Vehicle traffic congestion is an increasing concern in metropolitan areas, with negative implications for health, environment, and economy. Researchers, city managers, and entrepreneurs have shown great interest in Smart Mobility, and several approaches have been proposed to reduce these non-desired effects. In this work, we focus on using the existing infrastructure (traffic lights) to tackle these negative issues, instead of investing in an expensive new one. The adequate planning of traffic lights (the configuration of the red-yellow-green cycles) improves vehicle flow (reducing jams, emissions, economic losses, etc.) and, at the same time, this improvement is obtained without any additional cost and without requiring the use of specialized applications by the drivers. We propose two versions of a Cellular Genetic Algorithm (cGA): synchronous and asynchronous. This method has previously shown very accurate results in real-world problems. Our approaches are evaluated with two closer-to-reality scenarios from urban areas located in the cities of Málaga (Spain) and Paris (France) using the popular micro-simulator Simulator of Urban Mobility (SUMO). A complex simulation of the city is mixed with an advanced (though light) algorithm to address a major problem in all cities. We compare our algorithm with respect to the state-of-the-art techniques for this problem, showing high accuracy of our techniques. Additionally, we present an in-depth analysis of the solutions obtained via a genotypic and phenotypic data science study, so that the whole domain gets a better understanding of what the algorithms are computing and experts can learn better strategies.

在大城市地区，车辆交通拥堵越来越引起人们的关注，对健康，环境和经济产生负面影响。研究人员，城市管理人员和企业家对Smart Mobility表现出极大的兴趣，并提出了几种减少这些不良影响的方法。在这项工作中，我们专注于利用现有的基础设施（交通灯）来解决这些负面问题，而不是投资购买昂贵的新基础设施。对交通信号灯进行适当的规划（红黄绿循环的配置）可改善车辆流量（减少拥堵，排放，经济损失等），与此同时，无需任何额外费用且无需花费任何费用即可获得这种改善要求驾驶员使用专门的应用程序。我们提出了细胞遗传算法（cGA）的两个版本：同步和异步。以前，此方法在实际问题中显示出非常准确的结果。我们使用流行的微型模拟器“城市交通模拟器”（SUMO），对来自马拉加（西班牙）和巴黎（法国）城市地区的两个接近真实的场景进行了评估。复杂的城市模拟与先进的（虽然光线充足）算法混合在一起，以解决所有城市中的主要问题。我们针对该问题将算法与最新技术进行了比较，显示了我们技术的高精度。此外，我们对通过基因型和表型数据科学研究获得的解决方案进行了深入分析，从而使整个领域对算法正在计算的内容有了更好的了解，并且专家可以学习更好的策略。以前，此方法在实际问题中显示出非常准确的结果。我们使用流行的微型模拟器“城市交通模拟器”（SUMO），对来自马拉加（西班牙）和巴黎（法国）城市地区的两个接近真实的场景进行了评估。复杂的城市模拟与先进的（虽然光线充足）算法混合在一起，以解决所有城市中的主要问题。我们针对该问题将算法与最新技术进行了比较，显示了我们技术的高精度。此外，我们对通过基因型和表型数据科学研究获得的解决方案进行了深入分析，从而使整个领域对算法正在计算的内容有了更好的了解，并且专家可以学习更好的策略。以前，此方法在实际问题中显示出非常准确的结果。我们使用流行的微型模拟器“城市交通模拟器”（SUMO），对来自马拉加（西班牙）和巴黎（法国）城市地区的两个接近真实的场景进行了评估。复杂的城市模拟与先进的（虽然光线充足）算法混合在一起，以解决所有城市中的主要问题。我们针对该问题将算法与最新技术进行了比较，显示了我们技术的高精度。此外，我们对通过基因型和表型数据科学研究获得的解决方案进行了深入分析，从而使整个领域对算法正在计算的内容有了更好的了解，并且专家可以学习更好的策略。