You are on page 1of 14

DOI: 10.5585/Exacta.v9i3.

2957

Artigos

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano na regio metropolitana da cidade de So Paulo
Application of a neuro-fuzzy network for the prediction of vehicular traffic behavior in the So Paulo metropolitan region

Ricardo Pinto Ferreira


Programa de Mestrado em Engenharia de Produo, Universidade Nove de Julho UNINOVE. So Paulo, SP [Brasil] kasparov@uninove.edu.br

Renato Jos Sassi


Programa de Mestrado em Engenharia de Produo, Universidade Nove de Julho UNINOVE. So Paulo, SP [Brasil] sassi@uninove.br

Carlos de Oliveira Affonso


Programa de Mestrado em Engenharia de Produo, Universidade Nove de Julho UNINOVE. So Paulo, SP [Brasil] carlos.affonso@uninove.edu.br

Resumo O aumento do consumo das famlias brasileiras, fruto da estabilidade econmica experimentada no pas nos ltimos anos, resultou na ampliao do volume de itens, que devem ser coletados ou distribudos diariamente na cidade de So Paulo. Esse cenrio provocou profundas mudanas no mercado de distribuio e coleta de encomendas, tornando a distribuio altamente complexa e afetando diretamente a eficincia desse servio. Diversas tcnicas e softwares so utilizados para prever o comportamento do trfego veicular urbano na regio metropolitana da cidade de So Paulo, inclusive, tcnicas baseadas na Inteligncia Artificial. Assim, neste trabalho foram aplicadas, para prever o comportamento do trfego, duas tcnicas da Inteligncia Artificial: a Lgica Fuzzy e as redes neurais artificiais, que combinadas formam uma rede Neuro Fuzzy. Os resultados mostram que a aplicao da rede Neuro Fuzzy na previso do comportamento do trfego veicular urbano na cidade de So Paulo positiva. Palavras-chave: Previso do comportamento do trfego. Rede Neuro Fuzzy. Roteirizao de veculos.

Abstract The increase in consumption by Brazilian families, a consequence of the economic stability experienced in the country in recent years, has resulted in an increase in the volume of items that need to be picked up and delivered daily in the city of So Paulo. This situation has led to profound changes in the market for the pickup and delivery of orders, making the distribution highly complex and directly affecting the efficiency of this service. Diverse techniques and software, some based on artificial intelligence, are used to predict the behavior of vehicular urban traffic in the So Paulo metropolitan region. In this paper, artificial neural networks were combined with fuzzy logic to form a neuro-fuzzy network in order to predict the behavior of traffic. The results indicate that the application of the neuro-fuzzy network for predicting the behavior of urban vehicular traffic in the city of So Paulo yields positive results. Key words: Neuro-fuzzy network. Prediction of traffic behavior. Vehicle Routing.

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

363

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

Introduo
Os novos hbitos de consumo dos brasilei-

Nvel Estratgico da hierarquia de roteirizao. Assim, a principal contribuio est na composio do Nvel Estratgico de roteirizao com um sistema dinmico de roteirizao veicular urbano. Diversas tcnicas e softwares so utilizados para prever o comportamento do trfego veicular urbano na cidade de So Paulo, inclusive, tcnicas baseadas em Inteligncia Artificial. Assim, neste trabalho foram aplicadas para a previso do comportamento desse trfego duas tcnicas da Inteligncia Artificial combinadas: a Lgica Fuzzy ou Lgica Difusa e as redes neurais artificiais, que unidas formam uma rede chamada de Neuro Fuzzy. Segundo Santos, Felix e Vieira (2009), tcnicas da Inteligncia Artificial (IA) como a Lgica Fuzzy e as redes neurais artificiais (RNA) surgem como alternativas de apoio ou at substituio dos mtodos tradicionais de processamento e tomada de deciso para roteirizao e programao de veculos. Combinar uma rede neural artificial com a Lgica Fuzzy pode ser uma alternativa interessante para a resoluo de problemas (AFFONSO, 2010; PACHECO; VELLASCO, 2007, FERREIRA, 2011; WU et al., 2011; SHABALOV; SEMENKIN; GALUSHIN, 2011). A Lgica Fuzzy uma teoria matemtica, expressa por um conjunto de variveis lingusticas, que tem como principal objetivo modelar o raciocnio humano, imitando a habilidade humana de tomar decises em ambientes de incerteza e de impreciso (GOLDSCHMIDT; PASSOS, 2005). As RNAs so modelos constitudos por unidades de processamento simples, chamadas de neurnios artificiais, que calculam funes matemticas. Esses modelos so inspirados na estrutura do crebro e tm como objetivo simular o comportamento humano, tais como aprendizagem, associao, generalizao e abstrao, quando submetidas a treinamento.

