea- torio es menor que la probabilidad de choque de ocurrencia establecida. Los vehículos son generados por un agente tipo arribo y son eliminados cuando llegan a un nodo ter- minal. Durante su tiempo en la simulación chequean en cada esquina la existencia de semáforos y toman las decisiones pertinentes sobre obedecer o no.

Figura 2
Parámetros de configuración inicial.
sf

Parámetros de configuración inicial

Antes de iniciar cada simulación el analista o ingeniero de tránsito que llevará a cabo la misma debe dejar claro los parámetros bajo los cuales funcionarán los agentes y entida- des antes descritas. La figura 2 (Parámetros de configuración inicial) es la primera vista de la herramienta donde se especifican los datos con los que trabajarán los agentes du- rante la simulación. En los casos en que las simulaciones lancen resultados no satisfac- torios una solución podría ser iniciarla con parámetros diferentes, tantas veces como lo desee el analista hasta que esté satisfecho

con alguna configuración.

Entre los parámetros a configurar existen dos tipos. Las probabilidades se corresponden con eventos no controlables de la simulación pues son decisiones tomadas por los vehículos como agentes autónomos. El resto de los parámetros son controlables tanto en la simulación como en la puesta en marcha de un proyecto de semaforización real.

Resumen estadístico

Luego de cada simulación la herramienta guarda un conjunto de datos que facilitan el análi- sis y la toma de decisiones. Entre los datos almacenados se encuentran: cantidad de vehículos simulados, velocidad promedio de los vehículos, tiempo promedio de espera, cantidad de ac- cidentes, cantidad de infracciones y cantidad de infractores. El objetivo de la herramienta es buscar la simulación con el menor número de accidentes, infracciones y el menor tiempo de espera de los vehículos posible.

Diseño de Experimentos

Un diseño de experimentos es un ensayo analítico y prospectivo, caracterizado por la manipula- ción artificial del factor de estudio por el investigador, un diseño de experimento está compues- to por un conjunto de fases. Es una secuencia de pasos tomados de antemano para asegurar que los datos apropiados se obtendrán de modo que permitan un análisis objetivo que conduzcan a deducciones válidas con respecto al problema planteado (Anderson & Whitcomb, 2000).

RESULTADOS Y DISCUSIÓN

Al aplicar ciertas ejecuciones, siguiendo las directrices de un Diseño de Experimentos (DoE, Design of Experiments) se podría estar determinando cuáles de estas configuraciones logran un mejor rendimiento. Para la validación de la herramienta desarrollada se desarrolló un di- seño de experimentos orientado al caso “Ciudad Deportiva semaforizada”.

Fase de planeación

Esta primera fase comienza con el reconocimiento y formulación del problema. Se quiere rea- lizar una simulación en la Ciudad Deportiva, de forma tal que los vehículos circulen por esta área, incluida la rotonda, teniendo que esperar el menor tiempo posible.

El rendimiento es tiempo de espera promedio, en minutos, de los vehículos luego de una simulación de 12 horas. Este tiempo se ve afectado en cada vehículo cuando, está esperando por la luz del semáforo, obstaculizado por un accidente o en cola, es decir, esperando por otro vehículo que a su vez está a la espera. El objetivo es minimizar este tiempo.

Los factores identificados se dividen en dos grupos, controlables y no controlables. El pri- mer grupo comprende los factores siguientes: 1) presencia de semáforos en la rotonda, 2) ve- locidad promedio de los vehículos y 3) cantidad de vehículos que arriban por segundo (Bajo: un vehículo por cada arribo, Alto: más de tres vehículos por cada arribo). Es válido aclarar que existen otros factores controlables, pero para este diseño de experimentos se tendrán en cuenta solo estos tres, pues se consideran los de mayor influencia en el análisis de la función

objetivo. También fueron identificados otros factores que no pueden ser controlados (segundo grupo), pero no por esto menos importantes, ya que tienen una influencia considerable en el rendimiento. Estos son, cantidad de accidentes, número de infracciones, número de infracto- res y cantidad de vehículos que llegan a su fin.

Fase de diseño

En esta fase se elige la resolución de diseño a aplicar. La cantidad de factores controlables es tres, cada uno con dos niveles definidos, y se debe tener un tratamiento por cada combinación de niveles y factores, esto implica que la cantidad total de tratamientos es ocho.

cantidad de tratamientos= cantidad de niveles_{cantidad de factores} = 2₃ = 8

Esta cantidad es aceptable (considerablemente pequeña en cuanto a ejecuciones), por lo que se decide aplicar una resolución factorial completo, lo cual implica una ejecución por cada tra- tamiento. El beneficio más importante que se obtiene con esta resolución de diseño es que se evita la confusión o alias, la cual estaría presente de realizar menos ejecuciones que cantidad de tratamientos total (Anderson & Whitcomb, 2000). Con las ejecuciones de los tratamientos se busca tener una visión del comportamiento de los factores controlables para conocer cuál es la combinación óptima de ellos en la intersección escogida para el experimento.

Fases de conducción y análisis

Para llevar a cabo la fase de conducción se realizan las 8 ejecuciones con los tratamientos co- rrespondientes cuyos resultados son procesados en la fase de análisis. En la figura 3Vista de la ejecución del experimento en la Ciudad Deportiva se ve una de las ejecuciones.

Con el uso del software estadístico Minitab (Minitab, 2019) se obtiene la figura 4 Gráfica

de cubos

gró un mejor rendimiento.

