Variable V1 du GT_F2 : forme de la somme

<input> <net-file value="parking.net.xml"/> <route-files value="parking.rou.xml"/> <remote-port value="8883"/> </input> </configuration> Fonte: Autoria própria

7.1.2 Ambiente dos Agentes

A criação dos agentes drivers em Jason segue um modelo específico, demonstrado na seção 4.1.2, o qual requer a definição de alguns elementos: identificação, reputação, tempo a ser gasto e tempo de chegada ao estacionamento. Para abranger diferentes tipos de cenários, criou-se uma classe em Java para gerar uma quantidade pré-definida de agentes, baseados em variáveis aleatórias: reputação, tempo a ser gasto e tempo de chegada ao estacionamento.

Portanto, é possível definir a quantidade de agentes (nAgents) a serem criados e o intervalo de chegada entre cada agente (TA). O tempo a ser gasto por cada agente no estacionamento (TS) é escolhido aleatoriamente em um vetor que contém diversos tempos de estadia. Além disso, a classe também atribui uma reputação (trust) aleatória para cada um dos agentes, baseado em um intervalo também pré-definido.

 nAgents: define a quantidade de agentes a serem criados. Não há um limite máximo;

 TA: intervalo de chegada entre um agente e outro. Definido em 0.25 segundos, porém permite alteração;

 TS: tempo em segundos a ser gasto no estacionamento, escolhido aleatoriamente entre o vetor {20, 20, 25, 30, 35, 60, 60, 120, 120};  trust: reputação do motorista, escolhido um valor aleatoriamente entre

50 e 500.

Dessa maneira foi possível diversificar os motoristas que participam do ambiente de testes, permitindo uma análise ampla da simulação implementada.

7.2 ELABORAÇÃO DOS CENÁRIOS

Utilizando a combinação do modelo demonstrado na figura 13 com os agentes criados através do método da seção 7.1, foi possível elaborar diversos tipos de cenários a serem testados por esse projeto. Especificamente foram criados 6 cenários.

O modelo foi distribuído em três diferentes tipos de estacionamento (considerando a quantidade de vagas disponíveis): (1) 10 vagas, (2) 100 vagas e (3) 160 vagas. Cada um desses ambientes engloba algumas áreas do modelo previamente estabelecido no SUMO e são especificados na tabela 3. As áreas A, B, C, D, E, F, G, H e I referem-se às áreas do modelo ilustrado na figura 13.

Tabela 3 – Distribuição de vagas dos ambientes estabelecidos.

Áreas A B C D E F G H I Total Vagas Ambientes 1 X 10 2 X X X X X X 100 3 X X X X X X X X X 160

Fonte: Autoria própria

Para a definição dos conjuntos de agentes drivers, utilizou-se uma previsão de ocupação dos ambientes, e então criaram-se os conjuntos: (v1) 50 veículos, (v2) 100 veículos, (v3) 250 veículos e (v4) 500 veículos. Cada veículo obteve um valor de reputação aleatório entre 50 e 500. O tempo a ser gasto foi sorteado dentre um vetor

contendo: 20, 20, 25, 30, 35, 60, 60, 120, 120 segundos. O tempo de chegada entre um driver e outro foi definido em 0.25 segundos. Por exemplo, para dois drivers quaisquer, do conjunto total de drivers, tem-se que o tempo de chegada entre eles é 0.25 segundos.

A tabela 4 demonstra os ambientes os quais cada conjunto de agente irá atuar, totalizando seis diferentes tipos de cenários

Tabela 4 – Ambientes de atuação dos conjuntos de agentes

Conjuntos v1 v2 v3 v4 Ambientes 1 X 2 X X X 3 X X

Fonte: Autoria própria

Nos gráficos gerados por meio dos resultados obtidos na próxima seção, a porcentagem de uso refere-se à porcentagem de ocupação total do ambiente do estacionamento. A fila de espera demonstra a quantidade de agentes aguardando uma alocação de vaga na fila de espera. As medidas estão em relação à unidade de tempo do SUMO (denominada aqui como uts), medida de tempo calculada internamente pelo simulador SUMO.