ros trouxeram ao mercado produtos com ciclo de vida mais curto e, consequentemente, volumes crescentes de itens coletados ou distribudos todos os dias, afetando diretamente a roteirizao e a programao de veculos (TODAY LOGISTICS & SUPPLY CHAIN, 2009). Quando a definio dos roteiros envolve aspectos espaciais ou geogrficos e tambm temporais, como restries de horrios de atendimento aos pontos a serem visitados, consideram-se esses aspectos problemas tpicos de roteirizao e programao de veculos (CUNHA, 1997). A possvel soluo para o problema de roteirizao e programao de veculos a roteirizao dinmica de veculos, que consiste em alterar as rotas iniciais conforme a fluidez de trfego, oferecendo em tempo real rotas alternativas que minimizem o perodo improdutivo de espera em congestionamentos (FERREIRA, 2011). O trnsito catico, presenciado na regio metropolitana da cidade de So Paulo (RMSP) formado por diversas ocorrncias notveis (ON), que so destacadas pela central de operaes da Companhia de Engenharia de Trfego (CET), pois interferem, ou podem vir a alterar, as condies de fluidez e de segurana do trfego na cidade (COMPANHIA DE ENGENHARIA DE TRFEGO, 2011), tais como caminho quebrado, manifestaes em vias, falta de energia eltrica, queda de rvore, acidentes com e sem vtimas. Essas ocorrncias so registradas durante o dia e formam os congestionamentos que impedem a eficincia do transporte urbano, alm de causar prejuzos considerveis. Existem trs nveis de roteirizao que devem ser analisados, a saber: Nvel Operacional, Ttico e Estratgico. Neste artigo, trata-se da previso do comportamento do trfego veicular urbano na RMSP no

364

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

As RNAs so particularmente eficientes para o mapeamento entrada/sada de sistemas no lineares e para realizar processamento paralelo, alm de simular sistemas complexos (HAYKIN, 2001). Como o caso da previso do comportamento do trfego veicular urbano na RMSP realizada neste artigo. Assim, uma RNA do tipo Multilayer Perceptron (MLP) foi combinada Lgica Fuzzy, formando uma rede Neuro Fuzzy MLP (RNF MLP) para prever o comportamento do trfego veicular urbano na RMSP, auxiliando na construo de rotas para os diversos tipos de veculos, leves e pesados. O texto est organizado, aps essa seo introdutria, da seguinte forma: na seo 2 os fundamentos bsicos da Roteirizao e Programao de Veculos so apresentados, na seo 3, discute-se a Metodologia, e na 4, os conceitos fundamentais das Tcnicas da Inteligncia Artificial utilizadas so revisitados. Na seo 5, os experimentos com a rede Neuro Fuzzy so mostrados e os resultados discutidos. Na 6, o artigo concludo.

pertencente classe NP-hard. Consequentemente, os mtodos de soluo aplicados s instncias reais so, em geral, heursticos, isto , no asseguram a obteno da soluo tima do ponto de vista matemtico (CUNHA; BONASSER; ABRAHO, 2002; KERNER, 2009). A roteirizao, envolvendo muitas paradas e veculos, permite um nmero muito grande de itinerrios. Por isso, boas solues podem ser muito teis, tendo em vista que o tempo para a montagem das rotas ou programao dos veculos curto, principalmente em regies urbanas (CUNHA, 1997). Durante a ltima dcada, o nmero de artigos publicados para lidar com modelos de transporte dinmico tem sido crescente. O problema de roteirizao dinmica de veculos um subconjunto desses modelos (LARSEN, 2001). A roteirizao dinmica de veculos pode ser uma alternativa eficiente para a maioria das aplicaes reais, levando-se em considerao que as ocorrncias notveis de trnsito acontecem paralelamente aos roteiros que j esto em andamento, e nem todas as informaes relevantes para o planejamento dos roteiros so conhecidas logo no comeo da roteirizao, as ocorrncias notveis surgem no decorrer do dia, alterando a fluidez do trfego e interrompendo temporariamente algumas vias (LARSEN, 2001; FERREIRA, 2011). Com as informaes das ocorrncias notveis de trnsito (Tabela 1), possvel criar roteiros alternativos, evitando regies e vias com baixa fluidez durante a realizao do roteiro inicialmente planejado. Nos ltimos anos, o nmero de artigos publicados para lidar com modelos de roteirizao dinmica tem aumentado (LARSEN; MADSEN; SOLOMON, 2002, 2007; RADUAN, 2009; NOVAES; FRAZZON; BURIN, 2009; NOVAES; BURIN, 2010).

