Dissertação
Learning control policies in smart cities from physical data EVALUATED
As emissões dos veículos a motor são a principal contribuição para o aumento dos níveis da poluição ambiente. A rápida urbanização e a falta de uma boa solução para gerir o trânsito está a forçar as cidades a tirar medidas drásticas contra a indústria automóvel. Nesta dissertação, é feito um estudo de caso do trânsito em Trondheim e é criada uma simulação realista, a partir de dados do mundo real, que simula o trânsito e as emissões. Seguidamente, é proposta uma solução baseada em Aprendizagem por Reforço que controla o acesso a diferentes regiões da cidade por forma a optimizar o trânsito, dada uma métrica desejada. Também são vistos diferentes aperfeiçoamentos, como a utilização de um sistema multi-agente e utilização de dados pré-gerados para a fase de treino. Os resultados obtidos são comparados com o cenário base e contra um agente reactivo. No final, avaliam-se os pontos fortes e fracos da solução, e propõem-se possíveis futuras melhorias.
novembro 11, 2020, 9:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Pedro Manuel Urbano de Almeida Lima
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Catedrático