7.3 RESULTADOS OBTIDOS

Para analisar a validade da integração entre o projeto MAPS e a ferramenta da simulação SUMO, cada cenário será analisado dentro de alguns quesitos, sendo eles: (i) porcentagem de uso do estacionamento; (ii) tamanho da fila de espera; e (iii) consistência da comunicação entre o MAPS e SUMO. Os três tipos de análises, em conjunto com a simulação gráfica, permitem verificar a consistência da interligação entre os agentes Jason e o simulador SUMO.

O primeiro e segundo quesitos são adquiridos no ambiente do projeto MAPS e comparados à simulação gráfica do SUMO. Para analisar a consistência de comunicação, os protocolos são armazenados em três momentos: ao serem criados no projeto MAPS, ao serem recebidos pelo MAPS-SUMO e ao serem transmitidos ao SUMO pela biblioteca TraCI4J. Desta maneira é possível obter informações sobre a consistência da interligação das ferramentas.

Na sequência são descritos os experimentos, os quais estão organizados conforme os três ambientes de estacionamento definidos na tabela 3.

 Ambiente 1:

Por possuir quantidade de vagas limitadas, esse ambiente foi testado apenas com o conjunto de agentes v1. O gráfico 1 mostra a porcentagem de uso do ambiente comparado com o tamanho da fila de espera. Na uts 12, destacada no gráfico 1 pela linha vermelha, é possível verificar que há 40 veículos na fila de espera e o estacionamento está com aproximadamente 90% do seu espaço ocupado.

Gráfico 1 – Porcentagem de uso e fila de espera do ambiente 1 com 50 agentes

Fonte: Autoria própria

Na figura 21 é possível verificar dois momentos distintos da simulação. A figura da esquerda mostra o momento em que o estacionamento encontra-se cheio, enquanto a figura da direita mostra o exato momento o qual há 60% do estacionamento ocupado. No gráfico, esses momentos são representados pelos valores de uts 92 e 96, respectivamente.

Figura 21 – Simulação do ambiente 1 utilizando o conjunto de agentes v1

Fonte: Autoria própria

O gráfico 2 demonstra a quantidade de protocolos enviados pelo projeto MAPS e recebidos pelo MAPS-SUMO e pela TraCI4J. Podemos observar que não houve falha na comunicação entre as ferramentas, totalizando a transmissão de 140 protocolos sem perdas.

Gráfico 2 – Protocolos de comunicação enviados/recebidos

Fonte: Autoria própria

 Ambiente 2:

Este cenário utiliza as áreas A, B, D, F, H e I do modelo inicial, totalizando 100 vagas. Neste cenário foram testados os conjuntos v2, v3 e v4, contendo 100,

250 e 500 veículos, respectivamente, resultando em ambientes sem fila de espera e com baixa e alta variação na fila de espera.

É possível observar no gráfico 3 que, devido ao baixo fluxo de carros do conjunto v2, não foi possível a obtenção da fila de espera. Já no gráfico 4 houve uma fila de espera com poucas variações e que se esgotou rapidamente. Por fim, no gráfico 5, houve a criação de duas filas e que estiveram ativas durante quase todo o tempo em que o ambiente esteve em funcionamento. É possível observar também que a criação da fila de espera acontece no momento em que o estacionamento fica cheio, e toda alteração na fila acontece quando há uma variação na lotação do ambiente.

Gráfico 3 – Porcentagem de uso e fila de espera do ambiente 2 com 100 agentes

Fonte: Autoria própria

Gráfico 4 – Porcentagem de uso e fila de espera do ambiente 2 com 250 agentes

Gráfico 5 – Porcentagem de uso e fila de espera do ambiente 2 com 500 agentes

Fonte: Autoria própria

O gráfico 6 demonstra a consistência da comunicação nos três casos previamente citados, não apresentando perdas de protocolos. Nota-se que, devido a variação da quantidade de veículos, a quantidade de protocolos também sofre variações.

Gráfico 6 – Protocolos de comunicação enviados/recebidos

Fonte: Autoria própria  Ambiente 3:

O ambiente 3 engloba todos os setores do modelo principal, utilizando o total de 160 vagas. Os testes foram feitos utilizando os conjuntos de drivers v3 e v4, com 250 e 500 agentes, respectivamente.

