Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights

Autores
Avilé, Marcos; Laclé-Pereira, Gabriela; Pezoa, Adrián
Año de publicación
2025
Idioma
inglés
Tipo de recurso
informe técnico
Estado
versión aceptada
Descripción
Abstract— Currently, in modern cities, one of the principal challenges is the efficient management of urban traffic. Factors such as the population growth, the increase in the vehicle fleet, and the lack of adaptation of the traffic light system to real conditions in real time generate vehicular congestion and environmental problems, and these situations cause inefficient mobility in cities. This problem can be solved or diminished in their effects by means of the use of a network of intelligent traffic lights based on data taken in real time through artificial intelligence (AI). The purpose of this paper is to analyse the feasibility of efficient management of urban traffic networks in real time. To fulfil this purpose, this paper is organized as follows: First, the problem of inefficient mobility in cities is described using data gathered from a variety of a sources, for example, reports from cities like Los Angeles, Buenos Aires, New York. Second, based on this analysis, a technological solution for real time traffic management is proposed by means of AI-powered smart traffic lights. Third, advantages, and limitations of the solution are assessed. This paper aims to contribute to the analysis of the effectiveness of AI-powered, data-driven strategies for urban traffic management, emphasizing their potential to advance sustainable urban development.
Resumen— Actualmente, en las ciudades modernas, uno de los principales desafíos es la gestión eficiente del tráfico urbano. Factores como el crecimiento poblacional, el incremento del parque vehicular y la falta de adaptación del sistema semafórico a las condiciones reales en tiempo real generan congestión vehicular y problemas ambientales, estas situaciones provocan una movilidad ineficiente en las ciudades. Este problema puede resolverse o mitigarse mediante el uso de una red de semáforos inteligentes basada en datos recopilados en tiempo real mediante inteligencia artificial (IA). El propósito de este trabajo es analizar la viabilidad de la gestión eficiente de las redes de tráfico urbano en tiempo real, y para lograrlo, el trabajo se organiza de la siguiente manera: Primero, se describe el problema de la movilidad ineficiente en las ciudades utilizando datos recopilados de diversas fuentes, por ejemplo, informes de ciudades como Los Ángeles, Buenos Aires y Nueva York. Segundo, con base en este análisis, se propone una solución tecnológica para la gestión del tráfico en tiempo real mediante semáforos inteligentes impulsados por IA. Tercero, se evalúan las ventajas y limitaciones de la solución. Este trabajo pretende contribuir al análisis de la eficacia de las estrategias basadas en datos e impulsadas por IA para la gestión del tráfico urbano, destacando su potencial para impulsar el desarrollo urbano sostenible.
Fil: Avilé, Marcos. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Fil: Laclé-Pereira, Gabriela. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Fil: Pezoa, Adrián. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Peer Reviewed
Materia
Inglés II
Inefficient Mobility
Smart Traffic Lights
Artificial Intelligence of Things-Based Traffic Lights System
Movilidad Ineficiente
Semáforos Inteligentes
Sistema de Semáforos Basado en Inteligencia Artificial de las Cosas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
Attribution-NonCommercial-NoDerivs 2.5 Argentina
Repositorio
Repositorio Institucional Abierto (UTN)
Institución
Universidad Tecnológica Nacional
OAI Identificador
oai:ria.utn.edu.ar:20.500.12272/14529
Acceder
id RIAUTN_9cd581b2a1695dbd0e2ca896b27ca70d
oai_identifier_str oai:ria.utn.edu.ar:20.500.12272/14529
network_acronym_str RIAUTN
repository_id_str a
network_name_str Repositorio Institucional Abierto (UTN)
spelling Inefficient Mobility in the Cities: AI-Powered Smart Traffic LightsAvilé, MarcosLaclé-Pereira, GabrielaPezoa, AdriánInglés IIInefficient MobilitySmart Traffic LightsArtificial Intelligence of Things-Based Traffic Lights SystemMovilidad IneficienteSemáforos InteligentesSistema de Semáforos Basado en Inteligencia Artificial de las CosasAbstract— Currently, in modern cities, one of the principal challenges is the efficient management of urban traffic. Factors such as the population growth, the increase in the vehicle fleet, and the lack of adaptation of the traffic light system to real conditions in real time generate vehicular congestion and environmental problems, and these situations cause inefficient mobility in cities. This problem can be solved or diminished in their effects by means of the use of a network of intelligent traffic lights based on data taken in real time through artificial intelligence (AI). The purpose of this paper is to analyse the feasibility of efficient management of urban traffic networks in real time. To fulfil this purpose, this paper is organized as follows: First, the problem of inefficient mobility in cities is described using data gathered from a variety of a sources, for example, reports from cities like Los Angeles, Buenos Aires, New York. Second, based on this analysis, a technological solution for real time traffic management is proposed by means of AI-powered smart traffic lights. Third, advantages, and limitations of the solution are assessed. This paper aims to contribute to the analysis of the effectiveness of AI-powered, data-driven strategies