Resumo Técnico: Inferência Ativa para Controle Adaptativo de Sinais de Tráfego em Ambientes IoT Não Estacionários e Ruidosos

1. Definição do Problema

O controle de sinais de trânsito urbano enfrenta desafios significativos em implementações do mundo real, onde os dados dos sensores são frequentemente incompletos, ruidosos e sujeitos a padrões de demanda não estacionários. Os controladores tradicionais baseados em regras carecem de flexibilidade sob condições imprevisíveis, enquanto as abordagens de aprendizado por reforço profundo (DRL) — embora poderosas — exigem extensos dados de treinamento e sofrem de problemas de interpretabilidade de "caixa-preta", tornando-se difíceis de auditar. Além disso, a sensoriamento IoT no mundo real em interseções é comprometido pela oclusão de sensores (ex: por veículos pesados), atenuação por condições climáticas adversas e interrupções infraestruturais estocásticas (ex: acidentes). O artigo aborda a necessidade de um controlador de sinais de trânsito que permaneça eficaz sob essas condições de observabilidade parcial e ruído, oferecendo simultaneamente um processo de tomada de decisão rastreável.

2. Metodologia

Os autores propõem um controlador de Inferência Ativa (AIF) para uma interseção de quatro braços. Diferente dos paradigmas de controle padrão que separam percepção e ação, a AIF enquadra ambos como um processo unificado de minimização da Energia Livre Esperada (EFE).

Estrutura Central

O agente opera em passos de tempo discretos $t$, mantendo crenças posteriores aproximadas $q(s_t)$ sobre estados ocultos $s_t$ (níveis de congestionamento de tráfego) com base em observações $o_t$. A política $\pi$ seleciona ações (fases: verde para Norte-Sul ou Leste-Oeste) para minimizar a EFE, definida como:
$$G(\pi) \triangleq -[PV(\pi) + \lambda EV(\pi)]$$
Onde:

• Valor Pragmático ($PV$): Recompensa observações que coincidem com preferências (ex: baixo congestionamento, baixas emissões).
• Valor Epistêmico ($EV$): Recompensa observações que reduzem a incerteza sobre os estados ocultos (exploração).
• $\lambda$: Uma constante de ponderação que equilibra os dois valores.

Instanciação do Sistema

• Espaço de Estados: Os estados ocultos são discretizados em seis níveis de congestionamento (de "muito baixo" a "engarrafamento") para cada direção (NS e EW).
• Observações: Vetores contendo contagens de veículos ruidosas, emissões cumulativas de CO2 e contagem de ônibus. O modelo de observação é uma Gaussiana multivariada condicional ao estado.
• Dinâmica de Transição: Duas matrizes de transição especificadas manualmente ($T_{red}$ e $T_{green}$) codificam a intuição de que as fases verdes reduzem o congestionamento, enquanto as fases vermelhas o aumentam.
• Modelagem de Ruído: O ambiente experimental simula falhas realistas de IoT, incluindo:
  • Oclusão de Sensores: Veículos pesados bloqueando a detecção.
  • Atenuação Climática: Redução da probabilidade de detecção durante condições climáticas adversas.
  • Acidentes Estocásticos: Bloqueios aleatórios que congelam o fluxo de tráfego.

Baselines de Comparação

O controlador AIF é testado contra:

1. Heurística Baseada em Regras: Um sistema de pontuação de prioridade usando bônus fixos para ônibus e viés para vias principais.
2. Deep Q-Network (DQN): Um agente padrão de DRL treinado com experiência de replay e exploração $\epsilon$-greedy, otimizado para o mesmo modelo de recompensa (minimização de tempo de espera, emissões e carga de ônibus).

3. Principais Contribuições

O artigo apresenta três contribuições primárias:

1. Ambiente de Simulação: Design de um ambiente de simulação baseado em SUMO que modela condições de sensoriamento IoT não estacionárias e ruidosas, incluindo oclusão de sensores, atenuação climática e acidentes estocásticos.
2. Desenvolvimento do Controlador AIF: Implementação de um controlador AIF que seleciona dinamicamente as fases de sinalização ao minimizar a EFE sobre crenças gaussianas referentes a congestionamento, emissões e presença de transporte público.
3. Avaliação Abrangente: Uma comparação rigorosa através de quatro cenários de crescente perturbação ambiental (de dados limpos a ruído total/acidentes) e 100 sementes aleatórias independentes, analisando as trocas entre eficiência, emissões e estabilidade de política.