Nos gráficos 7 e 8 é possível observar e comparar a porcentagem de uso do ambiente e o tamanho da fila de agentes em espera para se obter uma vaga, para os conjuntos v3 e v4, respectivamente. É possível notar que no segundo caso há

uma maior variação na fila de espera, devido ao fluxo de veículos ser mais alto. Também é possível notar que o tamanho máximo da fila de espera é maior no conjunto v3 e isso deve ao fato dos conjuntos serem criados aleatoriamente. Portanto, no momento o qual o estacionamento ficou completamente ocupado, os agentes do conjunto v3 permaneceram durante um maior período de tempo estacionados, acumulando agentes na fila de espera.

Gráfico 7 – Porcentagem de uso e fila de espera do ambiente 3 com 250 agentes

Fonte: Autoria própria

Gráfico 8 – Porcentagem de uso e fila de espera do ambiente 3 com 500 agentes

O gráfico 8 apresenta os resultados para uma quantidade significativa de agentes (500, ao total). Portanto, a ilustração das variações na fila de espera são dificilmente perceptíveis. Assim, tem-se o gráfico 9 para ilustrar em detalhes (com a devida escala) tais variações na fila de espera.

Gráfico 9 – Comportamento da fila de espera do ambiente 3 com 500 agentes

Fonte: Autoria própria

A figura 22 permite a visualização do ambiente em andamento, onde há carros estacionados, chegando às vagas e deixando o estacionamento. Este estacionamento está com 105 vagas alocadas de um total de 160, o que corresponde à 65.62% do ambiente ocupado.

Figura 22 – Alocação de vagas no ambiente 3

Fonte: Autoria própria

Nota-se que no gráfico 10 a consistência da comunicação entre o projeto MAPS, o MAPS-SUMO e a TraCI4J, quando testados os conjuntos v3 e v4 no cenário 4.

Gráfico 10 – Protocolos de comunicação enviados/recebidos

Fonte: Autoria própria

Por meio dos resultados obtidos é possível constatar que o tamanho da fila de espera está diretamente associado à porcentagem de uso do estacionamento, onde a mesma aumenta seu tamanho quando o ambiente está lotado e diminui caso contrário. Além disso, o SUMO mostrou-se adequado na simulação gráfica dos cenários testados, de modo que facilita a análise do comportamento do ambiente e os agentes que nele atuam. Por fim, a consistência da comunicação entre o projeto MAPS, o MAPS-SUMO e ao SUMO se mostrou efetiva, não havendo perdas de protocolos entre o percurso da comunicação.

A simulação com o SUMO pode ajudar a verificar diretamente como está a ocupação das vagas no estacionamento. Por exemplo, na figura 22, é possível

identificar que há uma quantidade significativa de vagas não ocupadas nos setores F, G, H e I.

7.4 COMPARAÇÃO: MAPS X MAPS-SUMO

O objetivo deste trabalho é efetivar a interligação entre a ferramenta de simulação SUMO e o projeto MAPS, sem que haja alteração nos resultados finais obtidos. Todo o controle de alocação de vagas é realizado pelo agente manager no projeto MAPS, portanto o SUMO é responsável apenas por disponibilizar graficamente o uso do estacionamento, de acordo com os dados enviados pelo manager.

Os testes de comparação entre o projeto original e o MAPS integrado com o SUMO foram realizados de acordo com os cenários utilizados por Castro (2015) para o desenvolvimento do inicial do projeto. No restante desta seção os gráficos apresentados ilustram os resultados obtidos no MAPS original (ou apenas MAPS) e no MAPS integrado com a ferramenta SUMO (ou apenas MAPS-SUMO).

Os cenários utilizados para essa comparação são demonstrados na tabela 5.

Tabela 5 – Cenários utilizados para comparação

Cenário Quantidade de drivers Quantidade de Vagas

1 10 1

2 10 5

Fonte: Autoria própria  Cenário 1:

Neste cenário foram utilizados 10 agentes com apenas 1 vaga de estacionamento gerenciada pelo manager, visando analisar o comportamento da fila de espera em um ambiente com poucas vagas. Nos gráficos 11 e 12, é possível verificar os resultados obtidos através dos cenários testados no projeto MAPS original e no projeto integrado à simulação, respectivamente.