Fundamentos bsicos da Roteirizao e Programao de Veculos


O Problema de Roteirizao de Veculos

(PRV) de grande importncia para o gerenciamento das atividades de coleta e distribuio, e, por isso, tornou-se um dos mais estudados. Segundo Cordeau et al. (2002), mesmo em sua forma padro, o PRV pode ser classificado como um problema do tipo NP-hard, o que significa que possui uma ordem de complexidade exponencial. Em termos prticos, isso significa que no possvel resolver de forma tima um problema real

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

365

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

2.1 Roteirizao Dinmica de Veculos


A Roteirizao Dinmica de Veculos (RDV) consiste na incluso e/ou excluso de trechos do roteiro inicial, mediante informaes em tempo real de ocorrncias notveis de trnsito, que interfiram no desempenho do roteiro inicial. Todas as ocorrncias notveis de trnsito so entradas para a RDV, durante a operao os roteiros esto sujeitos a alteraes. Por esse motivo, essencial a atualizao das informaes em tempo real (LARSEN, 2001; FERREIRA; SASSI, 2010; NOVAES; BURIN, 2010; FERREIRA; AFFONSO; SASSI, 2011). Os roteiros estticos no permitem otimizar todo o percurso do veculo, e as regies urbanas so frteis em ocorrncias que influenciam diretamente no tempo e distncia de trajeto. Assim, o tempo perdido em congestionamentos, alm de aumentar o custo da viagem, proporciona maior queima de combustveis. Com a roteirizao dinmica de veculos, as entregas continuam a ser realizadas e, aps interrupo, o bolso anteriormente congestionado pode ser atendido normalmente sem que haja prejuzo a todos os pontos de entrega ou coleta. As Figuras 1, 2 e 3 ilustram passo a passo um exemplo na mudana da rota por ocasio de uma interrupo na via, em que seriam realizadas as entregas, e a continuao das entregas em outros pontos j com a rota inicial alterada sem prejuzo aos demais clientes. Assim que a interrupo acaba o veculo retoma as entregas no semiarco no atendido na rota inicial. A Figura 1 (A) mostra o trajeto improdutivo at o bolso de distribuio (1), os pontos de entrega a serem atendidos ( ) e a rota inicial programada (2). A Figura 1 (B) mostra a interrupo (Xn) de parte do trajeto dentro do arco de distribuio programado.
Figura 1: Bolso de distribuio (A e B)

A Figura 2 (C) mostra a rota alternativa (3), possibilitando que as entregas do mesmo bolso de distribuio continuem sendo efetuadas. A Figura 2 (D) mostra o final da interrupo e os clientes que ainda no foram atendidos. A Figura 3 (E) mostra a nova rota alternativa (3), que atender os clientes do semiarco no atendido na programao inicial. A roteirizao dinmica de veculos representa neste artigo o nvel ttico da roteirizao. De acordo com Goldbarg e Luna (2000), um sistema de roteirizao pode ser considerado um conjunto organizado de meios, que objetivam o atendimento de demandas localizadas nos arcos ou vrtices de alguma rede de distribuio fsica, o sistema de roteirizao, como qualquer outro

366

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

Nvel Operacional nele esto os mtodos de roteirizao de veculos; Nvel Ttico em que se encontra a Roteirizao Dinmica de Veculos, que oferece em tempo real, alternativas que reduzem o tempo improdutivo em trechos interrompidos ou com lentido acentuada devido a alguma ocorrncia notvel; Nvel Estratgico no qual est a previso do comportamento do trfego veicular urbano no incio do roteiro. Com os trs nveis hierrquicos de roteirizao, possvel considerar no apenas os fatores bsicos e os mtodos de roteirizao, como tambm os fatores externos, ocorrncias relevantes (ocorrncias notveis de trnsito), que influenciam diretamente no nvel de fluidez do trfego nas grandes cidades. A Figura 4 ilustra a hierarquia proposta para a roteirizao apoiada pelos trs nveis.

Figura 2: Bolso de distribuio (C e D)

Figura 4: Hierarquia de roteirizao

A previso do comportamento do trfego ou percentual de lentido representa o nvel estratgico da roteirizao. A roteirizao dinmica de veculos representa o ttico, e os mtodos de roteirizao representam o nvel operacional.

Figura 3: Bolso de distribuio (E)

Metodologia
A metodologia adotada na estruturao des-

sistema operacional, pode ser decomposto em trs partes, como segue:

te artigo foi definida como bibliogrfica e experi-

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

367

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

mental e a realizao da pesquisa foi embasada em consultas a fontes bibliogrficas e de referencial terico, tais como artigos, livros, teses, dissertaes, websites com contedos sobre Roteirizao e Programao de Veculos (RPV), RNAs, Lgica Fuzzy e RNFs. Utilizou-se uma RNF obtida por meio da combinao da Lgica Fuzzy com uma RNA do tipo MLP (Multilayer Perceptron), sendo a camada das variveis de entrada da RNF MLP composta pelas ocorrncias notveis de trnsito (Tabela 1) obtidas no website <http://www.cetsp.com.br> da Companhia de Engenharia de Trfego (CET) com as informaes sobre as ocorrncias notveis de trnsito na RMSP. A coleta dos dados no seguiu nenhum planejamento de experimento pr-definido, os dados foram coletados de segunda a sexta-feira nos dias 14, 15, 16, 17 e 18 de dezembro de 2009. A base de dados completa da CET composta por 340 ocorrncias notveis de trnsito. A Figura 5 mostra a metodologia experimental do trabalho, utilizada para a previso do comportamento do trfego veicular urbano na RMSP pela RNF MLP, tendo como sada da RNF a entrada para o nvel estratgico da roteirizao representado pelo topo da pirmide (previso do comportamento do trfego).

