GERENCIAMENTO DE TRÁFEGO URBANO
EMPREGANDO SISTEMAS MULTIAGENTES:
ANÁLISE QUALITATIVA DE TRABALHOS
RELACIONADOS
Douglas Felipe Fuelber (UNISC)
Rejane Frozza (UNISC)
O aumento populacional e da frota de veículos nas grandes cidades vem
acompanhado do problema dos congestionamentos. Este fenômeno impacta
diretamente em fatores sociais, financeiros, ambientais e também na saúde
da população. Tendo em vista que diversas áreas aplicam esforços em
pesquisas com este tema, busca-se através de técnicas computacionais
também realizar contribuições neste sentido. Neste artigo é apresentado um
estudo de trabalhos relacionados com a aplicação de sistemas multiagentes
no gerenciamento de tráfego. A partir da análise dos trabalhos relacionados
busca-se obter os melhores parâmetros e técnicas a serem adotadas em
trabalhos futuros. Além disso, alguns trabalhos são destacados e
comparados em um quadro ressaltando os seus principais aspectos.
Palavras-chave: Sistemas multiagentes, tráfego urbano, gerenciamento de
tráfego
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
2
1. Introdução
O crescimento populacional e urbano nas últimas décadas vem acompanhado de uma maior
necessidade de mobilidade das pessoas, o que por sua vez gera um aumento no número de
veículos em circulação. As estruturas viárias de grandes cidades, por vezes, não comportam
todos veículos que tentam utilizá-las. Porém, em muitos casos, aumentar o número de vias
não é uma opção em virtude das construções já existentes, necessitando-se reduzir os gargalos
no fluxo de veículos sem alterar as estruturas existentes (FRANCE; GHORBANI, 2003).
De acordo com Bazzan (2009), o tema de otimização de tráfego vem sendo fortemente
estudado pelas mais diversas áreas, inclusive na computação. Técnicas utilizando sistemas
multiagentes podem trazer grandes contribuições no controle e gerência de sistemas de
tráfego devido a sua capacidade de adaptação, principalmente sendo empregadas em situações
como otimização de tráfego em uma interseção.
Sistemas multiagentes são compostos por diferentes elementos computacionais denominados
agentes que possuem a capacidade de tomar decisões independentes a fim de alcançar
determinado objetivo. Já o sistema multiagente une diversos destes elementos para atingir um
objetivo comum e para isto é requerido que os mesmos possuam a habilidade de cooperação,
coordenação e negociação para que seja possível sua interação, alcançando assim seus
objetivos (WOOLDRIDGE, 2002).
Este trabalho possui como objetivo realizar um levantamento de trabalhos realizados,
selecionar alguns de maior destaque e compará-los levantando características a serem
consideradas em propostas futuras. Para isto, a seção 2 traz os métodos utilizados durante a
pesquisa. A subseção 2.1 apresenta os resultados quantitativos na pesquisa, na subseção 2.2
são selecionados trabalhos para estudo e na subseção 2.3 é realizado uma análise dos
trabalhos relacionados apresentados. Por fim, a seção 3 apresenta uma conclusão e uma
proposta de trabalho futuro.
2. Trabalhos relacionados e métodos
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
3
O método de pesquisa utilizado foi a bibliometria que “é uma técnica quantitativa e estatística
de medição dos índices de produção e disseminação do conhecimento científico” (ARAÚJO,
2006). A pesquisa iniciou com uma análise bibliométrica (quantitativa e qualitativa), a fim de
conhecer os termos relacionados à pesquisa e os trabalhos sendo publicados na área de
interesse.
2.1. Bibliometria quantitativa
A Figura 1 apresenta os números de trabalhos publicados no período entre os anos de 2012 e
2016, resultantes do cruzamento dos termos “Urban Traffic”, “Multiagent” e “Management”.
Para realizar este levantamento foram utilizadas as bases de periódicos Web of Science e
Scopus, além do Google Acadêmico. Nas bases Web of Science e Scopus o tipo de publicação
foi limitado a artigos. Já os resultados obtidos a partir do Google Acadêmico apresentam não
apenas artigos, mas também dissertações e outros trabalhos acadêmicos publicados. Além
disso, os números obtidos desta última fonte são referentes aos resultados em português e
inglês, respectivamente.
