MODELAGEM COMPORTAMENTAL PARA AGENTES AUTNOMOS EM AMBIENTE REAIS

Claudio Antonio da Silva

TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAO DO PROGRAMA DE PS-GRADUAO EM ENGENHARIA DE COMPUTAO REA DE CONCENTRAO GEOMTICA MESTRADO DA FACULDADE DE ENGENHARIA DA UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO COMO PARTE DOS REQUISITOS NECESSRIOS PARA A OBTENO DO GRAU DE MESTRE EM ENGENHARIA DE COMPUTAO REA DE CONCENTRAO GEOMTICA.

Aprovada por:

______________________________________________ Oscar Luiz Monteiro de Farias, D.Sc.

______________________________________________ Roberto de Beauclair Seixas, D.Sc.

______________________________________________ Orlando Bernardo Filho, D.Sc.

______________________________________________ Marcelo Tlio Monteiro de Carvalho, D.Sc.

RIO DE JANEIRO, RJ BRASIL SETEMBRO DE 2003

SILVA, CLAUDIO ANTONIO DA Modelagem Comportamental para

Agentes Autnomos em Ambientes Reais [Rio de Janeiro] 2003 X, 85 p. 29,7 cm (FEN/UERJ, M.Sc., Engenharia da Computao rea de

Concentrao Geomtica, (2003)) Tese Universidade do Estado do Rio de Janeiro UERJ 1. Agentes Autnomos 2. SIG I. FEN/UERJ II. Ttulo (srie)

II

Em memria de meu pai.

III

Os meus sinceros agradecimentos: a minha me, paraibana arretada, por me ensinar a arte de balanar sem cair diante das adversidades. a magrela, minha namorada, pela compreenso. a Roberto de Beauclair Seixas a minha eterna gratido pelos ensinamentos que moldaram a minha maneira de pensar e transformaram minha vida profissional. ao Prof. Bin Jiang, da Universidade de Gvle na Sucia, pela valiosa cooperao no desenvolvimento do estudo de caso urbano. ao Prof. Oscar Luiz Monteiro de Farias pelo apoio em mais esta empreitada. a Marcelo Tlio Monteiro de Carvalho pela confiana e considerao. ao Corpo de Fuzileiros Navais do Centro de Instruo Sylvio de Camargo pelas informaes fornecidas para o desenvolvimento do estudo de caso militar. aos colegas do grupo de GIS do laboratrio Tecgraf da PUC-Rio por oferecerem um ambiente de trabalho descontrado, o que aliviou a tenso de alguns momentos. a FAPERJ pela ajuda financeira atravs da bolsa concedida.

IV

Resumo da tese apresentada FEN/UERJ como parte dos requisitos necessrios para a obteno do grau de Mestre em Cincias ( M.Sc.)

MODELAGEM COMPORTAMENTAL PARA AGENTES AUTNOMOS EM AMBIENTES REAIS

Claudio Antonio da Silva

Setembro/2003

Orientadores: Oscar Luiz Monteiro de Farias Roberto de Beauclair Seixas

: Programa de Ps-Graduao em Engenharia de Computao rea de Concentrao Geomtica Mestrado

Este trabalho apresenta uma modelagem de comportamentos de manobra para agentes autnomos simularem a movimentao de soldados em um terreno, baseada em algumas regras simplificadas de combate, e de pedestres em uma regio urbana, baseada em alguns resultados empricos da literatura. Como a movimentao de soldados e de pedestres ocorre em ambientes reais (regies do espao geogrfico), propomos a integrao do modelo de agentes com os Sistemas de Informao Geogrfica (SIGs) porque estes sistemas possuem um conjunto de ferramentas especficas para criar e gerenciar representaes precisas do espao geogrfico. So raras as aplicaes que efetivamente implementam essa integrao. Assim, como contribuio, desenvolvemos dois prottipos que permitem a utilizao de dados de SIGs para simular as situaes abordadas. Para isso, foi especificada uma

arquitetura para construo de sistemas baseados em agentes.

