Professional Documents
Culture Documents
Abstract This text presents basic concepts about transportation and trafc engineering so that professionals and students from computer science and computer engineering can work together with technicians from the former areas in order to tackle the problem of increasing demand for mobility in our society. One aim is that those professionals and students can detect opportunities to employ techniques from sub-areas of computer science (such as articial intelligence, information gathering and analysis, optimization and control, simulation modeling, mobile devices, etc.) in intelligent transportation systems (ITS) projects. Resumo Este texto apresenta conceitos bsicos sobre engenharia de trfego e transportes a m de que estudantes e prossionais de informtica possam detectar oportunidades de emprego das tcnicas clssicas de computao (como tcnicas ligadas inteligncia articial, coleta e anlise de informao, otimizao e controle, modelagem e simulao discreta e contnua, redes sem o e dispositivos mveis, etc.) naquelas reas. Alm disto, de posse deste conhecimento, espera-se que prossionais da rea de informtica possam dialogar com engenheiros de transporte, arquitetos, tcnicos de planejamento urbano e outros, a m de propor solues para o problema do aumento da demanda por mobilidade na nossa sociedade, bem como colaborar em projetos futuros na rea de Sistemas Inteligentes de Transporte envolvendo navegao autnoma.
2296
A. L. C. Bazzan e F. Klgl
malha existente. Esta ltima no apenas economicamente mais vivel, como tambm a alternativa preferida por sociedades nas quais o fator meio-ambiente uma questo chave. Vrias medidas tm sido adotadas nos ltimos anos, como cobrana por uso de reas urbanas (Londres), restrio do trfego no centro histrico (Roma, Paris, Amsterdam), alternncia de veculos que tm permisso de circular em determinados dias (So Paulo, Cidade do Mxico), e muitas outras que visam manter uma mobilidade sustentvel. No entanto, essas medidas tm um impacto na rotina de muitos usurios e cidados, na medida que impem restries na liberdade de movimento. Com o intuito de tornar essas medidas melhor aceitas, necessrio compens-los fornecendo informaes no sentido de ajud-los a planejar melhor suas necessidades de deslocamento. Isso pode ser alcanado com o emprego de diversas tecnologias que aqui sero genericamente denominadas Sistemas Inteligentes de Transporte ou ITS (Intelligent Transportation Systems). Hoje em dia relativamente aceita a hiptese de que ITS est entre os investimentos com melhor relao custo-benefcio em transportes. Tais investimentos podem envolver desde sistemas avanados de informao ao motorista difuso de informao via rdio, telefone e internet, painis de mensagens, quiosques de informao, dispositivos instalados nos veculos e personal assistants passando pelo emprego de tcnicas das reas de otimizao e de telecomunicaes, at novas tecnologias visando direo autnoma e rodovias informatizadas.
2297
Neste texto no sero tratados temas como transporte de carga e logstica, transporte pblico, transporte areo e martimo e temas especcos ligados a pedestres.
1.2. Conceitos Bsicos 1.2.1. Engenharia de Transportes e Trfego e Sistemas Inteligentes de Transporte
ITS envolve a aplicao de modernas tecnologias ligadas s rea de tecnologia da informao [Roess et al. 2004, Papageorgiou et al. 2003, Hall 2003]. Tais tecnologias envolvem automao de auto-estradas, sistemas automticos de coleta de pedgio, GPS, sistemas embarcados, sistemas de informao ao usurio, dispositivos inteligentes de controle (tanto no nvel de infra-estrutura quanto no do veculo), etc. No que se refere ao escopo deste texto, ITS compreende duas grandes reas: ATMS (advanced travel management systems ou sistemas avanados de gerenciamento de viagens) e ATIS (advanced traveller information system ou sistemas avanados de informao ao motorista)1 . Enquanto o primeiro se refere parte de infraestrutura e engenharia, o segundo est diretamente ligado ao usurio do sistema de transporte. Um ATMS visa gerenciar de maneira ecaz as tecnologias ligadas aos dispositivos de controle, gerenciamento em situaes de emergncia, e dispositivos de comunicao entre os diversos atores do sistema, como por exemplo os dispositivos de monitoramento de trfego, de comunicao, de controle de semforos, alm de outros ligados segurana do sistema. Um ATIS objetiva fornecer informaes aos motoristas e demais usurios do sistema de transporte, tanto em vias expressas e rodovias, quanto em cenrios urbanos. Esta informao , via de regra, gerada pelo ATMS, eventualmente tratada pela equipe de engenharia, e ento transmitida aos usurios nas mais diversas formas: desde boletins radiofnicos at servios privados para usurios detentores de algum tipo de dispositivo embarcado no veculo, passando por aconselhamento de rota (route guidance) e ajuda na navegao pela rede. Todas estas tecnologias podem potencialmente ajudar a minimizar os efeitos da crescente demanda por mobilidade. Entretanto, existe um fenmeno bastante conhecido de retroalimentao que envolve esta demanda e o aumento ou otimizao da capacidade: o aumento da capacidade invariavelmente leva a um aumento na demanda por viagens! Este um processo complexo que requer que qualquer das medidas acima citadas seja testada antes em um ambiente de simulao. Em relao a este ponto, existem mtodos clssicos de simulao para engenharia de trfego que conseguem reproduzir a capacidade e a demanda com distintos graus de delidade. Entretanto, algumas das novas tecnologias relacionadas a um ITS, como por exemplo ATIS, no so facilmente simulveis devido ao fato de lidarem com comportamento humano. Aqui, tcnicas de inteligncia articial tm sido empregadas no mnimo desde a dcada de 1970. Um exemplo recente decorre da mudana de paradigma de simulao: de macroscpica (peloto de veculos) para microscpica (modelagem de veculos individuais). Na simulao microscpica, um dos paradigmas mais interessantes o da simulao baseada em agentes (ABS ou agent-based simulation). Isto se deve ao fato que, em ABS, possvel se modelar o processo decisrio do motorista ou de qualquer outro agente no sistema. Alm do aspecto da reao humana, a simulao tambm pode ajudar a vericar o impacto dos processos de otimizao, em particular no que se refere otimizao destes planos semafricos de forma a facilitar a movimentao de veculos. Tipicamente trata-se de uma otimizao multivarivel pois os controladores de semforos atuam especicamente no sentido de aumentar a vazo e diminuir o tempo esperado de viagem, alm de considerarem diversas variveis tais como segurana e nveis de poluio.
1
2298
A. L. C. Bazzan e F. Klgl
Antes de passar aos conceitos especcos de ATMS e ATIS, cabe mencionar que sistemas de transporte so tambm estudados do ponto de vista econmico por uma abordagem do tipo supply and demand. A seguir feita uma breve descrio desta abordagem. Maiores detalhes podem ser encontrados em [Roess et al. 2004]. A demanda por transporte diretamente relacionada a padres urbanos e rurais, alm do tipo de sistema de transporte. Num exemplo urbano, um percurso residncialocal de trabalho depende diretamente da localizao destes pontos, do horrio de trabalho e do meio de transporte disponvel. tarefa do planejador urbano e do engenheiro de transporte prover a capacidade para a demanda observada ou estimada. Como foi mencionado acima, a proviso desta capacidade provavelmente mudar o padro da demanda e assim por diante. Proviso ou oferta neste caso a expresso da capacidade da infraestrutura de transporte e meios de transporte, medida em termos de infraestrutura e de servios, em unidades como nmero de passageiros transportados, volume e massa (carga), etc. J a demanda a expresso das necessidades de transporte, em unidades similares. Para se estimar a demanda, um dos mtodos utilizados o modelo gravitacional que visa estimar uxos entre localidades em funo de atributos como atrao e emisso de partculas. Para a representao da oferta em termos de infraestrutura, em geral so utilizados modelos da teoria dos grafos. Em ambos os casos, estes modelos conseguem formular relativamente bem a parte esttica da rede (tanto em termos de demanda como da rede de transporte para atender esta). Entretanto, um conceito fundamental como a demanda est distribuda pela rede e no tempo. Um dos problemas que desperta um grande nmero de pesquisas atualmente o problema da alocao (assignment) que trata de como o trfego se distribui numa rede considerando a demanda entre diversas localidades e a oferta disponvel, bem como uma srie de restries sobre esta em termos de custo e tempo de percurso.
2299
phase 1
phase 2
phase 3
cycle
Os componentes principais de uma interseco so a rea de cruzamento (entre vias) e as pistas de aproximao deste. Estas pistas so agrupadas em movimentos de trfego, fases ou estgios no conitantes (em termos da geometria da interseco). Ou seja, todos os veculos presentes nas pistas de um mesmo movimento devem poder cruzar a interseco simultaneamente sem conito. Controladores de semforos geralmente usam um conjunto de parmetros que determinam o comportamento desejado para determinada interseco. Dentre esses parmetros destacamos os conceitos de fase e de plano semafrico. Uma fase corresponde especicao de um conjunto de movimentos permitidos. Um plano semafrico corresponde a um conjunto nico de conguraes de temporizao para as fases, ou seja, um plano semafrico determina quais fases sero ativadas, em que ordem, e por quanto tempo. Desta forma, a permisso de passagem (right of way) na interseco garantida a todos os movimentos de forma seqencial. A Figura 1.1 mostra um exemplo de um plano semafrico com trs fases. Notar que os movimentos para pedestres no so mostrados e que este no um ciclo tpico no Brasil onde em geral converso esquerda no contemplada ou no permitida. A unidade fundamental de um plano semafrico o ciclo ou seja o conjunto de todos os movimentos permitidos em uma interseco. Em geral cada movimento ou conjunto de movimentos est associado a um tempo de verde ou de passagem. O tempo de ciclo C portanto a soma de todos os tempos de verde dos movimentos mais os eventuais intervalos de amarelo. A durao ciclo indica quanto tempo necessrio para uma seqncia completa de fases. Por exemplo: se em um plano semafrico existem duas fases de 50 segundos ento o ciclo tem uma durao de 100 segundos. O split a poro do tempo de ciclo reservado para cada fase. A Figura 1.2 mostra dois planos semafricos para uma mesma interseco. O plano 2 aloca 25 segundos de tempo de verde para a fase 2 e 75 segundos para a fase 1, enquanto que o plano 1 aloca o mesmo tempo (50 segundos) para ambas as fases. Em geral cada interseco possui uma biblioteca de planos. Selecionar o plano apropriado para a situao do trfego no um problema trivial, dado que vrias restries devem ser obedecidas. O critrio para obter a temporizao tima que esta deve levar a um tempo de espera mnimo. Isto geralmente alcanado utilizando-se programas de otimizao e/ou uma variedade de modos distintos de operao, classicados segundo duas dimenses. A primeira dimenso refere-se ao fato do semforo ser operado de forma pr-programada ou xed-time (segundo hora-do-dia, dia-da-semana ou picos de trfego), ou ser operado em modo sensvel-ao-trfego (trafc-responsive). A segunda dimenso diz respeito a se a operao de forma isolada ou coordenada (sincronizada) com semforos adjacentes.