Figura 1 – Bibliometria quantitativa de trabalhos relacionados
Fonte: Pesquisas realizadas pelos autores em 21 de abril de 2017
Além dos resultados exibidos na Figura 1, também foi realizado um relacionamento final com
todos os três termos obtendo-se uma (1) publicação na base Web of Science, uma (1)
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
4
publicação na base Scopus e, por fim, cinco (5) publicações em português e setecentas e
oitenta e três (783) publicações em inglês no Google Acadêmico.
2.2. Bibliometria qualitativa
A partir dos resultados da bibliometria quantitativa, foram selecionados alguns artigos dos
quais foram realizadas sínteses. Entretanto, dois dos trabalhos apresentados foram
selecionados em virtude do seu forte relacionamento com o tema em estudo, mesmo não
estando contabilizados junto aos números demonstrados anteriormente, porque não foram
publicados no período de tempo utilizado na busca.
2.2.1. Multi-agent system in urban traffic signal control (BALAJI; SRINIVASAN, 2010)
Balaji e Srinivasan (2010) apresentam em seu artigo uma discussão a respeito da utilização de
Sistemas Multiagentes no controle de semáforos e as vantagens adquiridas com este controle.
Os problemas de congestionamentos de trânsito são recorrentes na maioria das grandes
cidades no mundo e, de acordo com o artigo em estudo, isso se deve ao fato do considerável
aumento da frota e dos altos níveis de urbanização. O modo mais viável de solucionar esse
problema, ou ao menos amenizá-lo, seria otimizar o tempo dos semáforos. Duas arquiteturas
de multiagentes são apresentadas: Sistemas Multiagentes Hierárquicos e Sistema de Agentes
Distribuídos. O primeiro é projetado utilizando diferentes níveis de controle de maneira
hierárquica, estando nos níveis mais baixos os ICAs (Intersection Control Agent), no nível
intermediário os ZCAs (Zone Controller Agents) e no nível mais alto um único RCA
(Regional Controller Agent). Já em relação à segunda arquitetura apresentada permite uma
maior flexibilidade entre os agentes tornando as decisões locais e dando maior liberdade para
cada um decidir a política de ações a ser seguida. Os autores ainda apresentam três modelos
de agentes distribuídos utilizados no controle de semáforos: SPSA-NN (Simultaneous
Perturbation Stochastic Approximation – Neural Network), GFMAS (Geometric Fuzzy Multi
Agent System) e T2DR (Type-2 Fuzzy with Dynamic Reasoning). As avaliações das
arquiteturas apresentadas pelo artigo foram realizadas através de um micro simulador
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
5
PARAMICS utilizando a rede viária do Distrito Comercial Central de Singapura e com dados
coletados pela LTA (Singapore Land Transport Authority). Por meio das simulações os
autores puderam comparar a utilização de sistemas multiagentes no controle adaptativo dos
semáforos com a arquitetura utilizada efetivamente em Singapura (GLIDE – Green Link
Determine) utilizando como parâmetros o tempo de espera dos veículos em diferentes
condições de tráfego (leve, médio e pesado). Como resultado, houve considerável melhora na
média de velocidade do trajeto dentro da malha viária em questão fazendo-se a utilização dos
sistemas multiagentes.
