MODELO MATEMÁTICO | AMEZING Logistics

1. El Grafo Espacial (OSM Basis)

A diferencia de los sistemas de mapas tradicionales, AMEZING procesa la ciudad como un Grafo Dirigido Ponderado de alta fidelidad extraído directamente de OpenStreetMap (OSM).

Nodos: Intersecciones y puntos de control con coordenadas geográficas precisas.
Aristas: Tramos de calle con metadatos de velocidad máxima, sentido, longitud y capacidad física.
Ingesta: Pipeline en Python que normaliza arcos huérfanos y asegura la conectividad del grafo.

Matemáticas

2. Motor ECC (Potential Fields)

El núcleo del sistema es el algoritmos de Cálculo de Congestión Electrónica (ECC). En lugar de Dijkstra estático, generamos campos de potencial dinámicos.

Cost(e) = \frac{Dist(e)}{Speed(e)} \cdot (1 + \rho \cdot \Phi)

Donde ρ es la densidad de vehículos y Φ es el factor de fricción local (accidentes o semáforos).

Los agentes fluyen hacia el gradiente negativo del potencial, encontrando el camino óptimo en tiempo real sin recálculos costosos de ruta global.

Rendimiento

3. Simulación Agent-Based

Nuestra tecnología permite simular miles de vehículos simultáneamente a 60 FPS.


                    // Algoritmo de decisión O(1)

                    next_node = argmin(potentials[neighbor_nodes])

Cada vehículo es un agente autónomo que evalúa su entorno local cada tick, reaccionando a la congestión frontal y lateral de forma independiente.

4. Infraestructura de Datos

Para garantizar latencia cero en la interfaz de usuario, utilizamos un modelo de Hybrid Pre-Calculated Caching.

Real-Time Engine

Recálculo de matrices de potencial cada 500ms basándose en la densidad actual de la flota.

Static Cache

Grafo base y pesos de fricción histórica almacenados en JSON optimizados para carga ultra-rápida.