Combinao de tcnicas da Inteligncia Artificial


Segundo Goldschmidt e Passos (2005), algu-

mas tcnicas podem ser combinadas para gerar os chamados sistemas hbridos ou arquiteturas hbridas. A grande vantagem desse tipo de sistema deve-se ao sinergismo obtido pela combinao de duas ou mais tcnicas. Esse sinergismo reflete na obteno de um sistema mais poderoso (em termos de interpretao, de aprendizado, de estimativa de parmetros, de treinamento, dentre outros) e com menos deficincias. Nesta seo, so apresentados os principais conceitos da Lgica Fuzzy, das redes neurais artificiais e tambm as caractersticas da rede Neuro Fuzzy MLP.

4.1 Redes neurais artificiais


As redes neurais artificiais (RNA) so modelos constitudos por unidades de processamento simples, chamadas de neurnios artificiais, que calculam funes matemticas. Esses modelos so inspirados na estrutura do crebro e tm como objetivo simular o comportamento humano, tais como aprendizagem, associao, generalizao e abstrao quando submetidas a treinamento. As RNAs so particularmente eficientes para o mapeamento entrada/sada de sistemas no lineares e para realizar processamento paralelo, alm de simular sistemas complexos (HAYKIN, 2001). Ainda segundo Haykin (2001), as RNAs generalizam os resultados obtidos para dados previamente desconhecidos, ou seja, produzem respostas coerentes e apropriadas para padres ou exemplos que no foram utilizados no seu treinamento. Segundo Kovcs (2006), as RNAs so consideradas um aproximador universal de funes contnuas. Para Russel e Norvig (1995), aprender a aproximar funes considerada uma tarefa de infern-

Figura 5: Metodologia experimental

cia indutiva, a RNA aprende a representar funes.

368

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

As caractersticas descritas acima das RNAs confirmam a sua aplicao em diversas reas: previso de risco de crdito (SELAU; RIBEIRO, 2009), medicina (BLAZADONAKIS; MICHALIS, 2008), distribuio fsica (SANTOS; FELIX; VIEIRA, 2009) e gesto de estoques (ARAJO; LIBRANTZ; ALVES, 2009). Outras aplicaes tambm podem ser encontradas em campos diversos, por exemplo: modelagem, anlise de sries temporais, reconhecimento de padres e processamento de sinais e controle (HAYKIN, 2001). Escolheu-se utilizar neste artigo uma RNA do tipo MLP (Multilayer Perceptron), treinada por meio do algoritmo de error back-propagation, porque ela utiliza uma funo sigmoide (em forma de S) como funo de ativao, que extremamente simples, o que facilita a sua aplicao em problemas que envolvem classificao, como neste estudo. O algoritmo de error back-propagation funciona por meio da correo dos pesos das sadas dos neurnios que so ajustadas camada por camada at que o erro da rede atinja um erro aceitvel (HAYKIN, 2001). Uma RNA do tipo MLP tipicamente consiste em uma especificao do nmero de camadas, tipo de funo de ativao de cada unidade e pesos de conexes entre as diferentes unidades que devem ser definidas para a construo desse tipo de RNA (HAYKIN, 2001).

Utiliza-se o conceito de Lgica Fuzzy como sendo o ferramental matemtico necessrio para o tratamento das operaes lgicas e algbricas realizadas no universo dos conjuntos Fuzzy (PASSINO; YURKOVICH, 1998). Os conceitos de interseco, unio, complementaridade, convexidade, etc., so extensivos para tais conjuntos e vrias propriedades dessas noes no contexto dos conjuntos Fuzzy esto estabelecidas no trabalho de Zadeh (1965). Um elemento importante na Lgica Fuzzy a Funo de Pertinncia. Deve-se considerar que a escolha da Funo de Pertinncia depende do contexto. Por exemplo, o conceito de temperatura alta claramente diferente para a temperatura de um forno de induo e para a de um corpo humano febril. Ainda que seja considerado um mesmo conceito, a escolha depende do contexto em que o observador est inserido. A Funo de Pertinncia estabelece o grau de certeza que determinada varivel de entrada representa para uma varivel lingustica. Um exemplo de Funo de Pertinncia pode ser observado na Figura 6. A questo central para a consistncia em modelar-se um sistema pela Lgica Fuzzy a determinao de uma base de regras que represente de forma satisfatria a sua dinmica, ou seja, como as variveis de entrada relacionam-se entre si, quais so as suas sadas e, a partir disso, os seus correspondentes erros associados so determinados. Portanto, a exatido do modelo diretamente proporcional aderncia entre a dinmica real do sistema e a base de regras proposta para represent-la. Suponha que um especialista humano descreva, por meio de uma linguagem verbal, de que forma uma ocorrncia notvel (Tabela 1) influencia no percentual de lentido, como demonstrado a seguir: Ocorrncia Notvel (ON) baixo, mdio e alto. Deve-se utilizar essa descrio lingustica e transform-la num conjunto de regras que possam ser processadas em um programa de computa-