for urban traffic management, emphasizing their potential to advance sustainable urban development.Resumen— Actualmente, en las ciudades modernas, uno de los principales desafíos es la gestión eficiente del tráfico urbano. Factores como el crecimiento poblacional, el incremento del parque vehicular y la falta de adaptación del sistema semafórico a las condiciones reales en tiempo real generan congestión vehicular y problemas ambientales, estas situaciones provocan una movilidad ineficiente en las ciudades. Este problema puede resolverse o mitigarse mediante el uso de una red de semáforos inteligentes basada en datos recopilados en tiempo real mediante inteligencia artificial (IA). El propósito de este trabajo es analizar la viabilidad de la gestión eficiente de las redes de tráfico urbano en tiempo real, y para lograrlo, el trabajo se organiza de la siguiente manera: Primero, se describe el problema de la movilidad ineficiente en las ciudades utilizando datos recopilados de diversas fuentes, por ejemplo, informes de ciudades como Los Ángeles, Buenos Aires y Nueva York. Segundo, con base en este análisis, se propone una solución tecnológica para la gestión del tráfico en tiempo real mediante semáforos inteligentes impulsados por IA. Tercero, se evalúan las ventajas y limitaciones de la solución. Este trabajo pretende contribuir al análisis de la eficacia de las estrategias basadas en datos e impulsadas por IA para la gestión del tráfico urbano, destacando su potencial para impulsar el desarrollo urbano sostenible.Fil: Avilé, Marcos. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; ArgentinaFil: Laclé-Pereira, Gabriela. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; ArgentinaFil: Pezoa, Adrián. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; ArgentinaPeer ReviewedInglés II. Universidad Tecnológica Nacional. Facultad Regional Paraná2026-02-20T22:16:00Z2025-12info:eu-repo/semantics/reportinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicopdfapplication/pdfapplication/pdfhttps://hdl.handle.net/20.500.12272/14529-doienginfo:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivs 2.5 Argentinahttp://creativecommons.org/licenses/by-nc-nd/2.5/ar/Licencia Creative Commons / Atribución - no comercialreponame:Repositorio Institucional Abierto (UTN)instname:Universidad Tecnológica Nacional2026-09-24T12:44:45Zoai:ria.utn.edu.ar:20.500.12272/14529instacron:UTNInstitucionalhttp://ria.utn.edu.ar/Universidad públicaNo correspondehttp://ria.utn.edu.ar/oaigestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:a2026-09-24 12:44:47.081Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacionalfalse
dc.title.none.fl_str_mv Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
title Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
spellingShingle Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
Avilé, Marcos
Inglés II
Inefficient Mobility
Smart Traffic Lights
Artificial Intelligence of Things-Based Traffic Lights System
Movilidad Ineficiente
Semáforos Inteligentes
Sistema de Semáforos Basado en Inteligencia Artificial de las Cosas
title_short Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
title_full Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
title_fullStr Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
title_full_unstemmed Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
title_sort Inefficient Mobility in the Cities: AI-Powered Smart Traffic Lights
dc.creator.none.fl_str_mv Avilé, Marcos
Laclé-Pereira, Gabriela
Pezoa, Adrián
author Avilé, Marcos
author_facet Avilé, Marcos
Laclé-Pereira, Gabriela
Pezoa, Adrián
author_role author
author2 Laclé-Pereira, Gabriela
Pezoa, Adrián
author2_role author
author
dc.subject.none.fl_str_mv Inglés II
Inefficient Mobility
Smart Traffic Lights
Artificial Intelligence of Things-Based Traffic Lights System
Movilidad Ineficiente
Semáforos Inteligentes
Sistema de Semáforos Basado en Inteligencia Artificial de las Cosas
topic Inglés II
Inefficient Mobility
Smart Traffic Lights
Artificial Intelligence of Things-Based Traffic Lights System
Movilidad Ineficiente
Semáforos Inteligentes
Sistema de Semáforos Basado en Inteligencia Artificial de las Cosas
dc.description.none.fl_txt_mv Abstract— Currently, in modern cities, one of the principal challenges is the efficient management of urban traffic. Factors such as the population growth, the increase in the vehicle fleet, and the lack of adaptation of the traffic light system to real conditions in real time generate vehicular congestion and environmental problems, and these situations cause inefficient mobility in cities. This problem can be solved or diminished in their effects by means of the use of a network of intelligent traffic lights based on data taken in real time through artificial intelligence (AI). The purpose of this paper is to analyse the feasibility of efficient management of urban traffic networks in real time. To fulfil this purpose, this paper is organized as follows: First, the problem of inefficient mobility in cities is described using data gathered from a variety of a sources, for example, reports from cities like Los Angeles, Buenos Aires, New York. Second, based on this analysis, a technological solution for real time traffic management is proposed by means of AI-powered smart traffic lights. Third, advantages, and limitations of the solution are assessed. This paper aims to contribute to the analysis of the effectiveness of AI-powered, data-driven strategies for urban traffic management, emphasizing their potential to advance sustainable urban development.