Gráfico 11 – Porcentagem de uso vs Fila de espera (MAPS)

Fonte: Autoria própria

Gráfico 12 – Porcentagem de uso vs Fila de espera (MAPS-SUMO)

Fonte: Autoria própria

Nota-se que não houve alterações nos resultados obtidos, portanto, neste cenário, a interligação se demonstrou adequada.

 Cenário 2:

Neste cenário também foram utilizados 10 agentes drivers, porém com 5 vagas disponíveis no estacionamento. Os gráficos 13 e 14 demonstram os

resultados obtidos nos testes realizados no MAPS original e no MAPS-SUMO, respectivamente.

Gráfico 13 – Porcentagem de uso vs Fila de espera (MAPS)

Fonte: Autoria própria

Gráfico 14 – Porcentagem de uso vs Fila de espera (MAPS-SUMO)

Fonte: Autoria própria

Nota-se que, neste cenário, também não houve alteração nos resultados obtidos. Vale ressaltar também que o crescimento na fila de espera ocorre quando não há mais vagas disponíveis no estacionamento e, quando um veículo deixa a vaga, a fila de espera diminui.

7.5 DIFICULDADES ENCONTRADAS

Para a execução deste trabalho foram encontradas algumas dificuldades em relação a simulação gráfica do funcionamento do projeto MAPS. Na sequência serão discutidas as dificuldades, envolvendo a troca de rotas.

 Troca de rotas

O trabalho possui duas rotas configuradas para cada vaga: rota de chegada e rota de saída. A rota de chegada possui um atributo de parada, o qual define o local de parada do veículo e o tempo máximo ou duração da parada, conforme especificado na seção 6.1. A ferramenta SUMO não permite alterar certos componentes após a sua criação, como é o caso das rotas.

Para cada veículo na simulação, é possível fazer algumas alterações, como mudança de cor e de velocidade. Entre elas, a biblioteca Traci4J também disponibiliza a função queryChangeRoute(), responsável por alterar a rota do veículo indicado. A nova rota é enviada para o veículo, porém o mesmo não deixa a vaga até o tempo definido anteriormente se esgotar. Como podemos observar nas figuras 23 e 24, temos a rota original de chegada e a rota após a alteração (junção da rota original com a rota de saída), respectivamente. As rotas são as faixas destacadas na via inferior do modelo.

Figura 23 – Rota original

Fonte: Autoria própria

Figura 24 – Rota após a alteração

Fonte: Autoria própria

A rota é recalculada de acordo com os novos dados informados, porém o veículo continua estacionado na vaga original. Portanto o próximo veículo alocado

para a mesma vaga, não conseguiria estacionar e teria que aguardar. Para contornar essa situação, o veículo primeiramente é removido do ambiente e um novo veículo é inserido com a nova rota. Visualmente não é possível identificar essa adaptação e o simulador exibe o resultado esperado.

Futuramente pretende-se estudar maneiras de alterar a rota do veículo quando o mesmo se encontra estacionado. A biblioteca Traci4J possui código aberto, portanto será possível trabalhar diretamente no código para encontrar soluções para esse problema encontrado.

8 CONCLUSÃO

O objetivo principal deste trabalho é apresentar a interligação entre o framework JaCaMo, com foco no JaCa (Jason + Cartago), e a ferramenta de simulação SUMO. Para atingir este objetivo foi realizado um estudo detalhado do SUMO bem como do framework JaCaMo e do projeto MAPS. O projeto MAPS foi utilizado como um exemplo de aplicação prática do framework JaCaMo para demonstrar a viabilidade da interligação entre as ferramentas. Por meio do desenvolvimento deste trabalho, os seguintes resultados foram obtidos:

 Representação gráfica da simulação do uso de um estacionamento;  Criação de um protocolo de comunicação entre JaCaMo e SUMO. A interligação entre as ferramentas foi possível através da criação de um protocolo de comunicação, responsável por transmitir informações entre os agentes e a simulação gráfica. Esse protocolo contém a informação do agente responsável pela ação, o tipo da ação a ser exibida na simulação e, quando necessário, a vaga do estacionamento. Os protocolos foram criados em um artefato situado no ambiente Cartago, e são chamados pelos agentes, programados em Jason. Além de montar os protocolos, o artefato também foi responsável por transmitir as mensagens para o MAPS-SUMO, ferramenta desenvolvida para este projeto e responsável por intermediar a comunicação entre o JaCa e o SUMO.