4.2 Lgica Fuzzy


Na teoria clssica dos conjuntos, a pertinncia de um elemento a um conjunto fica bem definida. Entretanto, para uma grande variedade de fenmenos fsicos fica difcil estabelecer claramente se um elemento pertence ou no a determinado conjunto. Dessa forma, Zadeh (1965) props uma caracterizao mais ampla, de modo que a funo pertinncia possa assumir valores contnuos entre 0 e 1.

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

369

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

dor, isso chamado de regras de inferncia Fuzzy (PASSINO; YURKOVICH, 1998). A aplicao da Lgica Fuzzy para previso ou monitoramento, em um determinado sistema, caracterizada pela utilizao de um mecanismo de inferncia baseado em regras pr-estabelecidas. Essa caracterstica gera a necessidade de que os eventos apresentados na entrada devam necessariamente classificar-se em uma das regras pr-estabelecidas. McNeill e Thro (1994) relacionaram algumas caractersticas de sistemas em que a aplicao da Lgica Fuzzy necessria ou benfica. Esses sistemas complexos so difceis de modelar, como exemplo: sistemas controlados por especialistas humanos, sistemas com entradas e sadas complexas e contnuas, sistemas que se utilizam da observao humana como entradas ou como base para regras, sistemas que so naturalmente imprecisos, como sistemas cuja descrio extremamente complexa. Nesse contexto, a previso do comportamento do trfego urbano na RMSP foi inserida por apresentar extrema complexidade.

Segundo Nauck, Klawonn e Kruse (1996), o termo RNF usado para abordagens que apresentam as seguintes propriedades: So baseadas em Lgica Fuzzy e treinadas por um algoritmo de aprendizado derivado de uma das RNAs. O procedimento de aprendizado (heurstica) opera em informaes locais, e causa apenas modificaes locais no fundamento da RNF. Possuem trs camadas em que a primeira camada representa as variveis de entrada, a do meio (escondida) representa as regras de inferncia, e a terceira, as variveis de sada; Podem ser sempre interpretadas como um mecanismo de inferncia; nem todos os modelos especificam procedimentos de aprendizagem para criao de regras Fuzzy. O procedimento de aprendizagem de uma RNF transforma as propriedades semnticas de um sistema Fuzzy em um conjunto de descries. Isso resulta em restries que podem tornar-se modificaes aplicveis aos parmetros do sistema; entretanto, nem todas as abordagens em uma RNF possuem essa propriedade. Aproximam uma funo n-dimensional que parcialmente definida pelo treinamento dos dados. Os principais modelos de inferncia encontrados na literatura aplicados as RNFs so os do tipo Mamdani (MAMDANI; ASSILIAN, 1975) e os do tipo Takagi-Sugeno (RUTKOWSKI, 2008). A inferncia do tipo Mamdani consiste em conectar os antecedentes e o consequente das regras usando normas-T (geralmente do tipo mnimo ou produto). Para este estudo, foi utilizado o sistema do tipo Mamdani, uma vez que com tal modelo no h necessidade de realizar a defuzzyficao da sada.

4.3 Rede NeuroFuzzy


As redes Neuro Fuzzy (RNF) tm surgido como uma ferramenta promissora, pois renem os benefcios das RNAs, em que a aprendizagem e o poder computacional das RNAs so combinados capacidade de representao, ao raciocnio da Lgica Fuzzy (GOMIDE; FIGUEIREDO; PEDRYCZ, 1998). A combinao dos atributos positivos das duas tcnicas gera sistemas com a capacidade de aprender e de adaptar-se s necessidades para a resoluo de problemas do mundo real, mostrandose ideais para aplicaes, tais como identificao, predio, classificao e controle (REZENDE, 2005; RUTKOWSKI, 2008).

370

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

Neste artigo, uma RNA do tipo MLP foi combinada Lgica Fuzzy, formando uma rede Neuro Fuzzy MLP (RNF MLP).