2
Utilizamos os termos interseco, cruzamento, juno e semforo indistintamente, dado que uma interseco, quando controlada, est associada sempre a exatamente um controlador.
2300
A. L. C. Bazzan e F. Klgl
0s
25s
75s
100s
Figura 1.2. Dois Planos Semafricos para a mesma Interseco (a linha escura representa o tempo de verde).
No caso de operao pr-programada, o plano semafrico gerado de forma offline, manualmente ou via um programa de otimizao, utilizando-se em geral dados histricos sobre o trfego na interseco. O problema com esta abordagem que a soluo inferida tima apenas para a situao para a qual foi projetada, no sendo capaz de lidar com cenrios altamente dinmicos. No cenrio urbano, variaes de uxo so rotineiras e podem se dever a inmeras razes distintas, nem sempre facilmente identicveis ou previsveis. Esta a nica forma de operao que pode prescindir de um controle eletrnico. As demais necessitam de uma maior inteligncia, seja local ou via uma central de controle. A operao em modo sensvel-ao-trfego baseada em sensores geralmente instalados no pavimento. O plano semafrico pode ser tal que aloque um tempo de verde mnimo a cada fase. Se houver trfego que justique, o tempo de verde da fase pode ser prolongado a m de dar vazo a todo o trfego, at um tempo de fase mximo. Estes detectores so circuitos eletrnicos digitais que, quando conectados a uma bobina ou lao indutivo compem um conjunto capaz de detectar, eletricamente, a presena de uma massa metlica (veculo). A operao de forma isolada, como o nome aponta, refere-se a uma interseco isolada. Em oposio a esta, os sistemas de coordenao ou sincronizao ou ainda onda verde so caracterizados por dois ou mais semforos executando planos semafricos congurados de modo que um veculo possa passar pelos semforos adjacentes sem paradas. Para que a sincronizao seja ecaz, necessrio que i) o tempo de ciclo seja o mesmo em todos os semforos sincronizados, ii) haja uma defasagem relativa ao semforo anterior. A defasagem o tempo entre o incio do tempo de verde de uma fase em dois semforos consecutivos. Por exemplo, a Figura 1.3 mostra um sistema de sincronizao onde a velocidade mdia de 54 km./h e o tempo de banda de verde de 30 segundos. Barras escuras (vermelhas) e claras (verdes) indicam o tempo de vermelho e de verde respectivamente, em cada cruzamento. Considerando que h uma distncia de 300 metros entre os cruzamentos (a esquerda na gura), a defasagem entre cada dois semforos consecutivos de 22 segundos. H uma propagao da defasagem at o ltimo semforo da onda verde que est a 1200 metros do primeiro. A banda de verde neste caso de 30 segundos. Um veculo que parte do primeiro cruzamento entre o tempo 22 e 52 e mantm a velocidade constante de 54 km./h, consegue atravessar todos os cruzamentos sem paradas.
2301
Distance (m.)
20
40
60
80
100
Time (secs.)
O problema clssico na sincronizao de semforos encontrar o tamanho de banda timo para diferentes tempos de ciclo e velocidades. A criao de planos semafricos coordenados ecientes uma tarefa difcil porque envolve restries entre pares de semforos. Uma rede com 30 a 40 semforos demanda um ano de trabalho-homem [Robertson and Bretherton 1991]. Ambas as abordagens (isolada e coordenada) podem ser ainda combinadas com sistemas pr-programados ou com sistemas sensveis-ao-trfego. A Tabela 1.1 resume as estratgias de sincronizao, mostrando as diferenas na estrutura necessria, custo e desempenho de hardware de cada uma delas.
Sincronizao em resposta ao trfego com seleo ou modicao de planos semafricos Sincronizao com controle completamente distribudo
Distribuda
Mdio a alto
Alto
Sistemas coordenados e sensveis-ao-trfego apresentam melhor desempenho, uma vez que contam com controladores centrais que possuem informaes sobre toda a rede viria. Tais controladores so capazes de calcular os parmetros da sincronizao (tempo de ciclo e offset para cada interseco) a todo instante, mas exigem um certo volume de comunicao e grandes custos para instalao de hardware especializado em cada cruzamento. Alm disso, os sistemas centralizados precisam lidar com
2302
A. L. C. Bazzan e F. Klgl
imensas quantidades de dados (i.e., um histrico completo de situaes passadas) e tambm representam um ponto nico de falha. Um outro fator de complicao que, a m de lidar com mudanas nas condies de trfego, vrios planos semafricos precisam ser denidos, um para cada padro de uxo. Planos bem projetados podem atingir resultados aceitveis caso sejam sincronizados. De maneira geral, quanto maior o nmero de interseces adjacentes sincronizadas, menores so as las. Infelizmente, no caso geral impossvel se obter sincronizao simultnea em todas as direes e sentidos. Por esta razo os planos precisam ser selecionados de forma a priorizar um sentido ou, se possvel, uma direo. Como um exemplo, ainda na Figura 1.3, mostrada trajetria de um veculo que trafega no sentido inverso ao da progresso (onda verde). Devido s restries geomtricas da artria, este veculo consegue atravessar o cruzamento com a quarta rua ainda com o semforo em verde. Entretanto, ao chegar na terceira, encontra o semforo vermelho sendo obrigado a parar at o tempo 60, parando novamente no segundo cruzamento. No total ele tem um retardo maior que aqueles veculos trafegando no sentido da onda verde. Outro problema apontado em [Roess et al. 2004] que a mudana de tempo de ciclo e/ou defasagem no pode ser freqente nem instantnea. Tal mudana requer uma fase de transio a m de no haver interrupes bruscas no ciclo. Em geral no possvel se implementar diferentes padres de coordenao em um curto perodo de tempo. A despeito disto, sistemas sincronizados so uma realidade em vrias cidades de mdio a grande porte. Diversos casos de sucesso so reportados na literatura (Washington DC, Toronto, Sydney, etc.). Em suma, na forma mais simples de controle, existem quatro possibilidades de inuenciar as condies do trfego utilizando semforos (de acordo com [Diakaki et al. 2002]): Especicao da fase: para cruzamentos complexos, a especicao do nmero timo de fases pode ter impacto na ecincia do cruzamento; Tempo de fase: o tempo de verde de cada fase deve ser dimensionado de acordo com a demanda das pistas envolvidas; Tempo de ciclo: tempos de ciclo maiores geralmente aumentam a capacidade do cruzamento mas, por outro lado, aumentam os tempos de espera em cruzamentos sub-saturados; Defasagem (offset): a especicao da defasagem deve levar em conta a existncia de possveis las e a velocidade mdia dos veculos. Entretanto, a partir da dcada de 60 do sculo XX, se tem procurado estender e integrar os sistemas coordenados formando os chamados Sistemas de Controle de Trfego Urbano (SCTUs) que visam aumentar ainda mais a capacidade de uxo das redes urbanas, diminuir os tempos de percurso e com isso diminuir os impactos negativos do trfego no ambiente e no consumo de energia. Estes sistemas so altamente atrelados ao controle computadorizado. Pode-se falar em trs geraes destes sistemas. A primeira usa uma biblioteca de planos desenvolvidos segundo tcnicas de otimizao off-line. A seleo do plano pode ser pr-programada, sensvel-ao-trfego ou ainda manual pelo operador. Na segunda gerao os planos so calculados em tempo real, baseados em ferramentas de predio de trfego ou em dados coletados nos detectores. A terceira gerao, ainda no completamente implementada, baseada totalmente em controle sensvel-ao-trfego. Todos estes mtodos de controle tm eccia relativa em redes onde no h um padro bem denido de trfego como por exemplo picos da manh e m de tarde. Nas grandes cidades brasileiras h uma disperso dos centros de negcios e compras ao longo de toda a rede. Neste caso os sistemas de trfego que consideram uxos bem denidos no conseguem lidar com padres variveis. Alm disso, em algumas
2303
cidades, vias consideradas secundrias tornaram-se tambm importantes devido saturao das vias arteriais. As abordagens que visam a otimizao de rotas xas (geralmente rotas principais) nem sempre obtm uma melhora signicativa na qualidade do uxo do trfego.
Figura 1.4. Exemplo de Onda Verde Causando Congestionamento nas Vias Secundrias.
A Figura 1.4, onde os veculos mais escuros (em vermelho) esto parados e os mais claros (verdes) esto em movimento, mostra um exemplo de onda verde ineciente. A sincronizao xa, no momento mostrado na gura, est priorizando uma avenida arterial cujo uxo de trfego menos intenso que as vias secundrias, gerando diversos engarrafamentos nas transversais artria. Os sistemas tradicionais que utilizam o conceito de otimizao de rotas tendem a gerar este tipo de onda verde. Abordagens adaptativas (Seo 1.3.2) permitem a criao de ondas verdes mais exveis que estejam mais de acordo com o uxo de trfego da rede e no apenas de uma rota.