Luego de conocer la simulación de mejor rendimiento, en la tabla 1 Resultados de las ejecuciones de los tratamientos se muestra el tiempo de espera promedio para cada ejecu- ción del experimento, junto con los resulta- dos de los factores no controlables definidos para el mismo. La peor simulación entonces será la cuarta, por tener el mayor tiempo de

espera (37 minutos). En las ejecuciones de los tratamientos se utilizaron además varias com-

Figura 3
Vista de la ejecución del experimento en la Ciudad Deportiva.
sf

binaciones de parámetros iniciales, para dar cobertura y conocer el comportamiento de la mayor cantidad posible de eventos no contro- lables dentro de la simulación.

Luego de las fases de planeación, diseño, conducción y análisis correspondientes al di- seño de experimento, este lanzó como conclu- sión la siguiente configuración recomendada:

1) Presencia de semáforos en la rotonda: No. 2) Velocidad promedio de los vehículos: 60 Km/h.

3) Cantidad de vehículos que arriban: 1 u/s.

Figura 4
Gráfica de cubos (medias de los datos) para tiempo.
sf

Tabla 1:
Resultados de las ejecuciones de los tratamientos.

CONCLUSIONES

Se desarrolla una herramienta de simulación que apoya el proceso de configuración de con- troladores del tránsito en redes viales. Constituye una solución escalable y reutilizable que puede ser fácilmente adaptada y extendida a nuevas funcionalidades gracias al uso de buenas prácticas como patrones de diseño. En futuras versiones se recomienda incluir nuevas señales verticales y horizontales que controlen el tráfico, así como la presencia de peatones transitan- do por la vía. Además, se recomienda desarrollar un sistema de análisis que sugiera configu- raciones de buen rendimiento vial basándose en los datos obtenidos en cada simulación.

También es necesario incluir en la herramienta la distinción de los vehículos según sus

características y la presencia de obstáculos en las calles. El clima y la hora del día en que se realiza la simulación es un factor muy influyente en el comportamiento de los vehículos. Por último, las condiciones anímicas bajo las que se encuentren los conductores también serían determinantes en casos de accidentes.

Agradecimientos

Agradecemos la colaboración del Complejo de Tecnología Integrada por su apoyo a esta investigación.

REFERENCIAS

Abar, S. (2017). Agent Based Modelling and Simulation tools: A review of the state-of-art sof- tware. Computer Science Review.

Anderson, M., & Whitcomb, P. (2000). Design of experiments. Wiley Online Library.

Capote, J., & Delgado, T. (2009). Marco Teórico Infraestructura Datos Espaciales en el Pry CYTED IDEDES. Semántica espacial y descubrimiento de conocimiento para el desarro- llo sostenible, 21-32.

Castán, J. A., Ibarra, S., Laria, J., Guzmán, J., & Castán, E. (2014). Control de tráfico basado en agentes inteligentes. Polibitis.

Colleti, M. (2013). The GeoMason Cookbook. Department of Computer Science George Ma- son University.

Dirección Nacional de Tránsito. (8 de 10 de 2015). A partir del viernes 9 funcionarán semáfo- ros en la Rotonda de la Ciudad Deportiva. Recuperado el 30 de 04 de 2019, de Cubadeba- te: http://www.cubadebate.cu/noticias/2015/10/08/a-partir-del-viernes-9-funcionaran-se- maforos-en-la-rotonda-de-la-ciudad-deportiva/

Farooqi, A. H., Munir, A., & Baig, A. R. (2011). The: traffic light simulator and optimization using genetic algorithm. International Conference on Computer Engineering and Appli- cations.

Hernández, E. G. (2009). Desarrollo de un modelo de simulación vehicular para la mejora en la sincronización de semáforos. Instituto Nacional de Astrofísica, Óptica y Electrónica.

Hillier, F. (2010). Investigación de operaciones. Madrid: McGraw-Hill Interamericana de Es- paña S.L.

Law, A., & WD., K. (1991). Simulation modeling and analysis (Vol. 2). New York: McGraw-Hill.

León, A. M. (2016). Código de Seguridad Vial.

Luke, S. (2017). Multiagent Simulation And the MASON Library. Department of Computer Science George Mason University.

Minitab. (2019). Minitab Statistical Software. Retrieved from Minitab: https://minitab.com Moon, Y. (2017). Simulation modelling for sustainability: a review of the literature. Int J Sus- tain Eng.

Moreno Espino, M. (2013). Patrones para incorporar proactividad en sistemas informáticos (Tesis doctoral). La Habana: Instituto Superior Politécnico, José Antonio Echeverría, CU- JAE. Obtenido de http://tesis.cujae.edu.cu:8080/xmlui/handle/123456789/247

OpenStreetMap. (2018). Recuperado el 01 de 09 de 2019, de https://www.openstreetmap.org/

Reinaldo, O. F. (23 de 12 de 2015). Rotondas, semáforos y comunicación por descongestio- nar. Recuperado el 30 de 04 de 2019, de Cubadebate: http://www.cubadebate.cu/opi- nion/2015/12/23/rotondas-semaforos-y-comunicacion-por-descongestionar

Sarkar, N. C., Bhaskar, A., Zheng, Z., & Miska, M. P. (2020). Microscopic modelling of area-ba- sed heterogeneous traffic flow: Area selection and vehicle movement. Transp. Res. Part C Emerg. Technol.

SQLite home page. (2015). Recuperado el 04 de 09 de 2019, de SQLite: https://www.sqlite.org/ index.html

Woolridge, M. (2009). An Introduction to MultiAgent Systems (2 ed.). Departament of Com- puter Science, University of Liverpool: John Wiley & Sons.