Para modelar as funes de pertinncia correspondentes s ocorrncias notveis, foram utilizadas funes Gaussianas, conforme mostrado na Equao 1:

Experimentos com a Rede Neuro Fuzzy


(1)

A Tabela 1 apresenta os cdigos e os tipos de ocorrncias notveis registradas que foram utilizadas como variveis de entradas da rede Neuro Fuzzy (Xn).
Tabela 1: Ocorrncias notveis
Cdigo 206 207 208 302 304 310 311 312 315 316 317 321 334 331 561 562 Ocorrncias Notveis nibus imobilizado na via Caminho quebrado Veculo com excesso Acidente com vtima Atropelamento Incndio em veculos Ocorrncia envolvendo carga Ocorrncia envolvendo carga perigosa Falta de energia eltrica Incndio Alagamento Manifestaes Defeito na rede de trlebus Queda de rvore Semforo apagado Semforo embandeirado Xn x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16

em que: c a: centro da funo Gaussiana; sa: disperses da funo; a: rtulo lingustico (alto, mdio, baixo). A Figura 6 mostra uma das dezesseis funes de pertinncia (uma para cada ocorrncia notvel) calculadas pela Equao (1). O algoritmo de treinamento usado na MLP (Multilayer perceptrons) foi o error backpropagation que funciona da seguinte maneira: apresentase um padro camada de entrada da rede, esse padro processado, camada por camada, at que a sada fornea a resposta processada, f MLP, calculada como mostrado a seguir, na Equao 2. Em que v l e w lj so pesos sinpticos; bl0 e b 0 so os biases; e a funo de ativao.

Fonte: Adaptado da Companhia de Engenharia de Trfego (2009).

Figura 6: Funo de Pertinncia (nibus imobilizado na via x1)

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

371

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

cam a mdia inferior e superior, obtidas por meio de clculos estatsticos.


(2)

Esses clculos so feitos levando-se em conta os dados histricos do comportamento do trfego no mesmo dia da semana dos doze meses imediatamente anteriores a data atual (COMPANHIA DE ENGENHARIA DE TRFEGO, 2011). Observa-se que o resultado obtido no experimento 1 representa de forma adequada o percentual de lentido no dia 15 de dezembro de 2009, o que permite iniciar uma programao de roteiros selecionando as melhores e piores janelas de atendimento. O segundo experimento utilizou a RNF MLP para prever o comportamento do trfego durante a semana de 14 a 18 de dezembro de 2009, em comparao com os dados informados pela CET, considerando como varivel de sada o percentual de lentido. A Figura 8 mostra a resposta da RNF MLP (curva Yrede) na previso do comportamento do trfego durante semana de 14 a 18 de dezembro de 2009. Verifica-se que o resultado obtido no experimento 2 representa de forma adequada o percentual de lentido durante a semana de segunda a sexta-feira.

As redes MLP so caracterizadas por possurem mais de uma camada oculta, para esse trabalho a rede MLP com trs camadas ocultas apresentou melhor desempenho. Os parmetros utilizados para construo da MLP, que faz parte da RNF MLP so os seguintes: nmero de neurnios de entrada igual a 16, nmero de camadas igual a 3, nmero de neurnios nas camadas ocultas igual a 10 e nmero mximo de iteraes igual a 150. Foram realizados dois experimentos. O primeiro experimento utilizou a RNF MLP para prever o comportamento do trfego, durante o dia 15 de dezembro de 2009, em comparao com os dados informados pela CET, considerando como varivel de sada o percentual de lentido. A Figura 7 mostra a resposta da RNF MLP (curva Yrede) na previso do comportamento do trfego durante o dia 15 de dezembro de 2009. A (curva Yreal) apresenta o comportamento do trfego registrado a cada 30 minutos, no horrio das 7h s 20h, bem como as curvas que indi-

Figura 7: Resposta da RNF MLP na previso do comportamento do trfego durante o dia 15 de dezembro de 2009

372

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

Figura 8: Resposta da RNF MLP na previso do comportamento do trfego durante os dias 14 a 18 de dezembro de 2009

A anlise do percentual de lentido permite a roteirizao em trs nveis: estratgico, ttico e operacional. Dessa forma, tem-se a previso do comportamento do trfego (percentual de lentido), no nvel estratgico da roteirizao; a roteirizao dinmica, no nvel ttico; e os mtodos de roteirizao, no operacional. Como se observa nas Figuras 7 e 8, houve uma boa aderncia entre os resultados da RNF MLP e os dados experimentais. Essa aderncia possibilitou que a RNF MLP fizesse uma boa previso do comportamento do trfego veicular urbano na regio metropolitana da cidade de So Paulo; portanto, ela pode apoiar a tomada de deciso quanto s janelas de atendimento que devem ser evitadas, e as que apresentem comportamento que comprometa a distribuio fsica. A previso do comportamento do trfego (percentual de lentido) calculado pela rede Neuro Fuzzy representa o nvel estratgico da roteirizao.