Abstract of Thesis presented to FEN/UERJ as a partial fulfillment of the requirements for the degree of Master of Science (M.Sc.)

BEHAVIORAL MODELING FOR AUTONOMOUS AGENTS IN REAL ENVIRONMENTS

Claudio Antonio da Silva

September/2003

Advisors: Oscar Luiz Monteiro de Farias Roberto de Beauclair Seixas

Program Computing Engineering Geomatic

This work presents a steering behavioral modeling for autonomous agents to simulate soldiers moving around a terrain, based in some simplified warfare rules, and pedestrians walking in a urban region, based in some empirical results from literature. Once the movement of soldiers and pedestrians occurs in real environments (regions in the geographical space), we propose the integration between the agent s model and Geographical Information Systems (GIS) because these systems contains specific tools to manage and create precise representations for the geographical space. There are a little number of applications that effectively implement this integration. Then, as contribution we developed two prototypes that allow us to use GIS data to simulate the situations mentioned above. develop agent based systems. Hence, we specified an architecture to

VI

NDICE 1 INTRODUO......................................................................................................................... 1 2 AGENTES................................................................................................................................. 4 2.1 MODELO DE AGENTES ........................................................................................................... 5 2.1.1 Estado Interno............................................................................................................... 6 2.1.2 Percepo ..................................................................................................................... 7 2.1.3 Modelagem Comportamental....................................................................................... 11
2.1.3.1 Comportamentos Genricos.................................................................................................11

2.2 AGENTES X A UTMATOS CELULARES .................................................................................. 13 3 AMBIENTE DE SIMULAO.............................................................................................. 15 3.1 AMBIENTES REAIS ............................................................................................................... 15 3.2 INTEGRAO ENTRE AGENTES E SIGS .................................................................................. 16 3.3 MODELO DO A MBIENTE ....................................................................................................... 17 4 ARQUITETURA PARA CONSTRUO DOS PROTTIPOS........................................... 19 5 ESTUDO DE CASOS.............................................................................................................. 23 5.1 CASO MILITAR .................................................................................................................... 23 5.1.1 Poder de combate........................................................................................................ 24 5.1.2 Engajamento ............................................................................................................... 27 5.1.3 Clculo dos Danos ...................................................................................................... 28 5.1.4 Plano Ttico................................................................................................................ 30
5.1.4.1 Ocorrncia de situaes simultneas ....................................................................................34

5.1.5 Modelagem Comportamental....................................................................................... 35

5.1.5.1 Aes no previstas no plano (Patrulha)...............................................................................36 5.1.5.2 Aes do Plano...................................................................................................................37

5.1.6 Ambiente ..................................................................................................................... 41

5.1.6.1 Terreno e Mobilidade..........................................................................................................41 5.1.6.2 Terreno e Acuidade Visual ..................................................................................................43

5.1.7 Prottipo Militar ......................................................................................................... 46 5.2 CASO URBANO .................................................................................................................... 49 5.2.1 Caractersticas do Movimento de Pedestres ................................................................. 50
5.2.1.1 rea de Conforto ................................................................................................................50 5.2.1.2 Resistncia para tomar direo oposta..................................................................................51 5.2.1.3 Formao de Filas...............................................................................................................52

5.2.2 Fatores que Influenciam o Movimento de Pedestres ..................................................... 53

5.2.2.1 Atividades e Necessidades ..................................................................................................54 5.2.2.2 Atraes .............................................................................................................................55 5.2.2.3 rea de Influncia das Atraes ..........................................................................................57

VII

5.2.3 Planejamento de Caminhos.......................................................................................... 62 5.2.4 Modelagem Comportamental....................................................................................... 63

5.2.4.1 Seguir Caminho ..................................................................................................................64 5.2.4.2 Evitar Coliso .....................................................................................................................64