2304
A. L. C. Bazzan e F. Klgl
Este o caso tanto da modelagem economtrica clssica quanto do tradicional mtodo de simulao para alocao de demanda, o chamado 4-step-process ou processo de 4 etapas. Estes sero apresentados a seguir de forma resumida, uma vez que so cada vez menos utilizados em comparao com abordagens microscpicas. Ver [Oppenheim 1995] para uma descrio detalhada tanto das abordagens clssicas (macroscpicas) quanto das microscpicas. 1.2.3.1. Modelagem Economtrica As abordagens economtricas para o problema de alocao de rota so vrias e diferem em como empregam determinados parmetros. Todas se baseiam no fato de que os usurios do sistema de transporte fazem suas escolhas de rota baseados na utilidade que esta escolha traz. Para uma introduo sobre conceitos de teoria da utilidade, ver [Luce and Raiffa 1957]. Por exemplo, a teoria assume que o usurio n perfeitamente racional e escolhe uma rota baseado na utilidade desta rota, sendo tempo de percurso a principal mtrica utilizada. No nvel macroscpico, ou seja, de agregao sobre todos os usurios, so medidos uxos e densidades de veculos sobre dadas rotas. Desta forma, embora as escolhas sejam individuais, a representao da rede desconsidera estes indivduos. De fato isto decorre da impossibilidade de acessar e tratar estas informaes, ao menos na poca em que estes modelos foram formulados. Um primeiro problema a hiptese de racionalidade perfeita a qual desconsidera que o indivduo possa no ter informao suciente para uma tal escolha. A m de modelar o eventual desvio do comportamento previsto (o qual advm justamente da imperfeio do raciocnio) o modelo geral emprega um parmetro que o desvio da distribuio normal. O chamado modelo logit calcula a utilidade considerando este desvio atravs da equao Ui = Vi + onde Vi a utilidade observvel. A abordagem economtrica apresenta vantagens que a tornam atrativa sendo que a principal a de ser relativamente bem compreendida, apresentando diversas implementaes computacionalmente ecientes, apesar de que existem modelos bastante complicados os quais visam suprir as decincias da abordagem macroscpica. Dentre os maiores problemas com esta abordagem, est o fato de que a capacidade de predio depende da congurao dos parmetros, e o fato de que, sendo macroscpica, esta abordagem no contempla comportamentos, atributos e opes individuais. Isto impede, por exemplo, que seja modelada uma caracterstica fundamental do usurio de um sistema de transporte que a sua capacidade de se adaptar a mudanas no ambiente. 1.2.3.2. Four Step Process O processo de quatro etapas (4-step-process) [Ortzar and Willumsen 2001] baseiase em gerao da viagem, escolha do destino, escolha do modo e alocao. Esta ltima inclui escolha de rota e uma simulao bsica de uxo de trfego, sendo ambas alternadas at ser alcanado o equilbrio de Nash, ou seja, no haver outra escolha de rota melhor para os motoristas simulados considerando as escolhas de rota de outros e a atual viagem. Os dois principais problemas do 4-step-process so: No h dependncia de tempo. A simulao bsica de uxo de trfego que tipicamente usada nesses modelos um simples mapeamento da demanda (volume) para o custo (tempo de viagem). Esse mapeamento considera estados de uxo constante, ou seja, independente do tempo. Um ATIS, ao contrrio, modela esta dependncia. No h modelagem consistente do processo de deciso dos motoristas. As etapas so mutuamente desacopladas. Isso signica que, por exemplo, enquanto o
2305
mdulo de gerao da viagem tem acesso a informaes como planos dirios, custos, etc., o mdulo de tomada de deciso sabe apenas os pontos iniciais e nais de uma viagem. Enquanto um ATIS afeta diferentes segmentos da populao de forma diferente em suas escolhas de rota, a abordagem baseada em etapas no permite isso. O segundo ponto pode ser resolvido considerando uma abordagem baseada em agentes para a gerao de demanda de viagens, tambm conhecida como gerao de demanda baseada em atividade (activity-based demand generation) (ABDG). Nessa abordagem, todos motoristas de uma regio so modelados individualmente no que diz respeito ao seu processo de tomada de deciso relativa ao trfego. No entanto, difcil modelar esta tomada de deciso de forma consistente quando a simulao de uxo de trfego independente de tempo. Para uma modelagem consistente, tambm a parte de alocao necessita ser feita dinamicamente. A soluo tpica para isso alocao dinmica de trfego via DTA (dynamic trafc assignment)3 . Esta separa efetivamente a simulao de escolha de rota e a simulao de uxo de trfego do processo de alocao em dois mdulos diferentes. Esse mtodo realiza iteraes nos dois mdulos, tipicamente at ser alcanado o equilbrio de Nash. Neste caso, as experincias prticas com essa abordagem so restritas a modelos simples de motoristas. Outro problema com esta abordagem a estimativa do estado de toda rede de trfego a partir de dados parciais de sensores. Embora existam muitos esquemas para deteco de incidentes, existem poucas opes para estimativa de estados em trfego de larga escala. Uma exceo www.autobahn.nrw.de. Este usa a simulao em nvel microscpico para extrapolar o uxo a partir de sensores locais para fazer predies de curto prazo. O que ainda est em aberto uma integrao, verdadeiramente baseada em agentes, desta e outras abordagens. Por exemplo, em quase todos os trabalhos publicados recentemente, ABDG e DTA so acoplados pelas chamadas matrizes origem-destino (OD matrices). Isso torna esses mtodos compatveis com o 4-step-process: ABDG pode ser executado com a alocao tradicional, enquanto que a tradicional gerao de demanda pode ser a entrada para o DTA. Isso apresenta, no entanto, a desvantagem que o conhecimento do agente a partir do ABDG no mais conhecido no nvel de DTA. Um exemplo a utilidade ou ganho do motorista. No entanto, esses atributos so crticos quando feita o clculo de uma resposta a uma informao. Por este motivo, as partculas (veculos) em www.nrw.autobahn.de so bastante simples: elas no sabem seus destinos. Essa foi uma simplicao necessria para que a abordagem fosse ecaz, mas abordagens futuras precisam superar essa simplicao j que os efeitos de ATIS so difceis, talvez impossveis, de estimar sem esses aspectos. Mesmo dentro do DTA, no h uma modelagem verdadeira do comportamento do motorista. A abordagem tpica assumir modelos simples de comportamento humano do tipo motoristas distribuem-se atravs de rotas com probabilidades baseadas nas predies de tempo de percurso. Mais uma vez, tal abordagem certamente vlida para se chegar a sistemas funcionais. No entanto, deixa em aberto todas as possibilidades de incluir mais reaes humanas envolvidas a distrbios, tais como: reagendamento, desistncia de atividade ou re-ordenamento de atividades. Aliar ferramentas de simulao a uma maneira de aproximar o comportamento humano parece particularmente interessante para se chegar a resultados mais is da realidade. Assim, abordagens baseadas em agentes prometem preencher esse vazio na medida em que permitem a simulao de entidades mais inteligentes, incluindo estados mentais (informacional e motivacional) dos motoristas.
3
www.dynasmart.com
2306
A. L. C. Bazzan e F. Klgl
2307
de tempo, mnimo e mximo de verde nas fases), o controlador retorna uma mensagem de aceitao; caso contrrio, retorna uma mensagem indicando uma falha na instruo. SCOOT tem trs procedimentos de otimizao para sincronizar os semforos: tempos de fase, defasagem e tempo de ciclo. Cada procedimento otimizador estima o efeito de uma mudana incremental pequena dos tempos no desempenho total da rede de trfego da regio. Um ndice de desempenho calculado baseado em predies sobre nmero de paradas e velocidade dos veculos. 1.3.1.3. SCATS (Sydney Coordinated Adaptive Trafc System) O SCATS [Lowrie 1982] foi inicialmente desenvolvido na Austrlia para aplicao em Sydney. Atualmente est instalado em mais de 50 cidades no mundo. um sistema dinmico de controle de semforos com uma arquitetura descentralizada. A otimizao do sistema se d atravs de mudanas no tamanho do ciclo da fase e tempo de defasagem. Alm disso, permite tambm que algumas fases no sejam executadas. O sistema possui uma biblioteca de planos que podem ser selecionados. De resto, funciona de forma similar ao SCOOT.
2308
A. L. C. Bazzan e F. Klgl
Segundo esta metfora, o estmulo de um plano semafrico calculado a partir dos rastros de feromnio acumulados em cada pista controlada por ele. A densidade (dl,t ) em uma pista o feromnio acumulado na pista l no tempo t. Enquanto os veculos esto parados eles continuam a liberar feromnio. Desta forma, uma pista onde h muitos veculos parados tm um rastro de feromnio muito denso. A variao da densidade hormonal dada por dl,t =
t=0
t (l,t )
t=0
Nl,t
de fases do plano j, dink,t a densidade de feromnio acumulado nas pistas de entrada da fase k no tempo t e k a poro de tempo utilizada pela fase k. Cada fase tem uma poro de tempo k = (tempo f im tempoinicio )/tempociclo ), que indica o tempo de sinal verde que o plano dedica para aquela fase. Fases com maiores pores de tempo indicam que o plano prioriza determinados movimentos. A exibilidade na troca de planos pelo agente conseqncia das mudanas induzidas pelo ambiente no estmulo e nos limiares do agente. Cada plano semafrico possui um estmulo associado de acordo com a direo que ele prioriza. Os agentes tm uma tendncia maior de trocar de tarefa se essa direo tm um estmulo que ultrapassa seu limiar de resposta. A tendncia de um indivduo executar uma tarefa dada por Ti j (s j ) =
s2 j , s2 +i2j j
A abordagem foi testada com uma rede real localizada na cidade de Porto Alegre. A Figura 1.5 mostra os cruzamentos onde os nodos numerados indicam semforos controlados por agentes. A via principal (no mapa real, Av. Independncia seguida da Av. Mostardeiro) tem oito semforos controlados por agentes (nodos 07). Alm desta via principal, foram escolhidas duas ruas transversais: a R. Garibaldi (composta pelos nodos 8, 1, 9 e 10) e Av. Goethe (nodos 5, 1113). Cada agente pode executar um dos trs planos semafricos: um no coordenado (apenas divide o tempo de ciclo de maneira uniforme entre todas as fases) e dois coordenados com um dos vizinhos. Um destes planos prioriza um sentido principal (Leste-Oeste para avenida principal ou Norte-Sul para as outras duas). Alm disto, o semforo pode ter planos para coordenao com outros, em sentidos diferentes. Por exemplo, o semforo localizado no nodo
8 0 1 9 12 10 13 2 3 4 5 6 7
11
2309
1 possui trs planos semafricos diferentes: um no coordenado, um coordenando com semforos vizinhos na Av. Independncia, e um coordenando com vizinhos na Av. Garibaldi. Cabe ainda lembrar que os planos coordenados so iguais em termos de distribuio do tempo de verde entre as fases, diferindo apenas na defasagem. A abordagem inspirada em insetos sociais coordena a rota com as piores condies de trfego (no caso, a Av. Goethe no sentido Norte-Sul) em um dado momento. O sistema tende a se manter estvel e adaptado ao uxo de trfego mas com a capacidade de mudar para adaptar-se a novas mudanas no ambiente. Semforos em uma mesma rua com uxo de trfego intenso em uma direo, tendem a adotar planos que coordenam essa direo. Entretanto, os nodos tendem a coordenar em pequenos grupos (ao contrrio dos mtodos clssicos onde a rota xa e fornecida pelo engenheiro de trfego como entrada para os programas do tipo TRANSYT). Alm disto, o mtodo exige um tempo de adaptao ou seja os semforos respondem de forma lenta. 1.3.2.3. Coordenao de Semforos utilizando Mediao Cooperativa Outra abordagem [Oliveira et al. 2005b], agora considerando o fator comunicao entre agentes, baseada em mediao cooperativa. Neste modelo, o problema dos semforos foi abordado como um meio-termo entre uma coordenao completamente autnoma com comunicao implcita (seo anterior) e uma soluo centralizada clssica (Seo1.3.1). A coordenao de semforos abordada como um problema de otimizao em tempo real com a utilizao do algoritmo OptApo [Mailler and Lesser 2004]. O cenrio utilizado tem um elevado nmero de restries. Numa grade com espaamento constante entre as interseces (Figura 1.6), um agente pode se coordenar em dois sentidos paralelos ao mesmo tempo (NS junto com SN ou LO junto com OL).
