Mainly based on Li Li's Ph. D. dissertation: University of Arizona, Tucson, 2005. / Includes bibliographical references and index.

Thesis (Ph.D.)--University of Melbourne, Dept. of Computer Science and Software Engineering, 2010. / Typescript. Includes bibliographical references (p. 153-167)

Mainly based on Li Li's Ph. D. dissertation: University of Arizona, Tucson, 2005. / Includes bibliographical references and index. Also available in print.

Mainly based on Li Li's Ph. D. dissertation: University of Arizona, Tucson, 2005. / Includes bibliographical references and index.

Thesis (Master of Engineering in Electrical Engineering and Computer Science)--Massachusetts Institute of Technology, 2000. / Cover title. Also available online via the MIT website (www.media.mit.edu). Includes bibliographical references (leaves 36-38).

Thesis (Ph. D.)--Ohio State University, 2007. / Title from first page of PDF file. Includes bibliographical references (p. 171-182).

Esse trabalho consiste em um estudo sobre a aplicabilidade da medida de centralidade de intermediação (betweenness centrality) combinada com demandas de tráfego em redes viárias com o objetivo de identificar os principais pontos dessas redes. Como principais pontos refere-se aqui aos que aparecem com maior frequência entre os caminhos utilizados pelos motoristas que se deslocam pela rede viária. Trata-se de um estudo exploratório, que se inicia com a aplicação da centralidade de intermediação sobre redes simples, estendendo-se até simulações sobre redes baseadas em mapas reais. Nesse trabalho é analisado o comportamento da medida de centralidade sobre a topologia da rede - i.e. tanto sem considerar uma demanda, como considerando demandas de diversas magnitudes. Para ilustrar a proposta, os resultados são confrontados com valores de centralidade de intermediação calculados sobre as taxas de ocupação das vias extraídas de simulação microscópica. Ao final, foram apresentadas evidências de que o método proposto consegue explicar os fluxos de tráfego com melhor desempenho do que a centralidade de intermediação original. No entanto, o método mostrou-se muito sensível à função de custo utilizada na atribuição da demanda de tráfego ao grafo da rede. Os melhores resultados demonstrados pela abordagem proposta foram obtidos em experimentos sobre redes não regulares e com demandas de tráfego não uniformes. No caso de redes regulares com demanda uniforme, o melhor desempenho foi obtido pelo cálculo da centralidade sem considerar a demanda, mas atribuindo-se o custo unitário às arestas do grafo representativo da rede. / This work consists of a study of applicability of betweenness centrality combined with traffic demands in road networks with the objective of identifying their central points. By central points we refer to those which appear with high frequency among the paths used by drivers that move along the road network. It is an exploratory study, which begins with the application of the betweenness centrality on simple networks, extending to simulations on networks based on real maps. In this study we have analyzed the behavior of the metric over the network topology - i.e. without considering demand, as well as experiments considering demands with several magnitudes. To illustrate the proposed method, the results are compared with betweenness centrality values calculated over roadways occupation rates extracted from microscopic simulation. At the end, evidence that the proposed method can explain traffic flows with better performance than the original betweenness centrality were presented. However, the proposed method was shown to be very sensitive to the cost function used in the allocation of the graph network traffic demand. The best results demonstrated by the proposed approach were obtained in experiments on nonregular networks and non-uniform traffic demands. In the case of regular networks with uniform demand, the best performance was obtained by calculating the betweenness centrality without considering the demand, but assigning the unitary cost to the edges of the network graph.

