[pt] A auto-organização possui conceitos amplamente utilizados em diversos domínios que vão desde a biologia até aplicações em sistemas distribuí- dos. Além disso, os seus princípios servem como base e inspiração para a modelagem e desenvolvimento de tecnologias contemporâneas, como os drones e os sistemas autônomos. Nos últimos anos, os sistemas autônomos de direção e suas aplicações têm gerado um grande interesse na sociedade, principalmente pelo potencial de melhorar a segurança e a eficiência dos fluxos rodoviários. Neste trabalho, investigamos os principais aspectos de auto-organização presentes na formação de comboios veiculares dinâmicos. Ademais, modelamos e desenvolvemos um protocolo de gerenciamento de comboios baseado em fundamentos de auto-organização. Finalmente, demonstramos que o protocolo preserva a segurança e estabilidade do comboio em um cenário onde há redução de faixas no ambiente rodoviário. / [en] Self-organization has concepts widely used in many fields ranging from biology to applications in distributed systems. Besides, its principles serve as the basis and inspiration for the modeling and the development of contemporary technologies, such as drones and autonomous systems. In recent years, autonomous driving systems and their applications have instigated a great interest in society, primarily due to the potential of improving the safety and efficiency of road traffic. In this work, we investigate the main aspects of self-organization present in dynamic vehicle platoons. Also, we model and develop a platoon management protocol based on self-organizing principles. Finally, we demonstrate that the protocol maintains the safety and stability of the platoon in a lane reduction scenario in the road environment.

[pt] Determinar a proveniência dos dados, isto é, o processo que levou a esses dados, é vital em muitas áreas, especialmente quando é essencial que os resultados ou ações sejam confiáveis. Com o crescente número de aplicações baseadas em inteligência artificial, criou-se a necessidade de torná-las capazes de explicar seu comportamento e responder às suas decisões. Isso é um desafio, especialmente se as aplicações forem distribuídas e compostas de vários agentes autônomos, formando um Sistema Multiagente (SMA). Uma maneira fundamental de tornar tais sistemas explicáveis é rastrear o comportamento do agente, isto é, registrar a origem de suas ações e raciocínios, como em uma depuração onisciente. Embora a ideia de proveniência já tenha sido explorada em alguns contextos, ela não foi extensivamente explorada no contexto de SMA, deixando muitas questões para serem compreendidas e abordadas. Nosso objetivo neste trabalho é justificar a importância da proveniência dos dados para SMA, discutindo quais perguntas podem ser respondidas em relação ao comportamento do SMA, utilizando a proveniência e ilustrando, através de cenários de aplicação, os benefícios que a proveniência proporciona para responder a essas questões. Este estudo envolve a criação de um framework de software, chamado FProvW3C, que suporta a coleta e armazenamento da proveniência dos dados produzidos pelo SMA, que foi integrado a plataforma BDI4JADE (41), formando o que denominamos de Prov-BDI4JADE. Por meio desta plataforma, utilizando exemplos de sistemas autônomos, demostramos com rigor que, o uso da proveniência de dados em SMA é uma solução sólida, para tornar transparente o processo de raciocínio e ação do agente. / [en] Determining the data provenance, that is, the process that led to those data, is vital in many areas, especially when it is essential that the results or actions be reliable. With the increasing number of applications based on artificial intelligence, the need has been created to make them capable of explaining their behavior and be responsive to their decisions. This is a challenge especially if the applications are distributed, and composed of multiple autonomous agents, forming a Multiagent System (MAS). A key way of making such systems explicable is to track the agent s behavior, that is, to record the source of their actions and reasoning, as in an omniscient debugging. Although the idea of provenance has already been explored in some contexts, it has not been extensively explored in the context of MAS, leaving many questions to be understood and addressed. Our objective in this work is to justify the importance of the data provenance to MAS, discussing which questions can be answered regarding the behavior of MAS using the provenance and illustrating, through application scenarios, to demonstrate the benefits that provenance provides to reply to these questions. This study involves the creation of a software framework, called FProvW3C, which supports the collects and stores the provenance of the data produced by the MAS, which was integrated with the platform BDI4JADE (41), forming what we call Prov-BDI4JADE. Through this platform, using examples of autonomous systems, we have rigorously demonstrated that the use of data provenance in MAS is a solid solution to make the agent’s reasoning and action process transparent.