A aplicação do projeto MAPS neste projeto permitiu a obtenção de resultados interessantes, além de beneficiar outras linhas do projeto. Uma das vertentes do projeto visa estudar diferentes tipos de algoritmos de alocação e otimização de vagas, portanto, com a visualização gráfica, será possível fazer uma análise mais clara e simples dos algoritmos implementados.

A criação do protocolo de comunicação pode também viabilizar a definição de uma futura comunicação genérica entre o JaCaMo e o SUMO. Pretende-se utilizar o Cartago apenas para efetivar a comunicação entre o JaCaMo e o SUMO. As classes allocateSpotSumo, leaveSpotSumo e insertDriverQueueSumo seriam removidas por serem referentes ao projeto MAPS, e o protocolo seria um possível parâmetro recebido pela classe de comunicação definida no Cartago.

O próximo passo para o projeto será a modelagem de um ambiente personalizado baseado em dados reais. Isso permite com que se obtenha dados

mais concretos da integração entre o projeto MAPS com a visualização gráfica do estado do estacionamento. Também será possível desenvolver ambientes específicos para estacionamentos particulares, permitindo assim a implantação prática do projeto. Além disso, pretende-se estudar maneiras de alterar as rotas dos veículos e implementar graficamente as filas de espera.

Por meio dos experimentos realizados (apresentados no capítulo 7), foi possível concluir e afirmar a viabilidade da integração entre o framework JaCaMo e a ferramenta de simulação SUMO, além de exibir uma aplicação prática do projeto MAPS. Apesar do desenvolvimento de um MAPS-SUMO de intermediação entre o JaCa e o SUMO, a comunicação se demonstrou consistente, não apresentando perdas nas transmissões de protocolos.

REFERÊNCIAS

ALVARES, L. e SICHMAN, J. Introdução aos Sistemas Multiagentes. XVII

Congresso da SBC. Brasília – Brasil, p. 2-8, ago. 1997.

ANUMBA, C. UGWU, O. e REN, Z. Agents and multi-agent systems in

construction. Taylor & Francis, 2005.

BAINES, V. e PADGET, J. A situational awareness approach to intelligent vehicle agents. SUMO2014 – Modeling Mobitlity with Open Data. Berlim - Alemanha, v. 24, p. 1-17, maio 2014.

BATISTA JÚNIOR, A. A. e COUTINHO, L. R. Incorporating explicit coordination mechanisms by agents to obtain green waves. Advanced Methods and

Technologies for Agent and Multi-Agent Systems. v. 252, p. 137-145, 2013.

BATTY, M, AXHAUSEN, K., et al. Smart Cities of the Futures. UCL Working Papers

Series. Londres - Inglaterra, v. 188, out. 2012.

BEHRISCH, M., BIEKER, L., ERDMANN, J., e KRAJZEWICZ, D. SUMO – Simulation of Urban Mobility. SIMUL 2011 – The Third International Conference on

Advances in System Simulation. Barcelona – Espanha, 2011.

BORDINI, R., HÜBNER, J. e WOOLDRIDGE, M. Programming Multi-Agent systems in AgentSpeak using Jason. Wiley Series in Agent Technology. John Wiley & Sons, 2007.

CArtAgO. 2006. Disponível em <http://cartago.sourceforge.net>. Acesso em: 12 abril 2016.

CASTRO, L. Modelagem e implementação de um sistema multiagente utilizando a plataforma JaCaMo para alocação de vagas em um estacionamento inteligente. Universidade Tecnológica Federal do Paraná. Ponta Grossa, 2015.

DENATRAN. Departamento Nacional de Trânsito. Disponível em < http://www.denatran.gov.br/frota2016.htm>. Acesso em: 10 maio 2016.

Deutsche Telekom. Deutsche Telekom and Pisa start Smart City project. Mobile

World Congress. Barcelona – Espanha, 2014.