A1 A2 A3 A4 A5
B1
B2
B3
B4
B5
C1
C2
C3
C4
C5
D1
D2
D3
D4
D5
E1
E2
E3
E4
E5
Figura 1.6. Uma Rede com 25 Interseces (os ns com crculos pontilhados executam o plano SN/NS e os com linha cheia executam o plano LO/OL).
Para se compreender o funcionamento da mediao, considere o seguinte exemplo centrado na mediao do agente B4. Na Figura 1.6, os crculos pontilhados representam os agentes que esto executando o plano projetado para coordenar com vizinhos na direo NS/SN. Os crculos com linha cheia representam os agentes que esto executando o plano projetado para coordenar com vizinhos na direo LO/OL. Seguindo o algoritmo OptAPO, considerando o n B4 na Figura 1.6, o valor de sua prioridade em relao aos outros ns dado pelo nmero total de veculos vindos dos ns A4, B3, B5 e C4. O agente B4 compara o nmero de veculos vindos da direo NS/SN com o nmero de veculos vindos de LO/OL. Considerando que h 40 veculos vindos do Norte e
2310
A. L. C. Bazzan e F. Klgl
Sul e 60 do Leste e Oeste, a partir destes dados, o agente B4 considera a sua relao com os ns B3 e B5, no considerando os vizinhos A4 e C4 j que esses esto na direo com menos veculos. No prximo passo, por ser mediador, B4 executa uma busca branch-and-bound para encontrar a soluo de menor custo. Os conitos causados por agentes fora do processo de mediao fazem com que B4 inclua os agentes C3 e C5 nas suas listas de agentes conhecidos j que B4 tem relao de vizinhana com C4. Depois da mediao de B4, o processo continua at que cada um dos agentes tenha encontrado uma soluo global com o menor nmero de restries violadas. Nos experimentos, foram considerados apenas dois planos, cada um coordenando em uma direo (NS/SN ou LO/OL). No incio das simulaes, todos os agentes tem vizinhos com planos diferentes (ver Figura 1.6). Foram simulados trs casos: o padro do volume de trfego permanece constante durante a simulao; uma mudana no volume de trfego inserida articialmente no tempo 400 para testar o reincio das mediaes; situao com coordenao xa (sem mediao).
A1 A2 A3 A4 A5
B1
B2
B3
B4
B5
C1
C2
C3
C4
C5
D1
D2
D3
D4
D5
E1
E2
E3
E4
E5
2311
mudana na dinmica. Isso faz com que os algoritmos de AR apresentem quedas de desempenho durante a fase de reaprendizado, e tambm foram o algoritmo a reaprender polticas mesmo para dinmicas que j tenham sido previamente experimentadas. O tipo de no-estacionariedade observada em cenrios de trfego de alta granularidade, o que signica que tipicamente o ambiente ir alternar entre comportamentos (dinmicas) distintos, mas que a troca entre esses modos de comportamento no ocorrer com grande freqncia. A m de tratar ambientes no-estacionrios, mtodos alternativos de AR j foram propostos. Entretanto, todas as alternativas assumem um nmero xo de modelos de comportamento do ambiente. Em outras palavras, assumem que o nmero de diferentes dinmicas (uxos) conhecido a priori. Uma vez que essa suposio nem sempre realstica, uma alternativa a construo incremental de modelos, sem exigir a especicao do nmero de modelos necessrios para descrever o comportamento da rede viria. O uso de mltiplos modelos em [Silva et al. 2006a] faz com que o sistema de aprendizado seja capaz de particionar o conhecimento de forma que cada modelo automaticamente toma para si a responsabilidade de entender um tipo de uxo. A cada modelo, associa-se uma poltica tima, que consiste em um mapeamento (a ser aprendido) entre condies de trfego e o correspondente plano semafrico a ser escolhido. A m de detectar alteraes no comportamento do trfego (i.e., mudanas de contexto), o mtodo mensura o quo bem o modelo de ambiente atualmente em uso consegue prever o que realmente est sendo observado. Para isso, associa-se a cada modelo parcial uma medida de erro de previso, que reete, em mdia, o quo bem cada modelo consegue prever o ambiente recentemente observado. Alm disso, usase uma medida de conana, de forma que modelos mais antigos sejam considerados mais conveis do que modelos novos, que ainda no experimentaram muitas situaes diferentes.
2312
A. L. C. Bazzan e F. Klgl
por diferentes tipos de sensores geogracamente distribudos ao longo de uma rea de controle de trfego, os quais medem diferentes parmetros da aplicao. Para a integrao do CONTRAM com os controladores so utilizados subservios voltados ao interfaceamento com os sistemas computacionais a serem integrados e transferncia de dados. O CONTRAM baseado na losoa de modularidade, longevidade e facilidade de integrao. Em termos de modularidade, no que se refere aos controladores, os fabricantes devem fornecer o agente-proxy correspondente. Uma vez que esse agenteproxy seja ativado e o controlador mapeado pelo CONTRAM, ele est apto a receber dados. Caso haja troca de modelo de controlador, basta atualizar o agente-proxy. O CONTRAM interage com o controlador referencial e este com os demais controladores da sua rede permitindo a integrao entre redes de controladores diferentes. Em termos de longevidade, uma importante vantagem do CONTRAM que toda a padronizao proposta explcita. Qualquer dispositivo de controle que fornece um agenteproxy est apto a ser integrado ao CONTRAM, independentemente do seu avano tecnolgico. Em termos de facilidade de integrao, na interface com os controladores o CONTRAM utilizou o protocolo SNMP.
2313
os custos sociais (global) e individuais atravs do controle de trfego atravs de sistemas de pedgio especialmente constitudos para penalizar vias com maior trfego ou procura. Os chamados pedgios por congestionamento (congestion tolls) podem melhorar a ecincia da rede atravs da busca de um equilbrio no que se refere distribuio do trfego pela rede [Arnott et al. 1990]. O valor do pedgio a ser pago (eventualmente restitudo) calculado de forma centralizada e depende de informao sobre o uso da rede. Em [Kobayashi and Do 2005] discutido um sistema de coleta de pedgio que dependente do volume de trfego na via especca onde se pretende implantar o sistema. Os impactos de esquemas alternativos de coleta tambm so discutidos: qual tipo de informao sobre o preo do pedgio se deve dar ao usurio? Deve-se informar o preo antes ou apenas na hora da coleta do valor? Neste trabalho, os autores assumem que existe uma central de controle que tem informao perfeita sobre o estado do trfego na rede. Em [Bazzan and Junges 2006] esta hiptese relaxada e se faz uma simulao baseada em agentes a m se comparar os resultados obtidos sem que a hiptese de informao perfeita seja feita. Nesta simulao, utilizado o mesmo modelo de escolha iterativa de rotas (Seo 1.7.2.1), com exceo de que as condies de trfego so modeladas por L estados discretos. Em cada estado, possvel se fornecer K tipos de informao e para cada par l, k h uma funo de custo. Este o modelo usado por [Arnott et al. 1991] para representao macroscpica do problema. Assumindo-se R rotas alternativas entre dois pontos da rede, cada uma com uma demanda de M veculos e L = 2 (ou seja os estados possveis so congestionado / no congestionado), no modelo cada estado ocorre com probabilidade ql . A probabilidade do estado l ocorrer aps a informao k ser divulgada dada por kl . Assumindo-se R = K = L = 2, e funes lineares de custo, os autores em [Kobayashi and Do 2005] k calculam o equilbrio, ou seja, qual o nmero timo de veculos xi que cada rota i comporta (dada a informao k), a m de que o custo ou tempo de viagem na rede seja mnimo. Este clculo relativamente trivial assumindo-se que o controle central tenha informao perfeita. No caso da simulao baseada em agentes, onde cada agente procura minimizar seu tempo de viagem individual, este equilbrio nunca atingido pelos mesmos motivos da situao descrita na Seo 1.7.2.2. Entretanto, a introduo do pedgio no clculo da utilidade local do agente faz com que a distribuio de agentes nas rotas convirja para o equilbrio. Este processo modelado da seguinte forma: a central de controle do valor do pedgio calcula o valor a ser pago de acordo com os volumes de trfego presentes
k na rede. Este clculo feito segundo a equao r = k veculos na situao de equilbrio para a rota r, dada a informao k, e xr o nmero esperado de veculos.
k k xr xr k xr
k onde xr o nmero de
O raciocnio de cada motorista d : se, da ltima vez, a informao k foi fornecida e um valor monetrio foi recebido devido escolha da rota r, ento selecionar rota r com d probabilidade r,k = 1 ratecur , onde ratecur a taxa de curiosidade que se traduz em uma probabilidade de mudar de rota a m de experimentar uma nova rota. Entretanto, se na mesma situao houve um desembolso, ento selecionar r com probabilidade d d r,k = r,k . Com a incluso explcita do valor monetrio desembolsado ou recebido, este mtodo atingiu valores para a distribuio dos motoristas prximos ao equilbrio. A distribuio obviamente modulada pela taxa de curiosidade. Quanto maior esta, mais a distribuio se distncia do equilbrio. No geral, foi mostrado que este tipo de pedgio til para internalizar os custos que os motoristas impem aos demais e rede quando agem de forma gulosa, o que desvia o sistema fortemente do equilbrio.