2.2.2. Adaptive multi-objective reinforcement learning with hybrid exploration for traffic
signal control based on cooperative multi-agent framework (KHAMIS; GOMAA, 2014)
O trabalho de Khamis e Gomaa (2014) teve como foco desenvolver um controlador de
semáforo com diversos objetivos, dentre os quais é possível destacar a minimização do tempo
de paradas e o tempo total de viagens, maximizar a taxa de fluxo, evitar acidentes e induzir os
veículos a trafegar dentro de uma faixa moderada de velocidade, reduzindo assim o consumo
de combustível. Os autores iniciam destacando que o uso de ferramentas e tecnologias da
ciência da computação vem sendo empregadas na questão de controladores de semáforos,
assim como o artigo que aborda o desenvolvimento de um framework multiagente com
aprendizado por reforço. Este framework, como citado no artigo, tem como características:
utilizar um sistema multiagente baseado em veículos que é composto por agentes de
cruzamentos (responsáveis pela configuração do semáforo relacionado) e agentes de veículos
(responsáveis por comunicar as informações necessárias dos veículos para os agentes dos
cruzamentos); tomada de decisão em tempo real e baseada em diversos critérios de
otimização; capacidade de lidar eficientemente com problemas complexos, situações
inesperadas e com falta de informações; capacidade de se adaptar e responder efetivamente
diante de alterações na dinâmica das vias; gerar alta confiança diante de testes e simulações
realizadas para validar o controlador proposto. Para o trabalho desenvolvido as “possíveis
configurações de semáforo representam sinal verde em todas as direções do cruzamento de
modo que não cause um possível acidente entre veículos”. Deste modo no framework não é
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
6
buscado tempo ótimo de fase para o semáforo, mas sim, a cada período de tempo os agentes
de cruzamento determinam se a configuração atual é mantida ou alterada. A decisão é tomada
levando-se em consideração todos os veículos presentes na via. A rede de tráfego utilizada
durante os testes foi composta por seis vias (três horizontais e três verticais, totalizando nove
cruzamentos e sendo as vias horizontais as principais), cada via composta por duas pistas em
cada sentido.
2.2.3. A multiagent system for optimizing urban traffic (FRANCE; GHORBANI, 2003)
O artigo de France e Ghorbani (2003) propõe um sistema multiagente hierárquico responsável
por administrar um sistema de tráfego urbano. A solução proposta neste trabalho utiliza um
agente LTA (Local Traffic Agent) o qual é responsável apenas pelas tomadas de decisão sobre
sua respectiva intersecção. Além dos agentes locais existe o CTA (Coordinator Traffic Agent)
o qual “monitora os interesses globais e mantém a ordem” entre os LTAs. Dois outros agentes
também fazem parte da arquitetura do sistema: o GTA (Global Traffic Agent) e o ITA
(Information Traffic Agent). O primeiro é utilizado apenas em redes viárias muito grandes,
onde a mesma pode ser dividida em diversos setores (cada qual gerido por um CTA) e o GTA
fica responsável por organizar os CTAs. Já o ITA funciona como uma central para todas as
informações do sistema, como as condições atuais do tráfego (obtidas através de sensores), a
configuração atual de cada semáforo e o tempo restante para esta fase. Cada LTA calcula a
configuração otimizada para sua intersecção a partir dos dados obtidos do ITA (não levando
em consideração as intersecções vizinhas) e a informa ao CTA. Juntamente com o padrão
passado pelo LTA, o CTA utiliza informações dos vizinhos da intersecção em questão e
também informações do ITA. O sistema proposto foi desenvolvido com o uso do JACK
Development Environment e com o framework JACK Intelligent AgentsTM. Para a realização
dos testes foi utilizada uma malha viária composta por seis intersecções e que foi submetida a
dois cenários diferentes. O primeiro cenário consiste em um acidente em uma das intersecções
controladas. A primeira medida tomada pelo sistema foi definir um sinal vermelho em todos
semáforos vizinhos que levassem na direção do acidente, porém ainda possibilitando que os
veículos se movessem nas outras direções. Como o trânsito permaneceu parado nas vias que
iam em direção ao local do acidente, congestionamentos começaram a se formar nos
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
7
semáforos, o que levou as intersecções vizinhas a eles também não permitirem que veículos
fossem na mesma direção. Passados oito ciclos de semáforo o evento do acidente foi
encerrado e o tráfego pôde ser liberado para todos os sentidos novamente, levando cinco
ciclos para o fluxo retornar à normalidade. O segundo cenário foi o de tráfego matinal onde o
fluxo é intenso em uma direção. Quando as intersecções que estão na direção de maior fluxo
começam a apresentar um número alto de veículos parados, o sistema força as vias que
cruzam a pararem para que o tráfego possa ser descongestionado. Como conclusão os autores
mencionam que em ambos os cenários nos quais foram realizados os testes o sistema
“gerenciou de forma eficiente o congestionamento gradual da rede”, porém quando o tráfego
continua aumentando todas as vias que levam para a mesma direção ainda ficarão
congestionadas.