5.2.5 Ambiente ..................................................................................................................... 65 5.2.6 Prottipo Urbano ........................................................................................................ 67 6 RESULTADOS ....................................................................................................................... 69 6.1 CASO MILITAR: COERNCIA DO MODELO DE ATRITO............................................................ 69 6.2 CASO MILITAR: DETECO DE INIMIGO ............................................................................... 71 6.3 CASO URBANO: FORMAO DE FAIXAS PREFERENCIAIS ........................................................ 74 6.4 CASO URBANO: TRATAMENTO DE COLISES ......................................................................... 76 7 CONCLUSES....................................................................................................................... 78 8 TRABALHOS FUTUROS ...................................................................................................... 81 9 REFERNCIAS ...................................................................................................................... 83

VIII

NDICE DE FIGURAS

Figura 1. Modelo de Agentes. ......................................................................................6 Figura 2. ngulo entre o vetor deslocamento e o eixo Y. .............................................7 Figura 3. Modelo cardioidal e a simplificao adotada. ................................................8 Figura 4. Simplificao do modelo cardioidal. .............................................................9 Figura 5. Clculo de visibilidade..................................................................................9 Figura 6. Agentes no esto visveis entre si. .............................................................10 Figura 7. Agente 1 est visvel para o Agente 2..........................................................10 Figura 8. Clculo do vetor para comportamento Retroceder.......................................12 Figura 9. Clculo do vetor para comportamento Evitar Coliso. ................................13 Figura 10. Representaes vetorial e matricial............................................................18 Figura 11. Arquitetura baseada em 3 camadas............................................................20 Figura 12. Fluxograma de execuo...........................................................................21 Figura 13. Poder de combate de um peloto e de uma companhia ..............................26 Figura 14. Agente com poder de combate e campo visual. .........................................27 Figura 15. Atrito entre oponentes com grande diferena de poder de combate............30 Figura 16. Atrito entre oponentes com pequena diferena de poder de combate. ........30 Figura 17. Plano ttico. ..............................................................................................31 Figura 18. Clculo do evento Possibilidade de Engajamento...................................34 Figura 19. Prioridade das situaes. ...........................................................................35 Figura 20. Percurso de Patrulha..................................................................................36 Figura 21. Modelo de Elevaes do terreno ...............................................................43 Figura 22. Trafegabilidade do terreno ........................................................................43 Figura 23. Terreno no obstruiu a linha de viso. .......................................................45 Figura 24. Terreno obstruiu a linha de viso...............................................................46 Figura 25. Interface do prottipo................................................................................48 Figura 26. Agente com sua rea de conforto e campo visual.......................................51 Figura 27. Formao de filas......................................................................................52 Figura 28. Formao de faixas preferenciais. .............................................................53 Figura 29. Diagrama de Voronoi................................................................................58 Figura 30. Grid com atraes....................................................................................60 Figura 31. Iteraes para gerar as reas de influncia. ................................................60 Figura 32. Simplificao para o Diagrama de Voronoi. ..............................................61

IX

Figura 33. Distncia entre pedestre e duas atraes. ...................................................61 Figura 34. Percurso do pedestre at as atraes. .........................................................62 Figura 35. Campo visual e rea de coliso..................................................................65 Figura 36. Imagem area............................................................................................66 Figura 37. Imagem area com ruas destacadas. ..........................................................66 Figura 38. Imagem area com quadras destacadas......................................................67 Figura 39. Interface do prottipo................................................................................68 Figura 40. Elemento atacando duas patrulhas de defesa..............................................70 Figura 41. Evoluo do engajamento entre os elementos............................................70 Figura 42. Elemento de combate de ataque prximo de patrulhas de defesa. ..............71 Figura 43. Patrulha de defesa percebe oponente. ........................................................72 Figura 44. Patrulha de defesa perseguindo oponente. .................................................72 Figura 45. Segunda patrulha percebe situao de Alerta Inimigo................................73 Figura 46. Engajamento entre os elementos. ..............................................................73 Figura 47. Elementos voltando patrulha, aps a eliminao do oponente. ................74 Figura 48. Agentes se deslocando por uma rua...........................................................75 Figura 49. Faixa com agentes se deslocando de cima para baixo. ...............................75 Figura 50. Faixa com agentes se deslocando de baixo para cima. ...............................76 Figura 51. Aglomerao de agentes em uma rua. .......................................................77 Figura 52. Trajeto de um agente evitando colises. ....................................................77

Introduo
A abordagem descentralizada tem sido muito utilizada para a simulao de sistemas

complexos.