quia, tendo como dados principais as ocorrncias notveis de trnsito que servem para o nvel estratgico e ttico da roteirizao, conforme prope o estudo. Os desvios inteligentes no nvel ttico visam reduo do tempo em trnsito, mesmo quando a distncia percorrida for um pouco maior, existindo ainda a economia de tempo e combustvel, conclui-se que as novas tcnicas so decisivas para a criao de alternativas inovadoras de roteirizao. A combinao da Lgica Fuzzy e das RNAs, conforme proposto neste artigo, mostrou-se bastante interessante para resoluo desse tipo de problema, pois a Lgica Fuzzy fornece ferramentas matemticas capazes de capturar ambiguidades associadas ao processo cognitivo humano, e, por outro lado, as RNAs mostraram-se adequadas para identificao de padres. A previso do comportamento do trfego permite escolher as melhores janelas de atendimento de maneira a evitar horrios em que a previso do trfego aponte para nveis de lentido que comprometam o atendimento. Concluiu-se que a aplicao da rede Neuro Fuzzy MLP no nvel estratgico apresentou um bom resultado, que motiva novos estudos. A ro-

Concluso
Neste artigo, o problema de roteirizao de

veculos urbanos foi abordado por nvel de hierar-

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

373

Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano

teirizao proposta no nvel estratgico e ttico pode ser uma excelente alternativa para auxiliar a distribuio fsica, favorecendo a efetividade e produtividade na distribuio e coleta em regies urbanas como So Paulo. Sugere-se a aplicao da RNF MLP desenvolvida neste trabalho em reas de extrema importncia para a vida humana, tais como a rea de Logstica da Captao de Mltiplos rgos para transplantes, a de Logstica de Distribuio dos rgos para transplantes e a de Logstica de Material e Medicamento Cirrgico de Urgncia ou Emergncia. Pretende-se tambm usar outra RNA do tipo Radial Basis Function (RBF) na associao com a Lgica Fuzzy, contrastando resultados com a RNF MLP aqui apresentada.

CORDEAU, J. F. Et al. A Guide to Vehicle Routing Heuristics. Journal of the Operational Research Society, v. 53, p. 512-522, 2002. CUNHA, C. B. Uma contribuio para o problema de roteirizao de veculos com restries operacionais. 1997. Tese (Doutorado) Escola Politcnica da Universidade de So Paulo, Departamento de Engenharia de Transportes, So Paulo. 222 p. CUNHA, C. B.; BONASSER, U. O.; ABRAHO, F. T. M. Experimentos Computacionais com Heursticas de Melhorias para o Problema do Caixeiro Viajante. Associao Nacional de Pesquisa e Ensino em Transportes. In: XVI CONGRESSO DA ANPET, Anais... Natal/RN: ANPET, 2002. FERREIRA, R. P. Combinao de tcnicas da inteligncia artificial para previso do comportamento do trfego veicular urbano na cidade de So Paulo. 2011. 107 p. Dissertao (Mestrado) Universidade Nove de Julho, Engenharia de Produo, So Paulo, 2011. FERREIRA, R. P.; AFFONSO, C. O.; SASSI, R. J. Dynamic routing combined to forecast the behavior of traffic in the city of So Paulo using neuro Fuzzy network. Journal of Computer Technology and Application (JCTA), v. 2, n.1. p. 36-41, 2011. FERREIRA, R. P.; SASSI, R. J. A proposal for dynamic routing of vehicles in the city of Sao Paulo using intelligent routing. In: 3rd INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS, LOGISTICS AND SUPPLY CHAIN. ILS 2010 Casablanca (Morocco), v. 3, p. 1-13, 2010. GOLDBARG, M. C.; LUNA, H. P. L. Otimizao combinatria e programao linear: modelos e algoritmos. 3. ed. Rio de Janeiro: Campus, 2000. GOLDSCHMIDT, R.; PASSOS, E. Data mining: um guia prtico, Elsevier, 2005. GOMIDE, F.; FIGUEIREDO, M. PEDRYCZ, W. A neural Fuzzy network: Structure and learning, Fuzzy Logic and its applications, information sciences and intelligent systems, Bien, Z. and Min, K., Kluwer. Netherlands: Academic Publishers, p. 177-186, 1998. HAYKIN, S. Redes neurais princpios e prticas. 2. ed. Porto Alegre: Bookman, 2001. KERNER, B. S. Introduction to modern traffic flow theory and control, DOI 10.1007/978-3-642-02605-8 11, Berlin Heidelberg: Springer-Verlag, p. 221-243, 2009. KOVCS, Z. L. Redes neurais artificiais fundamentos e aplicaes. 4. ed. So Paulo: Editora Livraria da Fsica, 2006. LARSEN, A.; MADSEN, O.; SOLOMON, M. Classification of Dynamic Vehicle Routing Systems. In: Zeimpekis, V., Tarantilis, C.D., Giaglis, e G., Minis, I. (eds.) Dynamic Fleet Management. Springer, New York, 2007.

Agradecimentos
Os autores agradecem Universidade Nove de Julho (UNINOVE) pelo apoio financeiro.