Resumen— Actualmente, en las ciudades modernas, uno de los principales desafíos es la gestión eficiente del tráfico urbano. Factores como el crecimiento poblacional, el incremento del parque vehicular y la falta de adaptación del sistema semafórico a las condiciones reales en tiempo real generan congestión vehicular y problemas ambientales, estas situaciones provocan una movilidad ineficiente en las ciudades. Este problema puede resolverse o mitigarse mediante el uso de una red de semáforos inteligentes basada en datos recopilados en tiempo real mediante inteligencia artificial (IA). El propósito de este trabajo es analizar la viabilidad de la gestión eficiente de las redes de tráfico urbano en tiempo real, y para lograrlo, el trabajo se organiza de la siguiente manera: Primero, se describe el problema de la movilidad ineficiente en las ciudades utilizando datos recopilados de diversas fuentes, por ejemplo, informes de ciudades como Los Ángeles, Buenos Aires y Nueva York. Segundo, con base en este análisis, se propone una solución tecnológica para la gestión del tráfico en tiempo real mediante semáforos inteligentes impulsados por IA. Tercero, se evalúan las ventajas y limitaciones de la solución. Este trabajo pretende contribuir al análisis de la eficacia de las estrategias basadas en datos e impulsadas por IA para la gestión del tráfico urbano, destacando su potencial para impulsar el desarrollo urbano sostenible.
Fil: Avilé, Marcos. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Fil: Laclé-Pereira, Gabriela. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Fil: Pezoa, Adrián. Universidad Tecnológica Nacional. Facultad Regional Paraná. Dirección de UDB Cultura e Idiomas; Argentina
Peer Reviewed
description Abstract— Currently, in modern cities, one of the principal challenges is the efficient management of urban traffic. Factors such as the population growth, the increase in the vehicle fleet, and the lack of adaptation of the traffic light system to real conditions in real time generate vehicular congestion and environmental problems, and these situations cause inefficient mobility in cities. This problem can be solved or diminished in their effects by means of the use of a network of intelligent traffic lights based on data taken in real time through artificial intelligence (AI). The purpose of this paper is to analyse the feasibility of efficient management of urban traffic networks in real time. To fulfil this purpose, this paper is organized as follows: First, the problem of inefficient mobility in cities is described using data gathered from a variety of a sources, for example, reports from cities like Los Angeles, Buenos Aires, New York. Second, based on this analysis, a technological solution for real time traffic management is proposed by means of AI-powered smart traffic lights. Third, advantages, and limitations of the solution are assessed. This paper aims to contribute to the analysis of the effectiveness of AI-powered, data-driven strategies for urban traffic management, emphasizing their potential to advance sustainable urban development.
publishDate 2025
dc.date.none.fl_str_mv 2025-12
2026-02-20T22:16:00Z
dc.type.none.fl_str_mv info:eu-repo/semantics/report
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_18gh
info:ar-repo/semantics/informeTecnico
format report
status_str acceptedVersion
dc.identifier.none.fl_str_mv https://hdl.handle.net/20.500.12272/14529
-doi
url https://hdl.handle.net/20.500.12272/14529
identifier_str_mv -doi
dc.language.none.fl_str_mv eng
language eng
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Licencia Creative Commons / Atribución - no comercial
eu_rights_str_mv openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 2.5 Argentina
http://creativecommons.org/licenses/by-nc-nd/2.5/ar/
Licencia Creative Commons / Atribución - no comercial
dc.format.none.fl_str_mv pdf
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Inglés II. Universidad Tecnológica Nacional. Facultad Regional Paraná
publisher.none.fl_str_mv Inglés II. Universidad Tecnológica Nacional. Facultad Regional Paraná
dc.source.none.fl_str_mv reponame:Repositorio Institucional Abierto (UTN)
instname:Universidad Tecnológica Nacional
reponame_str Repositorio Institucional Abierto (UTN)
collection Repositorio Institucional Abierto (UTN)
instname_str Universidad Tecnológica Nacional
repository.name.fl_str_mv Repositorio Institucional Abierto (UTN) - Universidad Tecnológica Nacional
repository.mail.fl_str_mv gestionria@rec.utn.edu.ar; fsuarez@rec.utn.edu.ar
_version_ 1877230887094976512
score 13.265058

Publicaciones similares