Comunicação e aprendizado de máquina em mobilidade urbana: uma abordagem multiagente e multiobjetivo

• Processo: 22/02103-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de abril de 2022
• Data de Término da vigência: 31 de julho de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Ana Lúcia Cetertich Bazzan
• Beneficiário: Giovani da Silva
• Instituição Sede: Instituto de Informática. Universidade Federal do Rio Grande do Sul (UFRGS). Ministério da Educação (Brasil). Porto Alegre , SP, Brasil
• Vinculado ao auxílio: 20/05165-1 - Comunicação e aprendizado de máquina em mobilidade urbana: uma abordagem multiagente e multiobjetivo, AP.R
• Assunto(s): Mobilidade urbana Aprendizado computacional Controle de tráfego
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | machine learning | reinforcement learning | Reinforcement Learning

Resumo

Neste trabalho serão investigadas abordagens para o projeto de agentes inteligentes de controle semafórico capazes de otimizar o tráfego de veículos e de agentes capazes de escolher rotas adequadas para os motoristas, ambos considerando múltiplos objetivos e técnicas de aprendizado por reforço. Em particular, o foco será no estudo e extensão de métodos de aprendizado por reforço multiobjetivo, onde o agente semafórico observa um conjunto de variáveis do tráfego e as utiliza para, de forma independente, (I) definir um plano semafórico adequado aos diferentes objetivos definidos e (II) viabilizar a escolha de rota por parte dos motoristas. (AU)