Rede neural bio-inspirada para o controle dinâmico de múltiplas interseções.

• Autor(a) principal: Murcia García, Nelson
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-14012021-171504/
• topic: Average travel time; Bio-inspired neura networks; Controle de agentes de interseções; Controle de semáforos; Controle de trânsito; Fases semafóricas; Inteligência artificial; Nível de ocupação das vias; Redes neurais; Roads occupancy level.; Semaphore control; Semaphore phases; Tempo médio de viagem; Traffic lights control; Urban traffic control

Um dos principais problemas das grandes cidades hoje é, sem dúvida, o trânsito intenso de veículos que causa lentidão e engarrafamentos diários, principalmente nos horários de pico. Os pesquisadores têm desenvolvido vários estudos para buscar soluções para este problema, mas devido às características do sistema de trânsito, ainda não existe uma posição de consenso sobre qual é o melhor método a ser utilizado. Este trabalho apresenta uma melhoria do modelo de Redes Neurais Bio-Inspiradas desenvolvido anteriormente que se baseia em controle multiagente de semáforos, com uma abordagem distribuída para resolver o problema, na qual cada agente controla a sua interseção e envia e recebe informações de agentes de controle de interseções vizinhas. Baseado nesse modelo, o objetivo deste trabalho foi estender para incluir informações como: a distância entre as interseções, velocidade dos veículos e número de faixas da via comum entre essas interseções, diferenciando as relações existentes entre as interseções. Com esse objetivo, foram estudados três métodos para calcular o coeficiente de relação entre interseções vizinhas de forma off-line na fase de configuração do modelo. Os métodos de Regressão estudados foram validados por meio de um cenário real da cidade de São Paulo para estimar o impacto dos métodos e selecionar o método com melhor resultado. Os indicadores de desempenho utilizados nessa avaliação são: o Tempo Médio de Viagem dos veículos e o Nível de Ocupação das Vias. Nos resultados obtidos, o modelo de Rede Neural Bio-Inspirada com o método de Redes Neurais Artificiais para o cálculo do coeficiente de relação entre interseções vizinhas obteve resultados superiores quando comparado com o Modelo de Redes Neurais Bio-inspiradas inicialmente proposto em e com os outros dois métodos para o cálculo do coeficiente de relação e com o modelo sem diferenciar as relações, além de corroborar que o controle proposto é significativamente melhor que o controle atualmente utilizado na maioria das interseções da cidade.