Esta abordagem prope que o comportamento complexo de alguns A tendncia para

sistemas decorrente das interaes entre seus componentes.

assumir a existncia de um controle central, subjacente aos sistemas, torna difcil o entendimento de muitos fenmenos ao nosso redor. A resistncia abordagem

descentralizada decorrente de um hbito Newtoniano de pensar, cujo foco est no comportamento global do sistema e no considera a ao de seus componentes. Enquanto a abordagem Newtoniana utiliza macro-modelos, para reproduzir o comportamento observvel dos sistemas, a descentralizada introduz o conceito de micro-simulao. Este mtodo consiste em construir modelos microscpicos (ao nvel dos componentes) com a capacidade de reproduzir as leis macroscpicas do sistema, atravs da simulao de cada componente individualmente, quando interagem entre si (Claramunt & Jiang 2001). Para a criao desses modelos individuais, de modo que possam simular os componentes de um sistema, torna-se necessrio alguma tcnica ou tecnologia. Em geral, as alternativas so os autmatos celulares ou os agentes autnomos. Por razes que sero abordadas posteriormente (na seo 2.3), utilizou-se o conceito de agentes autnomos para modelar os casos estudados neste trabalho. O termo agentes autnomos relativamente recente e surgiu dos estudos na rea de Inteligncia Artificial (Wooldridge 1995). Existem diferentes e at conflitantes

definies para o termo, conforme pode ser conferido em (Ingham 1997). Segundo Maes (1995), agentes so sistemas computacionais inseridos em ambientes complexos e/ou dinmicos, que tm a capacidade de perceber e agir de modo autnomo, para atingir objetivos ou executar tarefas para os quais tenham sido modelados. O termo ambiente refere-se a uma representao do sistema sendo

estudado, onde os agentes so simulados. Um modelo baseado em agentes consiste na criao de uma populao de agentes, com capacidade de percepo e ao similar aos componentes simulados. Para que os agentes possam agir, como se fossem os prprios componentes de um sistema, deve-se dot-los de comportamentos (regras que definem suas possveis aes). Isto feito atravs da modelagem de comportamentos, que consiste em analisar os componentes de um sistema e extrair as suas principais caractersticas para que possam ser 1

incorporadas nos respectivos agentes. Desta forma, a modelagem de comportamentos uma etapa fundamental na criao de um modelo baseado em agentes. A validade da modelagem baseada em agentes ilustrada em (Reynolds 1987), que apresenta um modelo para a simulao do movimento de bandos, manadas e cardumes. Naquele trabalho, Reynolds (1987) conseguiu reproduzir o comportamento de bando, observvel em algumas espcies de pssaros, para um conjunto de Boids (denominao dada ao modelo individual de pssaro), sem que no modelo houvesse uma regra explcita para que esses Boids se agrupassem e se comportassem como um bando. Embora o conceito de agentes seja abrangente e possa ser empregado em vrios campos de pesquisa, existem poucas aplicaes no estudo de fenmenos antrpicos (fenmenos relacionados com a ao humana, como por exemplo o trfego de pedestres e os confrontos militares), utilizando dados reais para representar o ambiente. Para isso, fundamental a integrao do modelo de agentes com os Sistemas de Informao Geogrfica (SIG). A utilizao de dados reais georeferenciados de um SIG permite uma representao para o ambiente mais prxima da realidade. Alm disso, a integrao de agentes e SIGs pode ser til no monitoramento e previso das transformaes no espao geogrfico. No entanto, devido s implicaes desta

abordagem (agentes em ambiente reais) no serem de fcil soluo, so raras as aplicaes que efetivamente implementam essa integrao. Este trabalho apresenta uma modelagem de comportamentos de manobra para agentes autnomos simularem a movimentao de soldados em um terreno, baseada em algumas regras simplificadas de combate, e de pedestres em uma regio urbana, baseada em alguns resultados empricos da literatura. Com a finalidade de ilustrar a modelagem proposta, desenvolveu-se dois prottipos que permitem a utilizao de dados de SIGs para simular a movimentao de soldados e pedestres. Entretanto, para possibilitar o desenvolvimento dos prottipos, foi