4. Resultados Experimentais

Os experimentos foram conduzidos ao longo de 3.600 segundos de tempo de simulação por cenário. As principais descobertas incluem:

• Desempenho em Alta Perturbação (Cenário 4):

  • Tempo de Espera (Idle Time): A AIF alcançou o menor tempo de espera cumulativo (56.977 s) comparado ao DQN (71.741 s) e à baseline baseada em regras (72.247 s).
  • Emissões: A AIF produziu as menores emissões totais de CO2 (29,12 kg) versus DQN (30,56 kg) e a abordagem baseada em regras (31,53 kg).
  • Robustez: A AIF manteve um tempo de espera médio inferior ao DQN mesmo no cenário mais ruidoso, enquanto o desempenho do DQN degradou significativamente sob perturbação total.

• Desempenho em Baixa Perturbação (Cenários 1–3):

  • O DQN geralmente superou a AIF nos Cenários 1 e 3 (ex: 5.305 s vs. 7.287 s de tempo de espera no Cenário 3), provavelmente devido ao pré-treinamento específico do cenário.
  • A AIF superou o DQN no Cenário 2 (7.341 s vs. 8.385 s).
  • Em todos os cenários, tanto a AIF quanto o DQN superaram significativamente a base baseada em regras (aproximadamente reduzindo pela metade o tempo de espera cumulativo).

• Compromissos (Trade-offs):

  • Prioridade de Ônibus: A AIF teve uma taxa de serviço de prioridade de ônibus menor (80,5–82,0%) em comparação ao DQN (84,6–89,7%) e ao sistema baseado em regras. Isso é atribuído à função de valor pragmático que prioriza a redução do congestionamento geral sobre tipos específicos de veículos, já que os ônibus constituem uma pequena fração do tráfego total.
  • Troca de Fase: A AIF trocou fases com mais frequência (261–278 trocas) do que o DQN (177–266) ou o sistema baseado em regras, indicando uma resposta mais dinâmica à incerteza.

• Estabilidade: A AIF demonstrou menor variância (desvio padrão) no tempo de espera entre as sementes nos Cenários 1 e 2, enquanto o DQN mostrou distribuições mais estreitas nos Cenários 3 e 4.

5. Significância e Alegações

O artigo afirma que a Inferência Ativa oferece uma alternativa fundamentada ao aprendizado por reforço profundo para o controle de tráfego adaptativo, particularmente em ambientes caracterizados por observabilidade parcial e não estacionariedade.

• Generalização Zero-Shot: Ao contrário do DQN, que requer um extenso pré-treinamento para cenários específicos, o controlador AIF opera sem uma fase de pré-treinamento. Sua capacidade de igualar ou exceder o desempenho do DQN em ambientes ruidosos sem treinamento específico de cenário sugere que o termo de valor epistêmico no objetivo da EFE fornece uma vantagem estrutural para lidar com a incerteza.
• Auditabilidade: Uma vantagem significativa destacada é a rastreabilidade do pipeline da AIF. Cada etapa — desde as crenças posteriores até os componentes específicos da EFE (pragmático vs. epistêmico) — é explícita e inspecionável. Isso aborda os desafios de verificação de "caixa-preta" associados ao DRL, permitindo que operadores entendam por que uma fase específica foi escolhida.
• Viabilidade: Os resultados sugerem que a AIF é uma alternativa viável ao aprendizado por reforço para o controle de tráfego adaptativo, capaz de equilibrar múltiplos objetivos (atraso, emissões, transporte público) enquanto permanece robusta à degradação de sensores e interrupções estocásticas.

Os autores concluem que, embora a AIF sacrifique parte da prioridade de ônibus e aumente a frequência de troca de fases, sua robustez em ambientes IoT ruidosos e não estacionários e sua interpretabilidade a tornam uma abordagem atraente para os próximos sistemas de tráfego inteligentes. O trabalho futuro proposto visa estender o framework para redes de múltiplas interseções e implementações de hardware-in-the-loop.