2314
A. L. C. Bazzan e F. Klgl
2315
na mesma pista, um (follower ou posterior) seguindo o anterior (leader). A interao segue um mecanismo de estmulo-resposta para calcular a acelerao do veculo posterior e funo de vrias variveis: velocidades dos veculos posterior e anterior; distncia entre eles; taxas projetadas de desacelerao; tempo de reao do motorista posterior e outros parmetros especcos do veculo anterior. Este modelo a base de movimentos como mudana de pista (lane-changing) e outros. 1.4.2.2. O Modelo Nagel-Schreckenberg Um modelo no baseado em car following mas sim em autmato celular (CA) o apresentado a seguir. A motivao para este tipo de modelo que a discretizao no tempo e no espao (atravs do CA) muito mais eciente do que o modelo de car following. Desta forma possivelmente o nico modelo que consegue simular, em tempo abaixo do tempo real, um horizonte de tempo da ordem de 15 a 30 minutos a m de fazer predies que possam ser usadas ento para informar os usurios sobre o estado futuro da rede. A seguir detalharemos um modelo pioneiro deste tipo, o de [Nagel and Schreckenberg 1992] que considerado um dos mais interessantes atualmente, quer pelos resultados obtidos, quer pela simplicidade. Resumidamente, um trecho qualquer de uma via divido em clulas de um comprimento xo (normalmente 7,5 metros, em auto-estrada, 5 em cenrios urbanos), modelado como um vetor unidimensional, onde cada elemento ou no ocupado por um veculo. Cada veculo tem uma velocidade, dada por um inteiro positivo v (dado em unidades de elementos ocupados em uma unidade de tempo, em geral um segundo). Esta velocidade pode assumir um valor mximo vmax (em geral vmax = 5 cel./s o que corresponde a 135 Km./h). A posio do veculo ao longo da via dada por um valor x, e o nmero de elementos vazios na frente do veculo (posio relativa entre eles) dado pela varivel gap, em nmero de clulas. As quatro regras principais que guiam a movimentao fsica de cada veculo neste modelo so: Regra I Acelerao: Se a velocidade v do veculo inferior a vmax e a distncia at o prximo veculo superior a v + 1, ento ele deve acelerar, aumentando sua velocidade (v v + 1); Regra II Interao/Desacelerao: Caso a distncia at o prximo veculo seja inferior ou igual a sua velocidade (v gap) ento o veculo deve reduzir sua velocidade (v gap); Regra III Aleatoriedade: cada veculo pode, com uma probabilidade pdesac , reduzir sua velocidade em uma unidade (v v 1); Regra IV Movimentao: cada veculo avana v clulas. Essas regras referentes ao CA implicam que, primeiramente, a simulao discreta no tempo e espao. Alm disto, todas clulas da malha viria devem ser atualizadas simultaneamente. Isto implica que a movimentao dos carros deve ocorrer em duas etapas: a) todos motoristas devem tomar suas decises de movimento e b) o estado de todos veculos deve ser atualizado levando em considerao a deciso do motorista e as restries do cenrio. Com estas regras possvel simular situaes clssicas como acidentes e outras perturbaes sobre a via, bem como o que atualmente conhecido como a causa mais freqente de congestionamentos que surgem sem um motivo aparente: o fato de que, seguindo-se uma desacelerao aleatria (algum que observa a paisagem, telefona ao volante, etc.), ocorre uma reao em cadeia de desaceleraes, cada uma mais forte que a que a causou, de modo que em pouco tempo se forma um congestionamento de grandes propores. Embora o modelo seja apenas uma simplicao
2316
A. L. C. Bazzan e F. Klgl
da realidade, acredita-se que seja possvel estend-lo para contemplar, por exemplo, distintas classes de veculos e motoristas. Uma crtica que se pode fazer a esta modelagem que se baseia em duas hipteses discutveis. Primeiro, assume-se que os motoristas sempre desejam trafegar velocidade mxima possvel (ver regra 1). Em segundo lugar, veculo e motorista formam uma entidade nica o que no realista em ambientes sociais complexos como o caso do trfego (especialmente urbano mas tambm nas auto-estradas). Uma das razes para esse fato que esse modelo no considera os objetivos, preferncias e intenes de cada motorista, embora estes inuam decisivamente nas suas aes. Sabe-se ainda que sistemas de transporte inteligente como os de ajuda para selecionar rotas (route guidance) inuem no comportamento do motorista de forma ainda no denida. Justica-se portanto a modelagem cognitiva e dos aspectos sociais da entidade motorista-veculo de forma mais realista. A Inteligncia Articial (IA), e em particular os sistemas multiagente oferecem tcnicas que possibilitam modelar o comportamento de um motorista, em um nvel prximo ao cognitivo.
2317
Agentes pedestres: como ser visto na Seo 1.9 existe uma gama de modelagens possveis.
2318
A. L. C. Bazzan e F. Klgl
atualiza os detectores a cada intervalo de tempo pr-denido. O visualizador 3D pode ser utilizado para visualizar a topologia de redes como as das guras 1.9, 1.6 ou 1.5. O comportamento dos agentes que controlam os semforos um mdulo a parte do simulador. O simulador possui ainda mdulos que tratam motoristas mais sosticados que aqueles denidos na Seo 1.4.2.2.
O mdulo de aquisio e manuteno de dados se baseia em uma interface grca. O banco de dados em XML armazena informaes relativas topologia das malhas virias, dados dos semforos e informaes dinmicas, como contagens de uxo de veculos. Adicionalmente s funcionalidades bsicas da interface e do banco de dados, existem ferramentas para gerao de estatsticas e gerao automatizada de dados para os demais mdulos, assim como algoritmos de sumarizao de dados. O mdulo de simulao propriamente dito implementado em C++.
2319
chamados trafc calming como pardais e lombadas eletrnicas. Aqui a desvantagem que apenas eventos fora do padro (e.g. velocidade acima da permitida) so registrados. Mesmo que sejam utilizadas as tecnologias padro (sensores de lao indutivo), ainda assim existem diversos desaos em aberto em termos de interoperabilidade de sistemas e intercambiabilidade em hardware e middleware (Seo 1.2.2). Em termos de uso destes dados operacionais, a principal utilizao para atuao direta no controle de trfego (e.g. controle semafrico) seja ele descentralizado, centralizado ou distribudo. No caso totalmente centralizado no se pode, a rigor, falar em sistema de informao uma vez que existe apenas um sistema de aquisio de dados de volume de trfego, estes enviados a um controlador o qual ento decide por uma ao em um conjunto pr-existente. O maior interesse e desao ao cientista da computao ocorre no caso em que tais dados devem ser tratados de forma centralizada, como por exemplo qual ao tomar dado um estado X de toda a rede viria? Como esta ao se traduz em aes para os controladores individuais? Esta a informao tpica que deve ser entregue ao engenheiro para suas tarefas de anlise e projeto. Em um nvel de abstrao ainda maior, os dados devem ser processados e agregados para que o planejador urbano possa deliberar sobre aes e projetos num horizonte de tempo medido em meses ou anos. Alm disto, e talvez ainda mais interessante, existe o problema de qual informao e em qual formato, fornecer ao usurio motorista. Esta uma questo especialmente desaadora uma vez que se sabe que o ser humano reage esta informao de forma por vezes no racionais. Em sntese, os desaos se colocam em trs direes: i) sistemas de bancos de dados temporais e geogrcos (por exemplo, como coletar e manter este tipo de dado, como tratar informaes geogrcas, incluindo dados no acurados coletados por dispositivos GPS, e como, quando e qual informao fornecer aos diversos usurios); ii) qual meio utilizar para divulgao da informao e, especialmente no caso de dispositivos mveis, como projetar interfaces ecazes e ecientes; iii) interoperabilidade dos diversos componentes embarcados em veculos e controladores de semforos.
2320
A. L. C. Bazzan e F. Klgl
2321
ATIS podem ser classicados de formas distintas. Uma classicao distingue entre recomendao ou aconselhamento de rota antes da viagem (pre-trip) e durante esta (en-route). No primeiro caso, os meios de difuso possveis so internet, celular e outros dispositivos mveis, rdio e TV. De posse deste tipo de informao, o usurio decide sobre o meio de transporte, horrio de partida e rota inicial. Se a viagem continua em meio privado de transporte, o usurio pode continuar a ter acesso informao via rdio, painis VMS (informao pblica em ambos os casos) ou ainda via celular ou equipamento de bordo (informao individual). A difuso de informao en-route pode ser de dois tipos: informao bruta ou recomendao de rota. Segundo algumas pesquisas, os usurios preferem obter informao bruta, o que os permite tomar suas prprias decises sobre rota, etc. Entretanto, a difuso de informao bruta tem uma srie de desvantagens. A m de utilizar esta informao e a traduzir em rotas alternativas, o usurio precisa conhecer bem a rede. Em segundo lugar, apenas uma pequena parte da informao existente pode ser repassada aos usurios (especialmente via VMS) devido a limitaes de espao e tempo. Logo, questionvel se esta informao suciente para uma escolha de rota eciente, especialmente se a informao for local o que pode levar o usurio a decises mopes e inecientes face sua rota como um todo. Os sistemas de aconselhamento de rota tm a grande responsabilidade de gerar rotas aceitveis para todos os usurios, sob pena de perderem credibilidade. Como este um problema complexo, os operadores do sistema de transporte preferem ser cautelosos e evitarem recomendao de rota, at porque um fenmeno comum a reao exagerada dos usurios recomendao o que leva ao colapso da rota recomendada. Este um obstculo ao aconselhamento de rota. Entretanto, como se ver adiante, existem abordagens para considerar o elemento humano neste processo. Em relao difuso de informao, ATIS tm sido largamente empregados, inclusive como sistema de controle conforme foi dito na Seo 1.3.6. Com base em coleta de dados em tempo real e interpretao destes, a estratgia de controle pode decidir quais rotas recomendar ou qual informao difundir aos usurios do sistema. Entretanto preciso ter em mente que, como sistema de controle, a difuso de informao no uma estratgia eciente porque ningum tem controle sobre as aes dos usurios individuais que tm, em ltima anlise, o poder de deciso. Em todo caso, mesmo que a ecincia esteja abaixo do esperado, ATIS tm sido razoavelmente ecaz como estratgia de controle. Especicamente, existem diversas estratgias que podem ser empregadas. A reativa lida com medidas feitas na rede em tempo real (via detectores, cmeras, etc.) mas nenhum tratamento matemtico feito em tempo real com nalidade de predio. A estratgia preditiva similar mas predies sobre as condies de trfego so geradas para um futuro prximo. As estratgias iterativas que podem ser combinadas com as reativas e preditivas executam modelos de simulao em tempo real, testando vrias opes de aconselhamento de rota a m de obter convergncia em relao a um critrio pr-denido (minimizao do tempo de viagem, do atraso, etc.). Estas estratgias, usadas para controle, podem visar tanto o timo do sistema quanto do usurio individual. No primeiro caso, eventualmente (em geral o caso), o timo global s atingido ao custo de se recomendar rotas sub-timas a uma parcela dos usurios. J o equilbrio individual signica que cada rota da rede deve ter o mesmo custo (por exemplo em termos de tempo de viagem). De todas as maneiras, um problema segue sendo como predizer a reao do ser humano informao recebida, reao que , por vezes, no racional. Na realidade, o trfego de veculos um problema complexo e que muitas vezes mostra reaes no intuitivas e inesperadas s medidas adotadas. Alm disto, a engenharia de transporte tem, por questo de simplicao dos modelos, tratado o veculo e o motorista como uma entidade nica, no considerando os objetivos, preferncias e intenes de cada
2322
A. L. C. Bazzan e F. Klgl
motorista, embora estes inuam decisivamente nas suas decises. Entender como se comporta o motorista em termos de escolha de rota fundamental em um ATIS. Alguns trabalhos j foram desenvolvidos nesta rea como [Adler and Blue 1998, Ben-Akiva et al. 1991, Bonsall 1992] bem como [Mahmassani and Chen 1991]. Porm, nestes, a resposta do usurio a tais sistemas no considerada. Isto somente possvel quando se passa ao nvel de simulao microscpica baseada em agentes como descrito na Seo 1.7.2. Como se ver, os principais problemas so que a otimizao individual (via aprendizado por reforo baseado em experincias passadas) pode levar a efeitos catastrcos em termos de desempenho global. Desta forma, preciso ter muito cuidado com o tipo, freqncia e impacto da informao difundida. Alternativamente, os sistemas de pedgio baseado em nvel de congestionamento da rede (Seo 1.3.6 podem ser uma sada para a questo do timo individual versus o timo do sistema.