GENESERETH, M. e KETCHPEL, M. Software agents. Communications of the

ACM. v. 37, n. 7, p. 48-53, jul. 1994.

HÜBNER, J. Um Modelo de Reorganização de Sistemas Multiagentes. 2003. 224 f. Tese (Doutorado em Engenharia Elétrica) – Escola Politécnica da USP. Universidade de São Paulo, São Paulo.

JACAMO. The JaCaMo Project. Multi-Agent Programming Framework. 2011. Disponível em <http://jacamo.sourceforge.net/>. Acesso em: 15 março 2016.

KOKKINOGENIS, Z., PASSOS, L. e ROSSETTI, R. Towards the next-generation traffic simulation tools: a first appraisal. 6ª Conferência Ibérica de Sistemas e

Tecnologias de Informação (CISTI). Chaves – Portugal, jun. 2011.

KOSTER, A., KOCH, F. e BAZZAN, A. Incentivising Crowdsourced Parking Solutions. Citizen in Sensor Networks. CitSens. Barcelona – Espanha, v. 8313, set. 2014.

KRAJZEWICZ, D., BONERT, M. e WAGNER, P. The open source traffic simulation package SUMO. RoboCup 2006 Infraestructure Simulation Competition. Berlim – Alemanha, 2006.

KRAJZEWICZ, D., ERDMANN, J., BEHRISCH, M. e BIEKER, L. Recent development and applications of SUMO – Simulation of Urban MObility.

International Journal On Advances in Systems and Measurements. Berlim –

KRAJZEWICZ, D., HERTKORN, G., WAGNER, P. e ROSSEL, C. SUMO (Simulation of Urban Mobility). An open-source traffic simulation. Proceeding of the 4th _Middle

East Symposium on Simulation and Modeling. Sharjah – Emirados Árabes, p.

183-187, 2002.

MAES, P. Artificial Life Meets Entertainment: Lifelike Autonomous Agents.

Communications of the ACM. v. 138, n. 11, p. 108-114, 1995.

RICCI, A., PUNTI, M., e VIROLI, M. Environment programming in multiagent systems – an artifact-based perspective. Autonomous Agents and Multi-Agent Systems. Special Issue on Programming Multi-Agent Systems. v. 33, n. 2, p. 158-192, set. 2011.

REVATHI, G. e DHULIPALA, V. Smart parking Systems and Sensors: A Survey.

Computing, Communication and Applications. Dindigul – India, p. 1-5, fev. 2012.

SUMO Wiki. Disponível em <http://sumo.dlr.de/wiki>. Acesso em: 10 fevereiro 2016.

TraCI4J GitHub repository. 2011. Disponível em <https://github.com/egueli/TraCI4J>. Acesso em: 15 julho 2016.

VagaBarata (2014). Soluções para quem busca estacionamentos em São Paulo. Disponínel em <http://www.vagabarata.com.br/>. Acesso em: 10 maio 2016.

WEGENER, A., PIÓRKOWSKI, M., RAYA, M., HELLBRÜCK, H., FISCHER, S. E HUBAUX, J. TraCI: An Interface for Coupling Road Traffic and Network Simulators.

11th _{Communications and Networking Simulation Symposium. Ottawa, Canadá.} p. 155-163, 2008.

WOOLDRIDGE, M. Intelligent Agents. Multiagent Systems – A Modern Approach

to Distributed Artificial Intelligence. MIT Press, 1999.

WOOLDRIDGE, M. An Introduction to MultiAgent Systems. 2nd_{. Ed. [S.1.]: Wiley} Publishing, 2009.

APÊNDICE A – INSTALAÇÃO DO SUMO

Este trabalho utilizou a versão 0.27.1 da ferramenta SUMO. A ferramenta pode ser obtida através dos links abaixo (utilize a versão referente ao seu sistema operacional):

 32 bits: http://prdownloads.sourceforge.net/sumo/sumo-win32- 0.27.1.zip

 64 bits: http://prdownloads.sourceforge.net/sumo/sumo-win64- 0.27.1.zip

As versões anteriores e os códigos fonte da ferramenta podem ser

Dans le document The DART-Europe E-theses Portal (Page 181-186)