Referncias
AFFONSO, C. Aplicao de Redes Neuro Fuzzy ao Processamento de Polmeros na Indstria Automotiva. 2010. 111 p. Dissertao (Mestrado) Universidade Nove de Julho, Engenharia de Produo, So Paulo, 2010. ARAJO, S. A.; LIBRANTZ, A. F. H.; ALVES, W. A. L. Algoritmos genticos na estimao de parmetros em gesto de estoque. Exacta, So Paulo, v. 7, n. 1, p. 21-29, 2009. BLAZADONAKIS, E.; MICHALIS, Z. Support vector machines and neural networks as marker selectors in cancer gene analysis. Intelligent techniques and tools for novel system architectures. Berlin, Heidelberg: SpringerVerlag Berlin Heidelberg, p. 237-258, 2008. COMPANHIA DE ENGENHARIA DE TRFEGO (CET). Disponvel em: <http://www.cetsp.com.br>. Acesso em: 21 abr. 2011. COMPANHIA DE ENGENHARIA DE TRFEGO (CET). Disponvel em: <http://www.cetsp.com.br>. Acesso em: 14 a 18 dez. 2009.

374

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O.

Artigos

LARSEN, A.; MADSEN, O.; SOLOMON, M. Partially dynamic vehicle routing-models and algorithms. Journal of the Operational Research Society, v. 53, p. 637-646, 2002. LARSEN, A. The dynamic vehicle routing problem. Tese (Doutorado) Technical University of Denmark, Lyngby, 2001. McNEILL, F. M.; THRO, E. Fuzzy Logic: a practical approach. AP Professional/Academic Press, 1994. MAMDANI, E. H.; ASSILIAN, S. An experiment in linguistic synthesis with a fuzzy logic controller. Int. J. Man Mach. Studies, v. 7, p. 1-13, 1975. NAUCK, D.; KLAWONN, F.; KRUSE, R. Foundations of Neuro Fuzzy Systems. Willey & Sons, 1996. NOVAES, A. G.; BURIN, P. J. Um Problema de Roteirizao Dinmica de Veculos. Revista Transportes, 2010. NOVAES, A. G.; FRAZZON, E. M.; BURIN, P. J. Dynamic vehicle routing in over congested urban areas. In: LDIC 2009 INTERNATIONAL CONFERENCE ON DYNAMICS IN LOGISTICS, Bremen, 2009. PACHECO, M. A. C.; VELLASCO, M. M. B. R. (Org.). Sistemas inteligentes de apoio deciso: anlise econmica de projetos de desenvolvimento de campos de petrleo sob incerteza. Rio de Janeiro: Ed. PUC-Rio: Ed. Intercincia, 2007. PASSINO, K. M.; YURKOVICH, S. Fuzzy Control. CA, USA: Addison Wesley Longman, Inc., 1998. RADUAN, A. C. Roteirizao parcialmente dinmica aplicada a servios de campo. 2009. 121 p. Dissertao (Mestrado) Escola Politcnica da Universidade de So Paulo, Departamento de Engenharia de Transportes, So Paulo, 2009.

REZENDE, S. O. Sistemas inteligentes: fundamentos e aplicaes. Barueri: Manole, 2005. RUSSEL, S.; NORVIG, P. Artificial intelligence a modern approach. New Jersey: Pearson Education, 1995. RUTKOWSKI, L. Computational intelligence methods and techniques. Berlin, Heidelberg: Springer, 2008. SANTOS, A. V. N.; FELIX, L. B.; VIEIRA, J. G. V. Estudo da logstica de distribuio fsica de um laticnio utilizando lgica fuzzy. In: V ENCONTRO MINEIRO DE ENGENHARIA DE PRODUO (EMEPRO). Anais... Viosa: EMEPRO, 2009. SELAU, L. P. R.; RIBEIRO, J. L. D. Uma sistemtica para construo e escolha de modelos de previso de risco de crdito. Gesto Produo, So Carlos. v. 16, n. 3, p. 398-413, jul.- set. 2009. SHABALOV, A.; SEMENKIN, E.; GALUSHIN, P. Automatized design application of intelligent information technologies for data mining problems. In: EIGHTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (FSKD), Shanghai, v. 4, p. 2596-2599, 2011. TODAY LOGISTICS & SUPPLY CHAIN. So Paulo: Cecilia Borges, Ano III, n. 38, 2009. WU, C. F. et al. Applying a functional neurofuzzy network to real-time lane detection and front-vehicle distance measurement. IEEE Transactions on Systems, Man, and Cybernetics, Part C: Applications and Reviews. Issue 99, p. 1-13, 2011. ZADEH, L . A. Fuzzy sets. IInformation and control, v. 8. p. 338-353, 1965.

Recebido em 21 jul. 2011 / aprovado em 21 nov. 2011


Para referenciar este texto

FERREIRA, R. P.; SASSI, R. J.; AFFONSO, C. O. Aplicao de uma rede neuro Fuzzy para a previso do comportamento do trfego veicular urbano na regio metropolitana da cidade de So Paulo. Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

Exacta, So Paulo, v. 9, n. 3, p. 363-375, 2011.

375