Sistemas de transporte são sistemas complexos compostos de diferentes entidades que interagem entre si. A otimização do uso da infraestrutura de transporte existente, que é cada vez mais necessária dado o crescente aumento da demanda por mobilidade, passa pela simulação de novas tecnologias que podem vir a ser utilizadas no futuro, como a comunicação inter-veicular (IVC) e a tarifação viária adaptativa. Esta dissertação apresenta uma abordagem baseada em agentes para simulação de comunicação inter-veicular e tarifação viária adaptativa em sistemas de transporte. Motoristas são modelados como agentes minimizadores de custo, composto pelo tempo de viagem e pelas despesas com tarifas viárias. Os motoristas podem usar IVC para expandir seu conhecimento do estado da rede viária. Entre os motoristas que usam IVC, podem existir agentes maliciosos, que buscam afastar os demais de suas rotas, através da divulgação de informações falsas. Os agentes maliciosos podem ainda agir de maneira coordenada, de modo a divulgarem informações falsas sobre as rotas de todos os agentes do grupo. Pelo lado da infraestrutura, gerentes viários percebem o fluxo de veículos nas vias da rede viária e definem as tarifas a serem aplicadas através de um esquema de aprendizado por reforço. Nos experimentos realizados, empregamos um modelo microscópico de simulação de tráfego, o que permite observar o comportamento individual de cada entidade do sistema de transporte sob estudo. O cenário onde as simulações são executadas é uma rede viária com as principais vias arteriais da cidade de Porto Alegre, Brasil. Resultados experimentais indicam que um pequeno grupo coordenado de agentes maliciosos em cenários de IVC é capaz de causar prejuízos significativos aos demais motoristas. Embora na média o grupo não consiga reduzir seu tempo de viagem, alguns agentes maliciosos são beneficiados pela coordenação do grupo. Com relação à tarifação viária, os resultados experimentais indicam que o esquema de aprendizado por reforço não possui a mesma eficácia de um esquema de tarifação fixa quando se trata da maximização de fluxo de veículos na rede viária. Ambos os esquemas de tarifação são superados por um método de otimização de tráfego que assume conhecimento completo do estado da rede viária pelos motoristas. No aspecto individual, sob tarifação via aprendizado por reforço, os custos de deslocamento dos motoristas são superiores em comparação aos custos sob tarifação fixa. O modelo baseado em agentes apresentado nesta dissertação representa uma contribuição em direção à proposição de uma metodologia para integrar modelos comportamentais de usuários de sistemas de transporte que reagem aos padrões de tráfego e medidas de controle desses padrões, com foco em métodos descentralizados e distribuídos. / Transportation systems are complex systems composed of different interacting entities. The optimization of the existing transportation infrastructure usage, which becomes increasingly necessary given the increasing demand for mobility, requires simulation of new technologies that might be used in the future, such as inter-vehicular communication (IVC) and adaptive road pricing. This dissertation presents an agent-based approach for simulation of inter-vehicular communication and adaptive road pricing in transportation systems. Drivers are modeled as cost-minimizer agents, where the cost is composed by travel time and expenditure. Drivers can use IVC to expand their knowledge of the road network state. Among the IVC users, there might be malicious agents, which try to divert other drivers from their routes by spreading false information. The malicious agents can act in a coordinated way, by spreading false information about the routes of all the agents in the group. In the infrastructure side, link managers perceive the vehicular flow in the roads and define the prices to be applied by means of a reinforcement learning scheme. In the experiments, we employ a microscopic traffic simulation model, which allows us to observe the individual behavior of each entity in the studied transportation system. The scenario where the simulations are run is a road network with the main arterial roads of the city of Porto Alegre, Brazil. Experimental results indicate that a small group of coordinated malicious agents in IVC scenarios is able to cause significant losses to the other drivers. Although in average the group does not succeed in reducing their travel times, some agents are benefited by the coordination of the group. Regarding road pricing, experimental results indicate that the reinforcement learning scheme does not achieve the same effectiveness of a fixed pricing approach regarding the maximization of vehicular flow in the road network. Both pricing schemes are outperformed by an optimization method that assumes full knowledge of the road network state by the drivers. In the individual aspect, under pricing via reinforcement learning, drivers’ costs are higher compared to their costs under fixed pricing. The agent-based model presented in this dissertation is a contribution towards a methodology to integrate behavioral models of human travelers reacting to traffic patterns and control measures of these traffic patterns, focusing on distributed and decentralized methods.

