Resumo Técnico: Aumento de Dados de Tráfego Veicular Baseado em Simulação

1. Declaração do Problema

Os sistemas de gestão de tráfego urbano dependem de redes de sensores para apoiar tarefas como o controlo de sinais, previsão de congestionamento e recomendação de rotas. No entanto, a cobertura física dos sensores é inerentemente esparsa devido aos elevados custos de instalação/manutenção e às regulamentações de privacidade. Esta esparsidade cria dois problemas críticos:

1. Falha de Generalização: Modelos de aprendizagem automática treinados em localizações fixas de sensores aprendem padrões específicos para esses pontos e falham ao generalizar para segmentos de estrada não monitorizados.
2. Fragilidade da Infraestrutura: Qualquer alteração na rede de sensores (ex.: realocação, remoção devido a políticas de privacidade ou construção de novas estradas) torna os dados de treino existentes parcialmente obsoletos, tornando a recolha de novos dados proibitivamente dispendiosa.

As abordagens existentes tentam frequentemente reconstruir estados em falta a partir de observações esparsas ou otimizar a colocação de sensores. No entanto, modelos generativos puramente baseados em dados (ex.: GANs) têm dificuldade em locais não monitorizados porque carecem das observações históricas necessárias para condicionar a sua geração, violando frequentemente restrições físicas como a conservação de fluxo.

2. Metodologia

Os autores propõem uma metodologia baseada em simulação para gerar conjuntos de dados de tráfego aumentados. Em vez de interpolar dados em falta, o método cria "sensores virtuais" em localizações substitutas dentro da rede rodoviária. Estes sensores virtuais substituem os físicos no conjunto de dados, estendendo a cobertura espacial enquanto preservam as características estatísticas das observações originais.

Estrutura Principal

O método constrói uma mapeamento injetivo $Z: E_s \to E \setminus E_s$, associando cada aresta fisicamente sensorizada ($E_s$) a uma aresta virtual distinta. O processo envolve três etapas principais:

A. Identificação de Candidatos (Algoritmo 1)

Para cada aresta de sensor físico $e$, o algoritmo realiza uma Busca em Largura (BFS) no grafo da rede rodoviária direcionada para identificar arestas candidatas para a colocação de sensores virtuais.

• Restrições: Os candidatos devem estar dentro de um intervalo de distância de saltos (hop-distance) específico $[h_{min}, h_{max}]$.
  • $h_{min}$ evita a colocação demasiado próxima do sensor original (garantindo diversidade).
  • $h_{max}$ evita a colocação demasiado distante (garantindo correlação).
• Continuidade de Fluxo: A busca é restrita a arestas com contagens de curvas simuladas positivas ($T^t > 0$), garantindo que os candidatos se situam em rotas a jusante plausíveis onde o tráfego realmente flui.

B. Função de Pontuação

Uma função de pontuação regularizada avalia a adequação de uma aresta candidata $e'$ como um substituto para a aresta física $e$. A pontuação $S(e, e')$ acumula-se ao longo de intervalos horários $t$ e equilibra duas métricas:

1. Similaridade de Contagem de Curvas: Mede a continuidade do fluxo de veículos ($T^t(e, e')$). Valores elevados indicam que o tráfego observado em $e$ flui diretamente para $e'$.
2. Similaridade de Métricas de Tráfego: Mede a diferença absoluta em métricas escalares (ex.: velocidade, ocupação, tempo de viagem) entre $e$ e $e'$.

A pontuação é calculada como:
$$S(e, e') += \alpha \cdot \frac{T^t(e, e')}{c_{max}} - (1 - \alpha) \cdot \frac{|M^t(e) - M^t(e')|}{\Delta_{max}}$$
Onde $\alpha \in [0, 1]$ é um peso de regularização. $\alpha=1$ prioriza a continuidade do fluxo; $\alpha=0$ prioriza a similaridade de métricas.

C. Atribuição de Sensores Virtuais (Algoritmo 2)

O algoritmo realiza um emparelhamento ganancioso (greedy matching) global para atribuir os sensores virtuais:

1. Todos os pares válidos (físico, candidato) são classificados pelos seus scores médios temporais.
2. Um procedimento ganancioso percorre a lista classificada, aceitando um par apenas se nem o sensor físico nem a aresta candidata tiverem sido reivindicados.
3. Exploração Estocástica: Com uma probabilidade $\epsilon$, a classificação é aleatorizada para explorar atribuições alternativas.
4. Sensores sem candidatos não contestados são atribuídos a uma localização nula e excluídos do aumento.

D. Construção do Conjunto de Dados

O conjunto de dados aumentado final substitui a contagem real de veículos de um sensor físico pela contagem simulada observada na sua aresta virtual correspondente. Se nenhum candidato válido for encontrado, a contagem original é mantida.

3. Configuração Experimental

O método foi validado em duas cidades belgas utilizando o simulador de tráfego SUMO:

• Bruxelas: Utilizou um modelo calibrado derivado de dados reais de sensores (369 sensores, período de 24 horas). Duas estratégias de calibração foram testadas: simfree (rotas ao nível da região) e simbased (otimização hierárquica).
• Namur: Utilizou modelos sintéticos gerados com padrões de procura estocásticos (distribuição bimodal) através de três níveis de procura (50k, 100k, 150k veículos).

Métricas de Avaliação:

• Erro Médio Absoluto (MAE) e Raiz do Erro Quadrático Médio (RMSE) para a precisão da contagem.
• MAE Relativo (RMAE) para os cenários sintéticos.
• Preservação dos perfis temporais (procura bimodal) e dinâmicas espaciais (velocidade, ocupação).

4. Resultados Principais

• Configuração Ótima: O melhor desempenho foi alcançado com um intervalo de saltos de [1, 5] e um peso de regularização de $\alpha = 0.2$ utilizando a métrica de ocupação. Esta configuração equilibra a continuidade do fluxo com a similaridade de métricas.
• Precisão:
  • No cenário de Bruxelas, o método proposto reduziu o RMSE em aproximadamente 59% em comparação com tanto o posicionamento aleatório como a linha de base de maximização de diversidade QR-pivot.
  • Os conjuntos de dados aumentados preservaram com sucesso o perfil de procura diária bimodal e as dinâmicas de velocidade em toda a rede.
  • A maioria dos pares sensor-intervalo exibiu erros inferiores a 20 veículos por hora.
• Sensibilidade:
  • Expandir o intervalo de saltos (ex.: para [1, 10] ou [3, 10]) aumentou o erro, uma vez que a função de pontuação teve dificuldade em encontrar candidatos de alta qualidade a distâncias maiores.
  • A estratégia de calibração simfree geralmente apresentou erros mais baixos do que a simbased, sugerindo que a qualidade do modelo de tráfego de entrada é um pré-requisito para um aumento bem-sucedido.
• Comparação com Linhas de Base: O scoring baseado em similaridade proposto superou significativamente o posicionamento aleatório e as estratégias focadas em diversidade (QR-pivot), demonstrando que preservar as dinâmicas de tráfego é mais crítico do que maximizar a diversidade informacional para esta tarefa específica de aumento.

5. Significância e Alegações

O artigo afirma estabelecer uma metodologia para gerar observações de tráfego realistas, em vez de otimizar uma tarefa de previsão específica. As suas principais contribuições são:

1. Formulação de Tarefa de Substituição (Surrogate Task): Trata a geração de observação de sensores como uma tarefa de substituição ao nível da rede, exigindo que os dados gerados preservem as dinâmicas globais de tráfego, em vez de apenas interpolar localmente.
2. Aumento Baseado em Simulação: Aproveita modelos de simulação calibrados ou sintéticos para extrair dados de tráfego sem custo adicional, contornando a necessidade de dados históricos em locais não monitorizados.
3. Eficácia Heurística: A heurística proposta (combinando continuidade de contagem de curvas e similaridade de métricas) mostra-se mais eficaz do que estratégias de acaso ou de maximização de diversidade para estender a cobertura dos sensores.
4. Limitações e Escopo: Os autores declaram explicitamente que o método não corrige imprecisões no modelo de tráfego subjacente; a qualidade dos dados aumentados está limitada pela qualidade do modelo de simulação de entrada. Além disso, reconhecem que o processo de aumento não introduz nova informação do mundo real, mas torna o estado da rede inferido a partir de um modelo calibrado num conjunto de dados mais rico disponível.

O artigo conclui que esta abordagem fornece uma forma computacionalmente leve e reprodutível de estender a cobertura dos sensores, servindo como um ativo fundamental para aplicações futuras em previsão e controlo de tráfego, desde que o modelo de simulação de entrada seja suficientemente calibrado.