2323
mento no processo de simulao. Para tal, os sistemas multiagente tm tido uma crescente aplicao na rea de transportes. Abaixo sero discutidos dois modelos (BDI e reativo) e aplicaes em cenrios de escolha de rota.
2324
A. L. C. Bazzan e F. Klgl
R. Nestas condies, no h uma soluo tima para o problema: se um nmero signicativo de pessoas seguir a recomendao da autoridade de trfego (divulgada por exemplo pelos meios de comunicao) e usar a rota alternativa A, a rota R pode ser na verdade mais rpida para aqueles que no seguirem a recomendao. Entretanto, na prtica, muitas pessoas fazem esse raciocnio e no seguem a recomendao, o que torna a rota R mais lenta. Este cenrio foi implementado usando um formalismo BDI onde cada agente (commuter) dispe de uma base de conhecimentos (KB) como mostra a Tabela 1.2 [Bazzan et al. 1999]. As crenas (beliefs) so representados por frmulas da lgica; os desejos (desires) so todos os estados que o agente pode atingir (chegar pontualmente no local de trabalho, por exemplo). As metas (goals) so todos os desejos que so consistentes com as crenas e no conitantes entre si. Existe uma relao similar entre planos e intenes. Assim, um agente pode ter vrios planos mas somente aqueles possveis de serem atingidos se constituem intenes.
2325
10*f
10*f
10 f+
f+50
f+50
f+50
10*f
O Q O
10*f
Q
(a)
(b)
Figura 1.10. Duas Conguraes de Rede para o Cenrio do Paradoxo de Braess: (a) rotas so OPD e OQD (rede de quatro arestas); (b) com a rota adicional OQPD (rede de cinco arestas)
mente registrado um aumento no tempo de trfego. Isso ocorre pois cada deciso dos motoristas (baseada em sua estimativa de custo) ignora os efeitos das decises de outros motoristas sobre o cenrio global. Ou seja, os motoristas, ao tentarem reduzir seus tempos de trfego individualmente, de maneira gulosa, acabam aumentando o tempo de trfego global. O objetivo global se ope aos objetivos individuais dos motoristas, na maioria dos casos. Segue o modelo implementado em [Bazzan and Klgl 2005b], cujo comportamento baseado naquele apresentado na Seo 1.7.2.1. usado o cenrio clssico proposto por Braess, no qual uma nova rota adicionada a uma malha viria se torna atrativa aos motoristas, uma vez que seu tempo de percurso menor. Para denio do comportamento dos motoristas usado aprendizado por reforo. Os motoristas no precisam saber explicitamente como suas aes inuenciam nas aes dos outros, mas sabendo seus prprios ganhos, o sistema pode convergir para um estado de equilbrio. A Figura 1.10(a) ilustra o cenrio clssico do paradoxo de Braess, onde os motoristas devem percorrer uma rota de O a D, com as opes seguintes: O -> Q -> D, ou O -> P -> D. O estudo se realiza a partir do momento que adicionada a rota Q -> P, a qual altamente atrativa em termos de custo ou tempo de viagem. Isto adiciona s opes dos motoristas a rota O -> Q -> P -> D. Os tempos de trfego so computados com base na funo determinada para cada aresta. Essas funes tm como parmetro o uxo ou nmero de veculos em cada aresta. Por exemplo, o tempo de percurso do n O ao n Q dado por TOQ = 10 f , onde f representa o nmero de veculos trafegando na aresta. O princpio da heurstica de aprendizado de cada motorista consiste em lembrar quantas vezes cada uma das rotas foi escolhida e o tempo total de percurso em cada uma delas. A partir desses dados, o motorista calcula o tempo mdio de trfego em cada uma delas e escolhe probabilisticamente conforme o tempo mdio. Sendo assim, a deciso dada de acordo com uma distribuio probabilstica que pondera as experincias em cada rota. A probabilidade atualizada pela frmula Pi =
1 t (TOD ) j j ( t (T1 ) ) OD j
onde Pi a probabilidade do motorista i escolher a rota j, Ti o tempo mdio gasto percorrendo a rota j. A heurstica de aprendizado proposta melhora o desempenho porque inclui implicitamente alguns fatores de desempenho globais nos fatores individuais. Comparando as situaes em que a heurstica usada para aprendizagem e as situaes em que os motoristas escolhem aleatoriamente, o desempenho da primeira muito superior, medido em termos de tempo de percurso.
2326
f+50
A. L. C. Bazzan e F. Klgl
2327
de direo e movimentao. Com o uso exclusivo de sensores e atuadores neste processo espera-se que haja uma melhora na segurana e um aumento na capacidade do uxo de trfego devido a: 1. sensores so menos expostos fatiga, erro e so mais conveis; 2. atuadores reagem muito mais rapidamente que o ser humano tornando possvel que veculos se movimentem muito mais prximos; 3. controladores apresentam uma resposta determinstica (em oposio aleatoriedade no comportamento do motorista humano) o que resulta em um trfego mais suave. Mais detalhes sobre a implementao dos controladores, sensores e atuadores para a dinmica longitudinal e lateral do veculo podem ser obtidos em [Ioannou and Bose 2003] (cap. 7 de [Hall 2003]). Em termos de comunicao, veculos autnomos podem ser equipados com sistemas de comunicao os quais trocam informaes sobre o estado e as condies do uxo de trfego a m de facilitar o controle longitudinal dos veculos. Por exemplo, quando um veculo detecta um outro veculo parado na pista, ele pode comunicar este fato a outros veculos. Isto permite desaceleraes mais suaves, causando menos gasto de combustvel e menor poluio. Este ponto ser analisado adiante. A comunicao entre veculos pode ser baseada na losoa two-way communication (cada veculo transmite e recebe informao). A freqncia desta transmisso ainda uma questo em aberto. A freqncia de 64 GHz foi proposta, aliada a uma zona de relevncia em torno do veculo. Esta zona seria utilizada para deteco de outros veculos. No caso de haver uma mistura de veculos autnomos e manuais na mesma via, uma forma dos primeiros distinguirem os ltimos seria atravs do no recebimento do acknowledgement. Isto permite a coordenao entre veculos uma vez que os veculos autnomos sabem onde os demais se encontram. A taxa de transferncia de dados necessria superior a 1 Mbps, enquanto que a taxa de processamento deve ser entre 1000 e 9000 MIPS. Os sensores necessrios a estes processos so de dois tipos: longitudinais e laterais. Em termos de controle longitudinal, os veculos autnomos tm que ser equipados com sensores que meam a distncia e a velocidade relativa entre eles e os demais veculos no entorno da via. Em especial, os veculos a frente devem ser detectados com a mxima preciso. Por exemplo, as medidas devem ter preciso que permita a deteco de mudanas de velocidade em torno de 2 mph (3,5 km./h). Em relao ao controle lateral, diversos tipos de dispositivos tm sido empregados como sistemas de viso computacional baseados em cmeras on board, sistemas de navegao usando informao a priori aliada deteco do pavimento, etc. Para este ltimo existe um teste utilizando dispositivos magnticos que funcionam como marcadores e que devem ser utilizados como guias para os veculos. A Tabela 1.3 resume as diferentes tecnologias disponveis em termos de sensores que podem ser usados para veculos autnomos, bem como sua aplicabilidade (adaptada de [Ioannou and Bose 2003]). Detalhes sobre os requisitos destes sensores (longitudinais e laterais) bem como sobre espaamento mnimo entre veculos podem ser obtidos em [Ioannou and Bose 2003]. Outros dois pontos importantes so se a direo autnoma pode reduzir a emisso de poluentes, e garantir que a mudana de pista seja feita de forma segura. Em 1994, 50,4% dos acidentes em estradas interestaduais americanas foi causado por erros do motorista, entre os quais 27,6% ocorreram durante mudana de pista. Veculos autnomos podem melhorar a segurana e reduzir esta taxa de acidentes. No entanto esta pesquisa ainda tem muitos pontos em aberto embora este assunto esteja sendo pesquisado h bastante tempo. No momento os trabalhos tentam encontrar qual a regio em torno do veculo a qual, estando livre, garantiria uma mudana de pista sem colises.
