Abstract:
Na atualidade, a mobilidade urbana e a qualidade do ar são assuntos de destaque, devido ao tráfego intenso de veículos e a emissão de poluentes dissipada na atmosfera. Na literatura foi proposto um modelo de controle otimizado de semáforo utilizando Algoritmos Genéticos (AG). Estes algoritmos foram introduzidos neste contexto de controle de tráfego, buscando possíveis soluções para a problemática de semáforos nos grandes centros urbanos. A análise da dispersão de poluentes torna-se um aspecto importante de ser estudado e analisado, para que soluções viáveis sejam implantadas visando a melhoria do tráfego urbano e da qualidade do ar. Assim, o estudo da dispersão de poluentes e de Algoritmos Genéticos, com abordagem baseada em agentes, juntamente com simulações realizadas no simulador de mobilidade urbana SUMO (Simulation of Urban Mobility), buscam soluções satisfatórias para tais problemas. O AG realiza o cruzamento dos cromossomos, neste caso os tempos dos semáforos, apresentando os melhores tempos de sinal verde e o somatório de cada um dos poluentes a cada ciclo de simulação. As simulações foram realizadas, os resultados obtidos comparados e as análises mostraram que a utilização do Algoritmo Genético é bastante promissor neste contexto.
Nowadays, urban mobility and air quality issues are prominent, due to the heavy traffic of vehicles and the emission of pollutants dissipated in the atmosphere. In the literature a model of optimal control of traffic lights using Genetic Algorithms (GA) has been proposed. These algorithms have been introduced in the context of control traffic. In order to search for possible solutions to the problems of traffic lights in major urban centers. The analysis of pollutant dispersion becomes an important aspect to be studied and evaluated, so viable solutions are deployed in order to improve the urban traffic and air quality. Thus, the study of the dispersion of pollutants and Genetic Algorithms with simulations performed in Urban Mobility Simulator SUMO (Simulation of Urban Mobility), seek satisfactory solutions to such problems. The AG uses the crossing of chromosomes, in this case the times of the traffic lights, featuring the finest green light times and the sum of each of the pollutants each simulation cycle. The simulations were performed and the results compared analyzes showed that the use of the genetic algorithm is very promising in this context.