Sistemas de transporte são sistemas complexos compostos de diferentes entidades que interagem entre si. A otimização do uso da infraestrutura de transporte existente, que é cada vez mais necessária dado o crescente aumento da demanda por mobilidade, passa pela simulação de novas tecnologias que podem vir a ser utilizadas no futuro, como a comunicação inter-veicular (IVC) e a tarifação viária adaptativa. Esta dissertação apresenta uma abordagem baseada em agentes para simulação de comunicação inter-veicular e tarifação viária adaptativa em sistemas de transporte. Motoristas são modelados como agentes minimizadores de custo, composto pelo tempo de viagem e pelas despesas com tarifas viárias. Os motoristas podem usar IVC para expandir seu conhecimento do estado da rede viária. Entre os motoristas que usam IVC, podem existir agentes maliciosos, que buscam afastar os demais de suas rotas, através da divulgação de informações falsas. Os agentes maliciosos podem ainda agir de maneira coordenada, de modo a divulgarem informações falsas sobre as rotas de todos os agentes do grupo. Pelo lado da infraestrutura, gerentes viários percebem o fluxo de veículos nas vias da rede viária e definem as tarifas a serem aplicadas através de um esquema de aprendizado por reforço. Nos experimentos realizados, empregamos um modelo microscópico de simulação de tráfego, o que permite observar o comportamento individual de cada entidade do sistema de transporte sob estudo. O cenário onde as simulações são executadas é uma rede viária com as principais vias arteriais da cidade de Porto Alegre, Brasil. Resultados experimentais indicam que um pequeno grupo coordenado de agentes maliciosos em cenários de IVC é capaz de causar prejuízos significativos aos demais motoristas. Embora na média o grupo não consiga reduzir seu tempo de viagem, alguns agentes maliciosos são beneficiados pela coordenação do grupo. Com relação à tarifação viária, os resultados experimentais indicam que o esquema de aprendizado por reforço não possui a mesma eficácia de um esquema de tarifação fixa quando se trata da maximização de fluxo de veículos na rede viária. Ambos os esquemas de tarifação são superados por um método de otimização de tráfego que assume conhecimento completo do estado da rede viária pelos motoristas. No aspecto individual, sob tarifação via aprendizado por reforço, os custos de deslocamento dos motoristas são superiores em comparação aos custos sob tarifação fixa. O modelo baseado em agentes apresentado nesta dissertação representa uma contribuição em direção à proposição de uma metodologia para integrar modelos comportamentais de usuários de sistemas de transporte que reagem aos padrões de tráfego e medidas de controle desses padrões, com foco em métodos descentralizados e distribuídos. / Transportation systems are complex systems composed of different interacting entities. The optimization of the existing transportation infrastructure usage, which becomes increasingly necessary given the increasing demand for mobility, requires simulation of new technologies that might be used in the future, such as inter-vehicular communication (IVC) and adaptive road pricing. This dissertation presents an agent-based approach for simulation of inter-vehicular communication and adaptive road pricing in transportation systems. Drivers are modeled as cost-minimizer agents, where the cost is composed by travel time and expenditure. Drivers can use IVC to expand their knowledge of the road network state. Among the IVC users, there might be malicious agents, which try to divert other drivers from their routes by spreading false information. The malicious agents can act in a coordinated way, by spreading false information about the routes of all the agents in the group. In the infrastructure side, link managers perceive the vehicular flow in the roads and define the prices to be applied by means of a reinforcement learning scheme. In the experiments, we employ a microscopic traffic simulation model, which allows us to observe the individual behavior of each entity in the studied transportation system. The scenario where the simulations are run is a road network with the main arterial roads of the city of Porto Alegre, Brazil. Experimental results indicate that a small group of coordinated malicious agents in IVC scenarios is able to cause significant losses to the other drivers. Although in average the group does not succeed in reducing their travel times, some agents are benefited by the coordination of the group. Regarding road pricing, experimental results indicate that the reinforcement learning scheme does not achieve the same effectiveness of a fixed pricing approach regarding the maximization of vehicular flow in the road network. Both pricing schemes are outperformed by an optimization method that assumes full knowledge of the road network state by the drivers. In the individual aspect, under pricing via reinforcement learning, drivers’ costs are higher compared to their costs under fixed pricing. The agent-based model presented in this dissertation is a contribution towards a methodology to integrate behavioral models of human travelers reacting to traffic patterns and control measures of these traffic patterns, focusing on distributed and decentralized methods.

Esse trabalho consiste em um estudo sobre a aplicabilidade da medida de centralidade de intermediação (betweenness centrality) combinada com demandas de tráfego em redes viárias com o objetivo de identificar os principais pontos dessas redes. Como principais pontos refere-se aqui aos que aparecem com maior frequência entre os caminhos utilizados pelos motoristas que se deslocam pela rede viária. Trata-se de um estudo exploratório, que se inicia com a aplicação da centralidade de intermediação sobre redes simples, estendendo-se até simulações sobre redes baseadas em mapas reais. Nesse trabalho é analisado o comportamento da medida de centralidade sobre a topologia da rede - i.e. tanto sem considerar uma demanda, como considerando demandas de diversas magnitudes. Para ilustrar a proposta, os resultados são confrontados com valores de centralidade de intermediação calculados sobre as taxas de ocupação das vias extraídas de simulação microscópica. Ao final, foram apresentadas evidências de que o método proposto consegue explicar os fluxos de tráfego com melhor desempenho do que a centralidade de intermediação original. No entanto, o método mostrou-se muito sensível à função de custo utilizada na atribuição da demanda de tráfego ao grafo da rede. Os melhores resultados demonstrados pela abordagem proposta foram obtidos em experimentos sobre redes não regulares e com demandas de tráfego não uniformes. No caso de redes regulares com demanda uniforme, o melhor desempenho foi obtido pelo cálculo da centralidade sem considerar a demanda, mas atribuindo-se o custo unitário às arestas do grafo representativo da rede. / This work consists of a study of applicability of betweenness centrality combined with traffic demands in road networks with the objective of identifying their central points. By central points we refer to those which appear with high frequency among the paths used by drivers that move along the road network. It is an exploratory study, which begins with the application of the betweenness centrality on simple networks, extending to simulations on networks based on real maps. In this study we have analyzed the behavior of the metric over the network topology - i.e. without considering demand, as well as experiments considering demands with several magnitudes. To illustrate the proposed method, the results are compared with betweenness centrality values calculated over roadways occupation rates extracted from microscopic simulation. At the end, evidence that the proposed method can explain traffic flows with better performance than the original betweenness centrality were presented. However, the proposed method was shown to be very sensitive to the cost function used in the allocation of the graph network traffic demand. The best results demonstrated by the proposed approach were obtained in experiments on nonregular networks and non-uniform traffic demands. In the case of regular networks with uniform demand, the best performance was obtained by calculating the betweenness centrality without considering the demand, but assigning the unitary cost to the edges of the network graph.