🚦 Traffic-Lights-Optimization

Para resolver las depenencias del proyecto ejecute el siguiente comando.

pip install -r requeriments.txt 

Para probar el algoritmo evolutivo usado con la simulacion ejecute alguno de los siguientes dos comandos.

make test3_evol
make test5_evol

Para ajustar los parámetros se debe entrar a los archivos de código test3_evolutionary_algorithm.py y test5_evolutionary_algorithm.py.

Para probar como se vería la simulación ajuste los parametros de tiempo de ejecución pasados al método Start(observation_time o it_amount) y de speed en el objeto ctrl (correspondiente a la velocidad de la simulación), en test_3_simulation.py, test_4.py, test_5.py o test_6.py. Tenga en cuenta que el mapa de test_4.py es algo grande y los precálculos asociados pueden tomar varios minutos, pero esto es solo la primera vez que lo ejecuta en su computadora. El test_5.py es el que se usó para probar el algoritmo genético.

make test3
make test4
make test5
make test6

test3_a_star_length.py contiene una ejemplo del uso de una version de A_star para calcular la menor distancia de una calle a otra teniendo como heurísitica la distancia en línea recta.

test3_a_star_time.py contiene una versión de A_star para calcular el menor tiempo de una calle a otra teniendo teniendo como heurísitica (h) la distancia en línea recta. Lo interesante de esto es que para medir el tiempo lo que se hace es ponerse a correr una simulación, y se insertan varios carros a tomar todas las rutas posibles para obtener sus tiempos de llegada (los valores de g en f = g + h)

test3_a_star_time_dijkstra.py es similar al anterior pero usamos para calcular la heurística un Dijkstra partiendo de la calle final, hasta todas las otras calles, calculando un aproximado de tiempo teniendo en cuenta la longitud de las calles y los tiempos de cada semáforo.

Puede observar cómo se comportan estos algoritmos haciendo uso de

make test3_time
make test3_time_dijkstra

Para acceder a la documentación del proyecto haga click aquí.