necessrio especificar uma arquitetura que atendesse aos requisitos de software baseado em agentes. O trabalho est organizado da seguinte maneira: o captulo 2 apresenta os

principais conceitos relacionados com agentes e o modelo adotado neste trabalho; o captulo 3 apresenta o ambiente de simulao e a integrao com SIGs; o captulo 4 apresenta a arquitetura adotada para implementar os estudos de caso; o captulo 5 apresenta o estudo de casos e expande as idias iniciais do modelo de agentes e do 2

ambiente; o captulo 6 apresenta alguns resultados obtidos nas simulaes; o captulo 7 apresenta algumas concluses e o captulo 8 aponta algumas direes que podem ser exploradas futuramente a partir deste trabalho.

Agentes
O conceito de agentes autnomos relativamente recente e surgiu dos estudos na

rea de Inteligncia Artificial (IA) (Wooldridge 1995). A abordagem de agentes em IA costuma ser complexa, devido ao foco que dado ao problema de reproduzir aspectos da inteligncia humana, tais como: raciocnio lgico, aprendizado e capacidade de planejamento. A dificuldade para a soluo destes problemas permitiu o surgimento de abordagens alternativas para a utilizao de agentes. Destacam-se os trabalhos de Brooks (1990) (1991), que defendem a idia de que os agentes podem exibir um comportamento inteligente, sem que necessariamente utilizem representaes simblicas explcitas de conhecimento e mecanismos de raciocnio lgico, tal como suposto em IA. Estes trabalhos sugerem que se deve tomar os animais como exemplo, porque, embora no sejam dotados de mecanismos complexos de raciocnio, exibem padres de comportamento inteligentes para sobreviverem. Pode-se encontrar vrias definies para o termo agentes autnomos, inclusive algumas conflitantes. Em (Ingham 1997), apresentada uma definio baseada na discusso dos conceitos adotados em vrios trabalhos da rea de software baseado em agentes. Adotou-se, neste trabalho, a definio de Maes (1995), que diz: agentes so sistemas computacionais inseridos em ambientes complexos e/ou dinmicos, que tm a capacidade de perceber e agir de modo autnomo para atingir objetivos ou executar tarefas para os quais tenham sido modelados. Esta definio, assim como outras, ampla o suficiente para permitir a utilizao de agentes em vrias reas da cincia. Da, surgem vrios tipos de agentes. O tipo do agente est relacionado com as caractersticas que este possui. Assim, para citar alguns exemplos, podemos ter os agentes mveis (Mobile Agents), que tm a capacidade de trafegar por uma rede de computadores, atuando como negociadores em mercados virtuais ou como exploradores de bases de dados distribudas, e os agentes de interface (Interface Agents), cuja finalidade assistir aos usurios na utilizao de determinados programas (software). Nem sempre os agentes, em funo de suas caractersticas, possuem uma denominao especfica, tal qual os exemplos apresentados. Neste trabalho, sero abordados agentes cuja caracterstica simular pessoas se movimentando no espao geogrfico. Tais agentes podem ser encontrados com a denominao de Agentes 4

Espaciais Mveis (Spatial Agents ou, ainda, Spatially Explicit Mobile Agents) mas isso no uma regra. 2.1 Modelo de Agentes