2.2.4. Distributed and adaptive traffic signal control within a realistic traffic simulation
(MCKENNEY; WHITE, 2013)
No trabalho de McKenney e White (2013) é proposto um algoritmo capaz de controlar
semáforos a partir de informações oriundas de sensores e também de comunicação com os
outros semáforos. Para testar o controlador proposto foi utilizada uma rede viária que
“consiste de uma seção 9x7 blocos do centro da cidade de Ottawa, no Canadá, que possui
mais de 50 intersecções sinalizadas requerendo controle”. Com o intuito de reproduzir um
cenário o mais próximo possível da realidade, foram utilizados dados de contagem de
veículos de cada intersecção da cidade em questão. A partir disto foi possível utilizar o
simulador de tráfego SUMO (Simulation of Urban MObility) para gerar 15 configurações de
distribuição de veículos para serem utilizadas durante as simulações. Levando em
consideração que cada intersecção será controlada por um agente inteligente exclusivo, é
necessário que o mesmo tenha acesso a informações das vias (comprimento, limite de
velocidade, quantidade de veículos, entre outros), configurações de fases para cada semáforo,
vizinhos conectados, duração de ciclo (tempo dedicado para todas as fases da intersecção),
entre outros. Os agentes determinam o intervalo de tempo com o qual a intersecção deve
atualizar seu plano de sinal, determinar por quanto tempo as informações obtidas devem
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
8
permanecer armazenadas em memória, determinar a frequência em que é necessário que
novas informações devam ser obtidas através dos sensores, entre outros fatores. O primeiro
algoritmo proposto descreve a atualização do agente controlador, onde é verificada a
necessidade de obter novos dados e de atualizar o plano do semáforo com a utilização dos
próximos algoritmos. O segundo algoritmo é responsável por calcular o volume de tráfego
para cada grupo de semáforos e por intersecções. O terceiro algoritmo possui os passos para
calcular a medida de tráfego para apenas uma pista com dados armazenados em memória. A
partir dos cálculos já realizados o quarto algoritmo atribui a cada grupo de semáforos duração
de ciclos proporcionais. Na etapa de realização de testes foram utilizadas as configurações dos
planos fixos de semáforos para comparação. Foram gerados 15 cenários - todos representando
um período de 11h (7h – 18h) - e os resultados apresentados no artigo correspondem à média
de todas estas simulações. Em relação à velocidade dos veículos, sendo levadas em
consideração todas as 11h do período de simulação, houve um aumento de 6,59% em relação
aos controladores fixos. Porém, como os agentes necessitam de uma hora para serem
completamente inicializados, a primeira hora pode ser desconsiderada dos resultados,
passando a apresentar um aumento de 7,36% de velocidade. O artigo também apresenta duas
situações onde os planos fixos de semáforo “falham” ao controlar os sinais de trânsito
efetivamente. O caso de maior destaque se refere a um alto volume de tráfego apresentado em
um intervalo de tempo entre 8h e 10h onde a utilização do plano fixo aumenta a média de
veículos presente na via em aproximadamente 60 veículos. O controlador adaptativo, neste
mesmo cenário, apresentou uma média de apenas 10 veículos.
