Investigadores financiamiento mediante de la Universidad de Hail han creado un marco inteligente que combina algoritmos de optimización y aprendizaje automático para operar unidades de comunicación vial con energía solar y alta eficiencia.
Colaboración de investigación en Hail y Qassim y los desafíos de las redes vehiculares ad hoc
Algoritmos de lobo gris y bosques aleatorios en la coordinación de redes
Resultados de simulación digital en la reducción de retrasos y ahorro de energía
Requisitos de equilibrio operativo y próximos pasos para la aplicación de campo
Preguntas frecuentes
Colaboración de investigación en Hail y Qassim y los desafíos de las redes vehiculares ad hoc
Investigadores afiliados a la Universidad de Hail y a la Universidad de Qassim en Arabia Saudita, en colaboración con un investigador asociado de Túnez, publicaron un marco de diseño respaldado por inteligencia artificial para unidades de comunicaciones de tráfico laterales alimentadas por energía solar. Este trabajo científico, publicado en la revista arbitrada «Scientific Reports» el 24 de octubre de 2026, contó con el financiamiento de la Decanatura de Investigación Científica de la Universidad de Hail y fue evaluado utilizando la topografía real de las carreteras de la ciudad, mediciones de radiación solar y registros de tráfico, proporcionando un vínculo institucional y de investigación saudí directo y documentado.
Las redes vehiculares ad hoc, conocidas en la literatura de ingeniería como redes de comunicación entre vehículos, permiten el intercambio de información en tiempo real entre automóviles e infraestructura instalada al borde de las carreteras. Dicha infraestructura puede respaldar la gestión del tráfico, alertas de seguridad vial y otros servicios de movilidad inteligente. Sin embargo, las unidades en los laterales de las vías requieren un suministro constante de energía y conectividad; en entornos remotos o áridos, la generación de energía solar puede reducir la dependencia de las redes eléctricas públicas, aunque los sistemas siguen enfrentando el reto de lidiar con la intermitencia de la luz solar, la capacidad de las baterías y la demanda de tráfico variable.
Algoritmos de lobo gris y bosques aleatorios en la coordinación de redes
El equipo de investigación propuso un marco coordinado e integral en lugar de abordar los sitios de instalación, los programas operativos y el volumen de demanda por separado. La algoritmo de optimización de lobo gris discreto organiza las ubicaciones potenciales para la instalación de unidades, teniendo en cuenta el radio de cobertura, la centralidad geográfica, el potencial de energía solar y la redundancia de respaldo. Al mismo tiempo, un controlador basado en ciclos de trabajo conscientes del tráfico activa y desactiva las unidades según condiciones específicas.
Además, un sistema de registro de activación conjunta y una unidad de aprendizaje automático de bosques aleatorios predicen el volumen de demanda de tráfico y se anticipan al momento en que los equipos deben activarse antes de que se congestione la carretera. La predicción del tráfico y la toma de decisiones asistida por optimización matemática constituyen los dos componentes esenciales de la inteligencia artificial en este estudio, lo cual difiere de la afirmación de que la red vial utiliza modelos lingüísticos grandes o que los vehículos autónomos ya operan de manera efectiva en el área probada.
Resultados de simulación digital en la reducción de retrasos y ahorro de energía
En simulaciones basadas en registros de tráfico reales, el sistema propuesto alcanzó tasas de entrega de paquetes de datos de entre 94.5% y 97.9%, logró reducir el retraso de comunicación de extremo a extremo entre 7 y 35 milisegundos, y recortó el consumo energético por unidad entre 20% y 33% en comparación con los métodos de referencia seleccionados. Asimismo, los algoritmos de predicción ayudaron a activar las unidades de forma anticipada hasta en 2.1 minutos durante periodos de congestión repentina sin costo adicional de energía simulada.
Estos porcentajes y tiempos deben mantenerse estrechamente vinculados a las condiciones de evaluación de la investigación; las pruebas se basaron en información de tráfico de la ciudad de Hail y en la modelización de la transmisión inalámbrica, incluido un modelo específico de propagación de ondas de radio, por lo que estos resultados no son mediciones de campo de un sistema completamente desplegado a escala urbana.
Requisitos de equilibrio operativo y próximos pasos para la aplicación de campo
La energía solar solo proporciona una ventaja operativa real cuando se logra un equilibrio preciso entre la recolección de energía, el almacenamiento en baterías y la magnitud de la carga operativa. Un diseño de red exitoso debe lidiar con situaciones de tráfico inusuales, fluctuaciones climáticas, interferencias inalámbricas, fallas de componentes y requisitos de mantenimiento periódico, mientras que el artículo de investigación evalúa una configuración específica y no cubre todas estas eventualidades de campo.
Las evidencias futuras más útiles consisten en el despliegue físico real de las unidades al borde de las carreteras, la realización de pruebas a través de las diferentes estaciones del año, el establecimiento de estándares de desempeño independientes y la comparación de costos financieros con las alternativas conectadas a la red eléctrica tradicional. En resumen, la contribución del 24 de octubre es una investigación de simulación científicamente rigurosa con resultados prometedores en un entorno saudí específico, y no un anuncio de un despliegue nacional integral de carreteras inteligentes.
Preguntas frecuentes
Pregunta: ¿Quiénes participan en el desarrollo del marco de comunicaciones de carreteras inteligentes con energía solar?
Respuesta: En el estudio participaron investigadores de la Universidad de Hail y de la Universidad de Qassim en Arabia Saudita, en colaboración con un investigador de Túnez y con el financiamiento de la Decanatura de Investigación Científica de la Universidad de Hail.
Pregunta: ¿Cuáles son los resultados más destacados logrados por el sistema en las simulaciones?
Respuesta: El sistema logró tasas de entrega de datos de entre 94.5% y 97.9%, redujo el retraso de la comunicación entre 7 y 35 milisegundos y disminuyó el consumo de energía entre 20% y 33%.
Pregunta: ¿Cómo contribuyeron los algoritmos de aprendizaje automático a mejorar la respuesta de las unidades viales?
Respuesta: La unidad predictiva de bosques aleatorios permitió activar las unidades de comunicación 2.1 minutos antes de que ocurrieran las olas de congestión de tráfico sin consumir energía adicional.
Pregunta: ¿Se ha instalado este sistema físicamente en las calles de la ciudad de Hail?
Respuesta: No, los resultados publicados se basan en una simulación informática utilizando datos de carreteras, clima y tráfico de Hail, y el sistema aún no se ha implementado en el campo a escala comercial.
