Otimização por enxame de partículas aplicada a cruzamentos viários

Abstract

A mobilidade urbana rodoviária é a base do deslocamento em grandes centros urbanos mundiais. Uma boa administração viária possibilita um rápido deslocamento de veículos, o que reduz a emissão de poluentes. O crescente aumento, ao longo dos anos, de demanda por veículos nas ruas causa várias reações em cadeia, como os aumentos de congestionamentos, tempo médio de atraso, acidentes, e poluentes. Diversos estudos estão sendo feitos para melhorar a administração viária, grande maioria com o objetivo de definir os melhores ciclos de semáforo por meio de várias táticas, como redes bayesianas, otimização binível, e comportamento de pedestres por meio de processamento de imagem, por exemplo. O objetivo deste trabalho é introduzir um modelo de otimização por enxame de partículas ou Particle Swarm Optimization (PSO) para controlar os tempos de sinal verde e ciclo total de sinais em um cruzamento, de modo a aumentar o fluxo total de veículos e diminuir o tempo médio de atraso, contribuindo para a evolução contínua da mobilidade urbana e mitigando os problemas anteriormente apresentados. Para isso, foi feita uma pesquisa experimental — tipo de investigação científica caracterizada pela manipulação de variáveis e observação dos efeitos consequentes — onde foram tratados os elementos de uma base de dados de tráfego da cidade de Nova York, para que fosse explícito o histórico de fluxo de veículos por horário em três cruzamentos viários diferentes. A partir dessa base, é implementado o algoritmo PSO, para que sejam retornados os melhores valores de tempos de sinal verde e ciclo total dos semáforos de cada cruzamento. Apesar das limitações encontradas na base de dados, o modelo proposto apresentou, para certas condições de parametrização, resultados teóricos de tempos de sinais, fluxos de veículos e tempos médios de atraso satisfatórios, indicativos de que o modelo se comporta bem de acordo com a função objetivo fornecida.