2328
A. L. C. Bazzan e F. Klgl
Tabela 1.3. Sensores para Veculos Autnomos e Aplicabilidade (adaptado de [Ioannou and Bose 2003]).
Tipo cmera P&B Vantagem boa resoluo espacial e angular Sensores Desvantagem acurcia limitada; desempenho deteriorado sob pouca luminosidade; estim. ruim velocidade idem acima desempenho ruim em mal tempo; distncia curta desempenho ruim em mau tempo; falso positivo resoluo angular limitada; tamanho da antena; alto custo degradao sob condies ruins de visibilidade Uso longitudinal lateral
infravermelho
boa acurcia; reconhece pistas preciso para distncias curtas; baixo custo preciso; baixo custo
radar microondas
longitudinal lateral
laser
longitudinal
Em relao emisso de poluente, foi vericado experimentalmente que uma conseqncia de aceleraes e desaceleraes mais suaves a reduo na emisso de poluentes. Em uma comparao entre trfego manual e uma mistura de manual e veculos autnomos [Ioannou and Bose 2003], mediu-se uma diminuio de 19,2% na emisso de CO, de 3,4% na de CO2 , 25,7% na de NOx , bem como uma reduo de 3,6% no consumo de combustvel. Estes dados referem-se a situaes onde os veculos aceleravam bruscamente.
2329
Para o aspecto de rodovias, existe a proposta da chamada direo colaborativa (collaborative driving) que um domnio de ITS interessado no uso de telecomunicao para facilitar a tarefa de direo autnoma em sistemas AHS. Em [Hall and Chaib-Draa 2005] se investiga esta questo atravs de agentes autnomos e uma arquitetura baseada em 3 camadas: a camada de aconselhamento, a de gerenciamento e a de controle e visa criar pelotes de veculos onde o motorista do veculo a frente do peloto coordena os demais. O objetivo obter coordenao entre os agentes a m de manter um peloto estvel. Para isto usado o modelo STEAM de times de agentes. No trabalho so investigados diversos mtodos de comunicao entre veculos, tanto descentralizados como centralizados. O modelo centralizado focado no lder do peloto enquanto que o descentralizado necessita de um grande volume de comunicao entre os integrantes do time.
2330
A. L. C. Bazzan e F. Klgl
no so um efeito das consideraes estratgicas dos pedestres, j que assumiu-se que eles agem de uma maneira automtica/reativa. Entretanto o modelo possui um problema de desempenho. Alm disso, o comportamento do pedestre representado atravs de um conjunto de equaes diferenciais, que freqentemente no podem ser tratadas analiticamente. Para solucionar o problema necessrio realizar uma anlise numrica e as equaes devem ser discretizadas. Portanto a soluo numrica das equaes diferenciais discretizadas somente acurada quando o passo de discretizao pequeno.
2331
devido abordagem, o modelo mais ecaz para analisar os ambientes dos pedestres com relao ao conforto das pessoas do que em relao ao uxo de pessoas. [Toyama et al. 2006] prope uma modicao do modelo de autmato celular proposto por Schadschneider e colaboradores para simulao de pedestres como base de uma simulao baseada em agentes. Diferentemente dos autmatos celulares e modelos contnuos, na simulao baseada em agentes os pedestres podem ter diferentes caractersticas, tais como sexo, velocidade, conhecimento do ambiente, comportamento de grupo, etc. As modicaes propostas em [Toyama et al. 2006] visam representar o uxo e interaes de pedestres de maneira a imitar pedestres reais. Estes podem ser de diversos tipos e deve ser possvel mudar suas caractersticas e quantidades para modelar melhor a situao sendo investigada. Foram adicionados efeitos repulsivos, pedestres com velocidades diferentes e pedestres com comportamentos individuais. Para analisar e validar o impacto da modicao proposta realizou-se uma srie de experimentos comparando os resultados obtidos com os anteriores. Num cenrio de evacuao de uma sala, foi estudada a inuncia do tamanho da porta mostrandose que neste cenrio, acima de um limite, o tamanho da porta inuncia pouco nos tempos de evacuao. Experimento com populaes homogneas e heterogneas de pedestres resultam em comportamentos macroscpicos diferentes. As anlises indicam que grupos de pedestres com caractersticas diversas possuem probabilidades de escape diferentes e contribuem de maneiras diferentes para o comportamento macroscpico do sistema. Os experimentos que medem a inuncia do tamanho da sala, porta e da densidade de pedestres mostraram que um aumento nestes fatores levam a aumento nos tempos de evacuao e diminuio da probabilidade de escape. Foram tambm feitos experimentos sobre capacidade de formao de las em corredores e a evacuao de um auditrio em situao de pnico.
2332
A. L. C. Bazzan e F. Klgl
destre atravs de um conjunto de equaes diferenciais, que freqentemente no podem ser tratadas analiticamente. Para solucionar o problema necessrio fazer uma anlise numrica e as equaes devem ser discretizadas. Portanto, a soluo numrica das equaes diferenciais discretizadas somente acurada quando o passo de discretizao pequeno. Semelhantemente aos modelos contnuos, a modelagem baseada em agentes pode ser bastante el realidade, sob pena de ser pouco eciente.
1.10. Concluso
O aumento da demanda por mobilidade uma caracterstica em nossa sociedade. Disto advm diversos problemas (congestionamentos, etc.) os quais tm um impacto econmico imenso. Cada vez mais a rea de engenharia de transporte e trfego se encaminha para solues que envolvem o prossional de informtica. Neste texto foram abordados conceitos introdutrios sobre ITS, sistemas de informao em transportes, modelagem de demanda e oferta, simulao de trfego veicular e de pedestres, sistemas de gerenciamento e controle de trfego e desaos futuros em ITS os quais envolvem diretamente nossos prossionais (navegao autnoma, sensoreamento, sistemas embarcados, dispositivos mveis, etc.) com o objetivo de facilitar o dilogo entre prossionais em projetos multidisciplinares.
Agradecimentos
As autoras agradecem ao Prof. Kai Nagel da Universidade Tcnica de Berlim pelas discusses e contribuies decorrentes do projeto conjunto intitulado Large Scale Agent-based Trafc Simulation for Predicting Trafc Conditions, patrocinado pela CAPES e pelo DAAD (PROBRAL). Alm disto agradecemos a todos os alunos que participaram ou participam nos projetos relacionados com a presente publicao: Bruno C. da Silva, Denise de Oliveira, Gustavo K. Andriotti, Katrin Scherger, Marcelo Toyama e Robert Junges e aos colegas da UFSC, do LASTRAN (UFRGS), Universidade de Duisburg, Universidade de Bonn, e Faculdade de Engenharia da Universidade do Porto. Finalmente, Ana Bazzan grata aos orgos de fomento que apoiaram os projetos de cooperao internacionais e nacionais no mbito do tema desta publicao: CNPq, CAPES e FAPERGS, bem como Fundao Alexander von Humboldt pelo apoio concedido ao estgio de ps doutoramento.
Referncias bibliogrcas
[Adler and Blue 1998] Adler, J. L. and Blue, V. J. (1998). Toward the design of intelligent traveller information systems. Transportation Research Part C, 6:157172. [Adler and Blue 2002] Adler, J. L. and Blue, V. J. (2002). Flow capacities from cellular automata modeling of proportional splits of pedestrian by direction. In Schreckenberg, M. and Sharma, S. D., editors, Pedestrian and Evacuation Dynamics, pages 115121. Springer-Verlag New York. [Arnott et al. 1990] Arnott, R., de Palma, A., and Lindsey, R. (1990). Departure time and route choice for the morning commute. Transportation Research B, 24:209228. [Arnott et al. 1991] Arnott, R., de Palma, A., and Lindsey, R. (1991). Does providing information to drivers reduce trafc congestion? Transportation Research A, 25:309 318. [Bazzan 2005] Bazzan, A. L. C. (2005). A distributed approach for coordination of trafc signal agents. Autonomous Agents and Multiagent Systems, 10(1):131164. [Bazzan et al. 2006] Bazzan, A. L. C., Fehler, M., and Klgl, F. (2006). Learning to coordinate in a network of social drivers: The role of information. In Tuyls, K., Verbeeck, K., Hoen, P. J., and Sen, S., editors, Proceedings of the International Workshop on Learning and Adaptation in MAS (LAMAS 2005), number 3898 in Lecture Notes in Articial Intelligence, pages 115128.
2333
[Bazzan and Junges 2006] Bazzan, A. L. C. and Junges, R. (2006). Congestion tolls as utility alignment between agent and system optimum. In Stone, P. and Weiss, G., editors, Proceedings of the Fifth Int. Joint Conference on Autonomous Agents and Multiagent Systems, pages 126128. ACM Press. [Bazzan and Klgl 2005a] Bazzan, A. L. C. and Klgl, F. (2005a). Case studies on the Braess paradox: simulating route recommendation and learning in abstract and microscopic models. Transportation Research C, 13(4):299319. [Bazzan and Klgl 2005b] Bazzan, A. L. C. and Klgl, F. (2005b). Reducing the effects of the Braess paradox with information manipulation. In Klgl, F., Bazzan, A. L. C., and Ossowski, S., editors, Applications of Agent Technology in Trafc and Transportation, Whitestein Series in Software Agent Technologies, pages 8598. Whitestein. [Bazzan et al. 1999] Bazzan, A. L. C., Wahle, J., and Klgl, F. (1999). Agents in trafc modelling - from reactive to social behavior. In Advances in Articial Intelligence, number 1701 in Lecture Notes in Articial Intelligence, pages 303306, Berlin/Heidelberg. Springer. Also appeared as Proc. of the U.K. Special Interest Group on Multi-Agent Systems (UKMAS), Bristol, UK. [Ben-Akiva et al. 1991] Ben-Akiva, M., de Palma, A., and Kaysi, I. (1991). Dynamic network models and driver information systems. Transp. Res. A, 25(5):251266. [Bonsall 1992] Bonsall, P. W. (1992). The inuence of route guidance advise on route choice in urban networks. Transportation, 19(1). [Braess 1968] Braess, D. (1968). ber ein Paradoxon aus der Verkehrsplanung. Unternehmensforschung, 12:258. [Burstedde et al. 2002] Burstedde, A., Kirchner, A., Klauck, K., Schadschneider, A., and Zittartz, J. (2002). Cellular automaton approach to pedestrian dynamics applications. In Schreckenberg, M. and Sharma, S. D., editors, Pedestrian and Evacuation Dynamics, pages 8797. Springer-Verlag New York. [Camponogara and Kraus Jr. 2003] Camponogara, E. and Kraus Jr., W. (2003). Distributed learning agents in urban trafc control. In Moura-Pires, F. and Abreu, S., editors, EPIA, pages 324335. [de Morais et al. 2004] de Morais, L. L., Filho, A. E. S., and Geyer, C. F. R. (2004). CONTRAM: Middleware para interoperabilidade de redes heterogneas de controladores semafricos em sistemas de transporte inteligentes. In Solar, M., FernndezBaca, D., and Cuadros-Vargas, E., editors, Anais da Trig sima Conferncia Latinoamericana de Informtica (CLEI), pages 566575. Sociedad Peruana de Computacin. ISBN 9972-9876-2-0. [Diakaki et al. 2003] Diakaki, C., Dinopoulou, V., Aboudolas, K., Papageorgiou, M., Ben-Shabat, E., Seider, E., and Leibov, A. (2003). Extensions and new applications of the trafc signal control strategy TUC. In Proc. of the 82nd Annual Meeting of the Transportation Research Board, pages 1216. [Diakaki et al. 2002] Diakaki, C., Papageorgiou, M., and Aboudolas, K. (2002). A multivariable regulator approach to trafc-responsive network-wide signal control. Control Engineering Practice, 10(2):183195. [Dresner and Stone 2004] Dresner, K. and Stone, P. (2004). Multiagent trafc management: A reservation-based intersection control mechanism. In The Third International Joint Conference on Autonomous Agents and Multiagent Systems, pages 530537. [Hall 2003] Hall, R. W., editor (2003). Handbook of Transportation Science. Kluwer Academic Pub, 2nd edition. [Hall and Chaib-Draa 2005] Hall, S. and Chaib-Draa, B. (2005). A collaborative driving system based on multiagent modelling and simulations. Transportation Research C, 13(4):320345.
