Otimização de malha viária terrestre através de algoritmo genético

Abstract

Segundo Vianna e Young (2015), a perda total estimada do PIB devido ao trânsito em regiões metropolitanas é de aproximadamente 1,8 % do PIB. Outros fatores ainda podem ser elencados, como danos a saúde dos envolvidos e um aumento no número de acidentes de trânsito com vítimas, fatais ou não. Nesse contexto, este trabalho tem como objetivo a otimização da malha viária através de uma adaptação do modelo computacional de Salman-Alaswad. Este modelo foi adaptado de modo a permitir a inserção e remoção de vias e analisar o comportamento frente as mudanças inseridas. Para isso, efetuou-se: revisão da literatura recente sobre problemas de otimização relacionadas ao projeto de trânsito; levantamento de problemas semelhantes ao proposto na pesquisa; proposição e desenvolvimento do modelo de heurística computacional. Como produto deste trabalho, obteve-se um ranking com os melhores indivíduos por conjunto de parâmetros encontrados durante a fase de análises, o conjunto de parâmetros que apresentou os melhores resultados e o indivíduo com melhor fitness encontrado nos experimentos.

According to Vianna e Young (2015), the estimated total loss of GDP due to traffic in metropolitan regions is approximately 1.8% of GDP. Other factors can still be listed, such as damage to the health of those involved and an increase in the number of traffic accidents with victims, fatal or otherwise. In this context, this work aims to the optimization of the road network through an adaptation of the computational model of Salman-Alaswad. This model has been adapted to allow insertion and removal of roads and analyze the behavior in face of the inserted changes. To this end, the following actions had to done: A review of recent literature on optimization problems related to the traffic project; survey of problems similar to the one proposed in the research; proposition and development of the computational heuristic model. As a product of this work, a ranking was obtained with the best individuals per set of parameters found during the analysis phase, the set of parameters that presented the best results and the individual with the best “fitness” found in the experiments.