2.2.5. Multiagent reinforcement learning for integrated network of adaptive traffic signal
controllers (MARLIN-ATSC): methodology and large-scale application on downtown
Toronto (EL-TANTAWY; ABDULHAI; ABDELGAWAD, 2013)
El-Tantawy, Abdulhai e Abdelgawad (2013) apresentam em seu trabalho um sistema de
aprendizagem por reforço integrado à rede de controladores de semáforos o qual é
denominado MARLIN-ATSC (derivado do nome em inglês: Multiagent Reinforcement
Learning for Integrated Network of Adaptive Traffic Signal Controllers). O sistema oferece
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
9
um modo independente e outro integrado. No primeiro cada controlador de intersecção
trabalha de maneira independente em relação aos outros controladores. Já no segundo as
tomadas de decisões dos controladores levam em consideração as intersecções vizinhas. As
principais características do sistema proposto são: modelo decentralizado de operação,
capacidade de suportar redes de qualquer tamanho, sem pontos de falha, não é necessário
possuir um modelo do sistema de tráfego, auto aprendizado e coordenação (presente no modo
integrado supracitado). A plataforma MARLIN-ATSC proposta é composta por duas
camadas. A primeira camada é responsável por configurar e prover as informações
necessárias para a segunda camada. Já a segunda camada é formada por três componentes
interativos: o agente, o ambiente de simulação e a interface. O agente é o componente que
implementa o algoritmo de controle, realiza o aprendizado, interage com o ambiente e toma as
decisões de acordo com a necessidade. O ambiente de simulação modela o ambiente de
tráfego, sendo neste trabalho utilizado o simulador de tráfego PARAMICS que é capaz de
gerar fluxos estocásticos. Por fim o componente de interface “controla a interação entre o
agente e o ambiente de simulação a partir da troca de estado, recompensa e ação. O sistema
proposto foi testado em uma rede simulada da parte baixa do centro de Toronto, Canadá, no
período de tempo considerado de maior movimento na parte da manhã, com
aproximadamente 25.000 trajetos de veículos.
2.2.6. Optimizing urban traffic control using a rational agent (IBARRA-MARTÍNEZ;
CASTÁN-ROCHA; LARIA-MENCHACA, 2014)
Ibarra-Martínez, Castán-Rocha e Laria-Menchaca (2014) buscam desenvolver em seu
trabalho, com o uso de agentes inteligentes, um conjunto de tecnologias a serem
implementadas em semáforos que seriam capazes de realizar a otimização de intersecções
com diversos semáforos. A metodologia proposta no artigo é composta por cinco módulos. O
módulo de simulação de tráfego, através de seus dois sub módulos (um gerador de veículos e
um configurador de intersecção), é responsável por gerar o volume e fluxo de veículos
necessários durante as simulações, além de indicar os movimentos possíveis para cada fase
dos semáforos. O módulo de infraestrutura é responsável pela definição de um operador que
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
10
controla a duração das fases dos semáforos de cada intersecção enquanto que o módulo de
comunicação é responsável pela troca de informações entre estes operadores. A habilidade de
encontrar soluções diante de qualquer situação a partir de informações providas pelo módulo
de simulação é definida pelo módulo de decisão. Por fim, o módulo de análises avalia o
ambiente e a mobilidade de acordo com o número de veículos nas pistas e intersecções.
Foram realizadas simulações com o simulador desenvolvido para comparar o controlador
inteligente (IC – inteligente control) proposto com o controlador tradicional (TC – traditional
control) com níveis de demanda de 50%, 100%, 150% e 200% em relação ao volume usual de
veículos por segundo. Concluindo, os autores mencionam que os resultados obtidos através
dos experimentos realizados possibilitam que se diga que a abordagem proposta aumenta a
capacidade de tráfego das intersecções trazendo diversos benefícios, no entanto, em trabalhos
futuros devem ser levados em consideração mais fatores nas simulações, de modo que os
cenários sejam mais realistas.
2.3. Quadro comparativo dos artigos selecionados
A Tabela 1 apresenta uma comparação entre os trabalhos relacionados estudados em relação
aos seguintes critérios: objetivo, técnica associada, parâmetros considerados, ambiente de
simulação e resultados.