2334
A. L. C. Bazzan e F. Klgl
[Helbing et al. 2002] Helbing, D., Farkas, I., and Vicsek, T. (2002). Simulation of pedestrian crowds in normal and evacuation situations. In Pedestrian and Evacuation Dynamics, pages 2158. Springer-Verlag New York, Inc. [Helbing and Molnr 1995] Helbing, D. and Molnr, P. (1995). Social force model for pedestrian dynamics. Phys. Rev. E, 51(5):42824286. [Henry et al. 1983] Henry, J., Farges, J. L., and Tuffal, J. (1983). The PRODYN real time trafc algorithm. In Proceedings of the Int. Fed. of Aut. Control (IFAC) Conf., Baden-Baden. IFAC. [Hunt et al. 1981] Hunt, P. B., Robertson, D. I., Bretherton, R. D., and Winton, R. I. (1981). SCOOT - a trafc responsive method of coordinating signals. TRRL Lab. Report 1014, Transport and Road Research Laboratory, Berkshire. [Ioannou and Bose 2003] Ioannou, P. and Bose, A. (2003). Automated vehicle control. In Hall, R. W., editor, Handbook of Transportation Science, chapter 7. Kluwer Academic Pub. [Klgl and Bazzan 2004a] Klgl, F. and Bazzan, A. L. C. (2004a). Route decision behaviour in a commuting scenario. Journal of Articial Societies and Social Simulation, 7(1). [Klgl and Bazzan 2004b] Klgl, F. and Bazzan, A. L. C. (2004b). Simulated route decision behaviour: Simple heuristics and adaptation. In Selten, R. and Schreckenberg, M., editors, Human Behaviour and Trafc Networks, pages 285304. Springer. [Kobayashi and Do 2005] Kobayashi, K. and Do, M. (2005). The informational impacts of congestion tolls upon route trafc demands. Transportation Research A, 39(7 9):651670. [Lowrie 1982] Lowrie, P. (1982). The Sydney coordinate adaptive trafc system principles, methodology, algorithms. In Proceedings of the International Conference on Road Trafc Signalling, Sydney, Australia. [Luce and Raiffa 1957] Luce, D. and Raiffa, H. (1957). Games and Decision: Introduction and Critical Survey. J. Wiley & Sons, New York. [Mahmassani and Chen 1991] Mahmassani, H. S. and Chen, P. S. (1991). Comparative assessment of origin-based and en route real-time information under alternative user behavior rules. Transportation Research Record, 1306:6981. [Mailler and Lesser 2004] Mailler, R. and Lesser, V. (2004). Solving distributed constraint optimization problems using cooperative mediation. In Proceedings of the International Joint Conference on Autonomous Agents and Multiagent Systems, 3., pages 438445, New York. New York, IEEE Computer Society. [Nagel and Schreckenberg 1992] Nagel, K. and Schreckenberg, M. (1992). A cellular automaton model for freeway trafc. Journal de Physique I, 2:2221. [Nunes and Oliveira 2004] Nunes, L. and Oliveira, E. C. (2004). Learning from multiple sources. In Jennings, N., Sierra, C., Sonenberg, L., and Tambe, M., editors, Proceedings of the 3rd International Joint Conference on Autonomous Agents and Multi Agent Systems, AAMAS, volume 3, pages 11061113, New York, USA. New York, IEEE Computer Society. [Oliveira et al. 2005a] Oliveira, D., Bazzan, A. L. C., Ferreira Jr., P. R., and Silva, B. C. (2005a). Coordenao dinmica de semforos: dois casos de estudo. In V Encontro Nacional de Inteligncnia Articial (ENIA05), pages 761770. [Oliveira et al. 2005b] Oliveira, D., Bazzan, A. L. C., and Lesser, V. (2005b). Using cooperative mediation to coordinate trafc lights: a case study. In Proceedings of the 4th International Joint Conference on Autonomous Agents and Multi Agent Systems (AAMAS), pages 463470. New York, IEEE Computer Society.
2335
[Oliveira et al. 2004] Oliveira, D., Ferreira, P., Bazzan, A. L. C., and Klgl, F. (2004). A swarm-based approach for selection of signal plans in urban scenarios. In Proceedings of Fourth International Workshop on Ant Colony Optimization and Swarm Intelligence - ANTS 2004, volume 3172 of Lecture Notes in Computer Science, pages 416417, Berlin, Germany. [Oppenheim 1995] Oppenheim, N. (1995). Urban Travel Demand Modeling: From Individual Choices to General Equilibrium. John Wiley & Sons, Inc., New York, NY. [Ortzar and Willumsen 2001] Ortzar, J. and Willumsen, L. G. (2001). Transport. John Wiley & Sons, 3rd edition. Modelling
[Osaragi 2004] Osaragi, T. (2004). Modeling of pedestrian behavior and its applications to spatial evaluation. In Jennings, N., Sierra, C., Sonenberg, L., and Tambe, M., editors, International Joint Conference on Autonomous Agents and Multiagent Systems, pages 836843. [Papageorgiou et al. 2003] Papageorgiou, M., Diakaki, C., Dinopoulou, V., Kotsialos, A., and Wang, Y. (2003). Review of road trafc control strategies. Proceedings of the IEEE, 91(12):20432067. [Robertson 1969] Robertson (1969). TRANSYT: A trafc network study tool. Rep. LR 253, Road Res. Lab., London. [Robertson and Bretherton 1991] Robertson, D. I. and Bretherton, R. D. (1991). Optimizing networks of trafc signals in real time the SCOOT method. IEEE Transactions on Vehicular Technology, 40(1):1115. [Roess et al. 2004] Roess, R. P., Prassas, E. S., and McShane, W. R. (2004). Trafc Engineering. Prentice Hall. [Rossetti et al. 2002] Rossetti, R. J. F., Bordini, R. H., Bazzan, A. L. C., Bampi, S., Liu, R., and Van Vliet, D. (2002). Using BDI agents to improve driver modelling in a commuter scenario. Transportation Research Part C: Emerging Technologies, 10(5 6):4772. [Schadschneider 2002] Schadschneider, A. (2002). Cellular automaton approach to pedestrian dynamics theory. In Schreckenberg, M. and Sharma, S. D., editors, Pedestrian and Evacuation Dynamics, pages 7585. Springer-Verlag New York. [Schreckenberg and Sharma 2002] Schreckenberg, M. and Sharma, S. D. (2002). Pedestrian and Evacuation Dynamics. Springer-Verlag New York, Germany. [Silva et al. 2004] Silva, B. C., Bazzan, A. L. C., Oliveira, D., Ferreira, P. R., Lopes, F., Andriotti, G. K., and Papageorgiou, T. M. (2004). Desenvolvimento de um sistema livre para simulao de trfego baseada em modelos microscpicos. In Anais do Workshop sobre Software Livre (WSL), V Forum Internacional de Software Livre , FISL, pages 8087, Porto Alegre, RS. Soc. Bras. de Computao (SBC). [Silva et al. 2006a] Silva, B. C. d., Basso, E. W., Bazzan, A. L. C., and Engel, P. M. (2006a). Dealing with non-stationary environments using context detection. In Cohen, W. W. and Moore, A., editors, Proceedings of the 23rd International Conference on Machine Learning (ICML 2006), pages 217224. ACM Press. [Silva et al. 2006b] Silva, B. C. d., Junges, R., Oliveira, D., and Bazzan, A. L. C. (2006b). ITSUMO: an intelligent transportation system for urban mobility. In Stone, P. and Weiss, G., editors, Proceedings of the 5th International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS 2006) - Demonstration Track, pages 14711472. ACM Press. [Toyama et al. 2006] Toyama, M., Bazzan, A. L. C., and Silva, R. (2006). An agentbased model of pedestrian dynamics: from lane formation to auditorium evacuation. In Stone, P. and Weiss, G., editors, Proceedings of the 5th International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS 2006), pages 108
2336
A. L. C. Bazzan e F. Klgl
110. ACM Press. [TRANSYT-7F 1988] TRANSYT-7F (1988). TRANSYT-7F Users Manual. Transportation Research Center, University of Florida. [Vliet and Hall 1998] Vliet, D. V. and Hall, M. (1998). Saturn 9.4 User Manual. Institute for Transport Studies, University of Leeds, England. [Wardrop 1952] Wardrop, J. G. (1952). Some theoretical aspects of road trafc research. In Proceedings of the Institute of Civil Engineers, volume 2, pages 325378. [Watkins and Dayan 1992] Watkins, C. J. C. H. and Dayan, P. (1992). Technical note: Q-learning. Machine Learning, 8(3-4):279292.
2337