Aplicação de Árvore de Decisão e Métodos de Precificação em Negociações entre Agentes em um Estacionamento Inteligente

• Alexandre L. L. Mellado UTFPR
• Gleifer Vaz Alves UTFPR
• André Pinz Borges UTFPR

Resumo

Este artigo propõe uma extensão de um sistema multi-agente, desenvolvido em JaCaMo, em que motoristas deliberam sobre o preço de vaga determinado por um gerente utilizando um módulo de precificação dinâmico. Neste trabalho foram implementados seis gerentes, os quais utilizam diferentes métodos de precificação. A motivação deste trabalho é a representação do problema de negociação das vagas entre agentes utilizando árvores de decisão para determinar aprovação de ofertas e ainda definir perfis dos gerentes envolvidos. Três gerentes empregam respectivamente, uma árvore estática, uma iterativa e uma combinação de árvore iterativa e módulo modificado. Outros três gerentes aplicam preços de forma estática, referente ao tipo de veículo e usando o módulo modificado. Após as simulações dos gerentes em diferentes cenários é possível determinar que alterar o preço de acordo com o tipo do veículo gera mais créditos para o estacionamento, seguido pelos métodos de árvores de decisão. E as soluções baseadas apenas no módulo e no preço estático geram a menor quantidade de créditos.

Referências

Biship, C. M. (2007). Pattern recognition and machine learning (information science and statistics).

Boissier, O., Bordini, R. H., Hübner, J. F., Ricci, A., and Santi, A. (2013). Multi-agent oriented programming with jacamo. Science of Computer Programming, 78(6):747–761.

Di Nocera, D., Di Napoli, C., and Rossi, S. (2014). A social-aware smart parking application. In WOA.

Eibe, F., Hall, M. A., and Witten, I. H. (2016). The weka workbench. online appendix for data mining: practical machine learning tools and techniques. In Morgan Kaufmann. Morgan Kaufmann Publishers.

Fischer, M., Heim, D., Hofmann, A., Janiesch, C., Klima, C., and Winkelmann, A. (2020). A taxonomy and archetypes of smart services for smart living. Electronic Markets, 30(1):131–149.

Hasker, K. and Inci, E. (2014). Free parking for all in shopping malls. International Economic Review, 55(4):1281–1304.

Jakle, J. A., Jakle, J. A., Sculle, K. A., and Sculle, K. A. (2004). Lots of parking: Land use in a car culture. University of Virginia Press.

Kakkar, R., Alzubi, J., Dua, A., Agrawal, S., Tanwar, S., Agrawal, R., Sharma, G., Bokoro, P. N., and Sharma, R. (2022). Padaav: Blockchain-based parking price prediction scheme for sustainable traffic management. IEEE Access, 10:50125–50136.

Mellado, A. L. L., Alves, G. V., Leitão, P., and Borges, A. P. (2021). Um módulo de precificação dinâmica em sistema multiagente de um estacionamento inteligente. Revista Eletrônica de Iniciação Científica em Computação, 19(1).

Pozo, R. F., González, A. B. R., Wilby, M. R., Díaz, J. J. V., and Matesanz, M. V. (2021). Prediction of on-street parking level of service based on random undersampling decision trees. IEEE Transactions on Intelligent Transportation Systems.

Sammut, C. and Webb, G. I. (2011). Encyclopedia of machine learning. Springer Science & Business Media.

Shoup, D. C. (2021). The high cost of free parking. Routledge.

Wang, P. and Govindarasu, M. (2020). Multi-agent based attack-resilient system integrity protection for smart grid. IEEE Transactions on Smart Grid, 11(4):3447–3456.

Wooldridge, M. (2009). An introduction to multiagent systems. John Wiley & Sons.