Tabela 1 – Quadro comparativo dos trabalhos estudados
Autores Objetivo Técnica
Associada
Parâmetros
Considerados
Ambiente de
Simulação Resultados
Balaji e
Srinivasan
(2010)
Otimizar o
tempo dos
semáforos para
reduzir o tempo
de espera dos
veículos
Um sistema
multiagente
hierárquico e
um distribuído
com três
modelos de
Tempo de
espera dos
veículos com
tráfego leve,
médio e
pesado
Simulações
realizadas no
simulador
PARAMICS
utilizando como
modelo a rede
viária de
Resultados
semelhantes entre
todos controladores
comparados,
exceto no cenário
com tráfego pesado
onde o controlador
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
11
agentes Singapura e
dados reais
baseado no
GFMAS
apresentou melhor
resultado
Khamis e
Gomaa
(2014)
Desenvolver
controlador de
semáforos que
minimize tempo
de paradas e de
viagens,
maximize a taxa
de fluxo, evite
acidentes e
reduza o
consumo de
combustível
Framework
multiagente
com
aprendizado
por reforço
Número de
veículos nas
vias da
interseção
Utilizado um
simulador de
tráfego baseado
na plataforma
GLD. Foi
utilizada uma
rede com 9
interseções e
outra mais
complexa e
menos simétrica
Controlador
utilizando
framework
proposto foi
comparado com os
controladores
SOTL platoon e
ACGJ-1 e
apresentou tempo
médio de viagem
8x menor, tempo
de espera 6x menor
e velocidade 8x
maior no primeiro
cenário e também
resultados
superiores no
segundo
France e
Ghorbani
(2003)
Desenvolver um
sistema capaz
de administrar
uma rede de
tráfego urbano
através dos
semáforos
Sistema
multiagente
hierárquico
Condições do
tráfego
(obtidas
através de
sensores) e a
configuração
dos semáforos
Testes foram
realizados
utilizando o
sistema
desenvolvido
com uma malha
viária composta
por seis
interseções e em
um cenário com
acidente e outro
com tráfego
matinal intenso
Em ambos cenários
o sistema proposto
lidou bem com os
congestionamentos
gerados, porém se
o número de
veículos continua
aumentando, os
congestionamentos
voltam a ocorrer
McKenney
e White
(2013)
Propor um
algoritmo capaz
de controlar
semáforos com
informações de
sensores e de
outros
semáforos
Sistema
multiagente
distribuído
sem nenhum
controle
centralizado
Volume de
tráfego
presente nas
pistas
Simulações
realizadas no
SUMO em um
período de 11h
em 15 cenários
diferentes
utilizando como
modelo a rede
viária de Ottawa
Resultados
apresentados são a
média dos 15
cenários. O
controle adaptativo
apresentou um
aumento de
velocidade de
6,59% nas 11h e
7,36% ignorando a
primeira hora. No
período de maior
fluxo o controle
adaptativo reduziu
o número de
veículos na via de
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
12
60 para 10,
aproximadamente
El-Tantawy,
Abdulhai e
Abdelgawad
(2013)
Desenvolver um
sistema de
controle de
semáforos
decentralizado,
capaz de
suportar
qualquer rede,
sem pontos de
falha, com auto
aprendizado e
coordenação
Sistema
multiagente
com
aprendizado
por reforço e
com modo
independente
ou integrado
Número de
veículos,
tempo de
espera,
emissão de
CO2
Foi utilizado o
simulador
PARAMICS
com rede viária
do centro da
cidade de
Toronto
Os dois modos do
sistema proposto
apresentaram
resultados
melhores que o
caso base utilizado
para comparação,
podendo-se
destacar o
MARLIN que
reduziu a média do
tempo de paradas
em 38%, a média
de comprimento
das filas em 31% e
a emissão de CO2
em 30%.
Ibarra-
Martínez,
Castán-
Rocha e
Laria-
Menchaca
(2014)
Desenvolver um
conjunto de
tecnologias
capaz de
otimizar
interseções com
diversos
semáforo
Sistema de
agentes
inteligentes
composto por
cinco módulos
(simulador de
tráfego,
infraestrutura,
comunicação,
decisão e de
análise)
Quantidade de
veículos nas
vias
Com o uso do
Matlab foi
desenvolvido
um simulador
para integrar
todos os
módulos
desenvolvidos.
Foi utilizado um
cenário com
duas interseções
e outro baseado
na cidade de
Tampico,
México
Em ambos os
cenários o uso do
controlador
inteligente
apresentou
resultados
superiores ao
tradicional. No
primeiro cenário
pode-se destacar o
aumento de fluxo
de quase 23%,
redução de
consumo de
combustível e de
emissão de CO2 de
aproximadamente
16% e 35%,
respectivamente
Fonte: Dos autores (2017)
Realizando uma análise na Tabela 1 pode-se constatar que o emprego de sistemas
multiagentes, tanto com arquiteturas centralizadas como distribuídas, é grande quando
relacionado ao objetivo de otimização de tráfego, mais especificamente no controle adaptativo
de semáforos. Outro fator importante que se observa é a adesão unânime de simulações para
validar as abordagens propostas, destacando-se o uso do simulador PARAMICS que é citado
nos trabalhos de Balaji e Srinivasan (2010) e também de El-Tantawy, Abdulhai e Abdelgawad
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
13
(2013). Os resultados obtidos também mostram que os benefícios alcançados não se limitam à
redução de congestionamento, mas também às consideráveis diferenças no consumo de
combustível e emissão de poluentes como o CO2, conforme demonstrado no trabalho de El-
Tantawy, Abdulhai e Abdelgawad (2013) e também no de Ibarra-Martínez, Castán-Rocha e
Laria-Menchaca (2014).
3. Conclusão
Os problemas de trânsito são constantes na maioria das cidades e diversas áreas realizam
estudos com o objetivo de amenizá-los. A computação oferece diversas ferramentas que são
aplicadas na busca de uma otimização do trânsito onde a principal é a aplicação de sistemas
multiagentes, devido a sua capacidade de adaptação e de atingir objetivos em comum. Já a
simulação também é amplamente utilizada pois possibilita que, com um baixo custo, seja
possível validar a ferramenta ou tecnologia proposta com fidelidade nos resultados.
Como trabalho futuro propõe-se que, levando em consideração os resultados obtidos na
avaliação dos trabalhos relacionado, seja desenvolvido um sistema multiagente capaz de
otimizar o tempo dos semáforos com o intuito de se obter uma redução no consumo de
combustível por parte dos veículos. A proposta também engloba a utilização de um simulador
para validação do sistema proposto e verificar sua efetividade em comparação a sistemas de
semáforos já existentes.
Referências
ARAÚJO, C. A. Bibliometria: evolução histórica e questões atuais. Em Questão, Porto Alegre, v. 12, n. 1, p.11-
32, 2006.
BALAJI, P.G.; SRINIVASAN, D. Multi-Agent System in Urban Traffic Signal Control. IEEE Computational
Intelligence Magazine. v. 5, n. 4, p.43-51, 2010.
BAZZAN, Ana L.C. Opportunities for multiagent systems and multiagent reinforcement learning in traffic
control. Autonomous Agents and Multi-Agent Systems, v. 18, n. 3, p. 342-375, 2009.
EL-TANTAWY, Samah; ABDULHAI, Baher; ABDELGAWAD, Hossam. Multiagent reinforcement learning
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO “A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.
14
for integrated network of adaptive traffic signal controllers (MARLIN-ATSC): methodology and large-scale
application on downtown Toronto. IEEE Transactions on Intelligent Transportation Systems. v. 26, n. 3,
p.1140-1150, 2013.
FRANCE, John; GHORBANI, Ali A. A multiagent system for optimizing urban traffic. Intelligent Agent
Technology, 2003. IAT 2003. IEEE/WIC International Conference on. IEEE, 2003. p.411-414.
IBARRA-MARTÍNEZ, Salvador; CASTÁN-ROCHA, José A.; LARIA-MENCHACA, Julio. Optimizing urban
traffic control using a rational agent. Journal of Zhejiang University SCIENCE C. v. 15, n. 12, p.1123-1137,
2014.
KHAMIS, M. A.; GOMAA, W. Adaptive multi-objective reinforcement learning with hybrid exploration for
traffic signal control based on cooperative multi-agent framework. Engineering Applications of Artificial
Intelligence, v. 29, p.134–151, 2014.
MCKENNEY, Dave; WHITE, Tony. Distributed and adaptive traffic signal control within a realistic traffic
simulation. Engineering Applications of Artificial Intelligence. v. 26, n. 1, p.574–583, 2013.
WOOLDRIDGE, Michael; An introduction to multiagent systems. John Wiley & Sons, 2002.