Movilidad urbana sostenible: Aprovechamiento de la IA generativa para optimizar los semáforos teniendo en cuenta la simetría

Las intersecciones urbanas son nodos críticos donde convergen la congestión del tráfico y la ineficiencia energética. Los sistemas tradicionales de control de semáforos suelen optimizar la movilidad o la sostenibilidad, creando una asimetría entre la eficiencia del flujo y el impacto medioambiental.

Este estudio presenta un marco de optimización generativa consciente de la simetría que aprovecha la inteligencia artificial generativa (GAI) para equilibrar ambas dimensiones. Utilizando el simulador microscópico SUMO, modelamos una intersección con semáforos en Colima, México, bajo cinco estrategias de control: Tiempo fijo (línea de base), GPT-4o, GPT-5 Thinking, Gemini 2.5 Pro y DeepSeek V3. Cada modelo de lenguaje grande (Large Language Model, LLM) recibió datos de simulación estructurados y generó nuevas configuraciones de duración de fase para minimizar la longitud de las colas, el tiempo de viaje y las emisiones de CO2El CO₂, o dióxido de carbono, es un gas compuesto por un átomo de carbono y dos de oxígeno, presente de forma natural en la atmósfera. Es fundamental para procesos como la fotosíntesis y el..., al tiempo que mejoraba la velocidad media. El rendimiento a nivel de pasos se evaluó utilizando estadísticas descriptivas y pruebas de rangos con signo de Wilcoxon emparejadas con la corrección de Holm-Bonferroni.

Los resultados muestran que todos los controladores basados en LLM superaron significativamente la referencia de tiempo fijo (p ajustado ≤ 4,8 × 10−6), con tamaños de efecto grandes (|dz| ≈ 1,5-2,6). GPT-5 logró el mejor rendimiento, reduciendo el tamaño de la cola en un ≈ 44 %, las emisiones de CO2 en un ≈ 17 % y aumentando la velocidad media en un ≈ 58 %.

Los resultados validan la viabilidad del razonamiento generativo consciente de la simetría para la optimización sostenible del tráfico y establecen un marco metodológico reproducible aplicable a los futuros sistemas de movilidad urbana impulsados por la IA.

Título Original:

"Sustainable Urban Mobility: Leveraging Generative AI for Symmetry-Aware Traffic Light Optimization"

Autor/es: