Título: | RADAR : um mecanismo de predição de fluxo de tráfego de veículos em vias urbanas com base em aprendizado federado |
Autor(es): | Mendonça, Oswaldo Henrique Alves |
Orientador(es): | Rocha Filho, Geraldo Pereira |
Assunto: | Séries temporais Tráfego |
Data de apresentação: | 30-Ago-2022 |
Data de publicação: | 29-Mar-2023 |
Referência: | MENDONÇA, Oswaldo Henrique Alves. RADAR: um mecanismo de predição de fluxo de tráfego de veículos em vias urbanas com base em aprendizado federado. 2022. 56 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) — Universidade de Brasília, Brasília, 2022. |
Resumo: | A elaboração de mecanismos de predição de tráfego veicular é extremamente importante
para o desenvolvimento de malhas urbanas inteligentes. No entanto, devido a grande
quantidade de fatores que podem afetar as condições de uma via, essa continua sendo
uma atividade complicada. De modo geral, a literatura em torno do tema costuma empregar modelos centralizados, nos quais, para a construção do modelo de aprendizado,
são reunidos todos os dados disponíveis em um único local. Porém, cidades normalmente
possuem múltiplos dispositivos capazes de coletar dados de tráfego e que poderiam ser utilizados nessa tarefa. Nesse contexto, esta pesquisa apresenta o RADAR: um mecanismo
de predição de fluxo de tráfego de veículos em vias urbanas com base em Aprendizado
Federado. O RADAR é composto por uma rede de sensores eletrônicos que captam seus
próprios dados e treinam um modelo de predição local. Esses modelos locais são agregados por um servidor central, que coordena cada sensor na realização do processo. Dessa
agregação é formado um modelo global, sem que os sensores tenham que compartilhar
seus dados locais uns com os outros ou com o servidor central. De modo a avaliar o
RADAR, foram realizados dois grupos de experimentos: (i) experimentos envolvendo a
variação do número de participantes na rede; e (ii) experimentos envolvendo a variação
do tipo de dia da semana, i.e. final de semana ou meio de semana. Como base de comparação, também foram avaliados modelos centralizados utilizando os mesmos sensores.
Os resultados obtidos mostraram que o RADAR consegue ser competitivo com modelos
tradicionais e realizar uma predição satisfatória do fluxo de veículos. |
Abstract: | The development of mechanisms for vehicular traffic flow prediction is critical to the ad vancement of intelligent urban infrastructure. However, this continues to be a complicated
task due to the many factors that can affect the circumstances in a roadway. Generally,
literature on the subject tends to focus on centralized models, in which the predictive model
is built at a single server where all of the available data is gathered. Yet, cities typically
have multiple devices able to collect traffic flow data that could be used on these tasks.
Hence, this work presents RADAR: a vehicular traffic flow prediction mechanism in ur ban settings based on Federated Learning. RADAR is composed of a network of sensors
that collect their own data and build a local prediction model. These local models are then
aggregated by a central server, which coordinates each sensor through the process. From
this aggregation a global model is built, without any local traffic data being exchanged be tween the sensors or with the central server. To validate the RADAR model, two groups
of experiments were used: (i) experiments involving the variation of the number of partic ipants in the network; and (ii) experiments involving the variation of the type of day the
model is used on, i.e. weekend or weekdays. As a basis of comparison, centralized models
with the same sensors were also evaluated. The results showed that the RADAR model
is able to compete with the centralized models and perform an adequate prediction of the
vehicular flow. |
Informações adicionais: | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2022. |
Licença: | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. |
Aparece na Coleção: | Engenharia da Computação
|
Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.