Utilizando a abordagem descentralizada, possvel simular a movimentao de pessoas no espao geogrfico, a partir de um modelo que seja capaz de reproduzir o movimento de uma s pessoa (modelo individual). Segundo esta abordagem, os

padres (ou efeitos) observados na movimentao de vrias pessoas, podem ser entendidos como o resultado das decises tomadas por cada pessoa em decorrncia da proximidade entre elas e do ambiente em que estejam localizadas. Desta forma, a compreenso do indivduo se torna muito importante para entender o funcionamento do movimento como um todo. Para a construo destes modelos individuais empregam-se as tcnicas de autmatos celulares ou de agentes autnomos. Existem vrios exemplos de modelos

computacionais baseados na tcnica de autmatos celulares. Entretanto, conforme ser explicado na seo 2.3, o modelo proposto neste trabalho fundamenta-se na tcnica de agentes autnomos, ou seja, cada modelo individual ser baseado em agentes. Um modelo baseado em agentes consiste na criao de uma populao de agentes, capazes de reproduzir as caractersticas do componente que estiver sendo simulado. Neste trabalho, o componente que ser simulado constitui pessoas e a caracterstica que busca-se poder simular a movimentao dessas pessoas. Este trabalho abordar a movimentao de pessoas em situaes bastante distintas, a saber: soldados em confrontos militares e pedestres em centros urbanos. A princpio, poderia-se prever a necessidade de definir dois modelos de agentes, um para cada situao, uma vez que as caractersticas de movimentao de um soldado so diferentes de um pedestre. Entretanto, a caracterstica que est sob investigao comum nas duas situaes: a movimentao no espao geogrfico. Com isso, foi possvel definir um modelo de agentes genrico, onde foram incorporados os componentes bsicos para tornar os agentes capazes de se movimentarem em um ambiente. Para atender s especificidades das situaes militar e urbana, o modelo proposto foi expandido posteriormente. Assim, esta seo descreve o modelo genrico com seus componentes e o captulo 5 apresenta as adaptaes que foram necessrias para que o modelo atendesse s situaes militar e urbana.

De um modo geral, para que os agentes possam realizar seus movimentos, de forma objetiva e livre de colises, faz-se necessrio dot-los de mecanismos para perceber o ambiente e para realizar aes (especificamente manobras em seu movimento). Alm destes mecanismos, o modelo deve permitir que os agentes possam ter algumas propriedades para indicar seu estado atual (fome, cansao, etc.) na simulao. A Figura 1 ilustra o modelo proposto, indicando seus componentes e o fluxo de informaes entre eles. detalhadamente. Nas prximas sees, cada componente ser discutido

Estado Interno

Percepo

Comportamentos

Figura 1. Modelo de Agentes.

2.1.1 Estado Interno O estado interno onde so armazenadas as propriedades dos agentes relacionadas com seus objetivos, motivaes e situao atual. Estas propriedades so definidas em decorrncia das caractersticas que se deseje incorporar aos agentes. Inicialmente, considerou-se apenas as caractersticas relacionadas com a movimentao das pessoas. O estado interno pode ser interpretado como a mente do agente. Assim, foram definidos um conjunto de propriedades que permitem descrever o movimento dos agentes. Na tabela a seguir, estas propriedades so apresentadas

acompanhadas de sua descrio.

Propriedade Orientao ngulo Mximo de Giro

Descrio Armazena o ngulo de orientao do agente. Armazena o desvio angular mximo que o agente pode efetuar entre ciclos consecutivos da simulao.

Velocidade Mxima Velocidade Instantnea Posio Objetivo

Armazena a velocidade mxima que o agente pode atingir. Armazena a velocidade atual do agente. Armazena a coordenada atual do agente no ambiente. Define um vetor na direo do objetivo do agente.

importante salientar, que os ngulos armazenados nas propriedades Orientao e ngulo Mximo de Giro so definidos em relao a um eixo vertical imaginrio que passa pela posio do agente, conforme mostra a Figura 2.

Eixo Y Deslocamento

Agente

Figura 2. ngulo entre o vetor deslocamento e o eixo Y.

As propriedades do estado interno podem ser alteradas em funo do que percebido no ambiente e da interao com outros agentes. 2.1.2 Percepo Para que os agentes possam navegar pelo ambiente de modo autnomo, evitando colises e decidindo qual ao adotar a cada momento, necessrio que eles sejam capazes de perceber o ambiente no qual estejam inseridos. Uma ao somente pode ser executada pelo agente aps uma anlise da situao ao seu redor. Embora o termo percepo esteja associado ao recebimento de informaes atravs dos cinco sentidos humanos, ao modelar-se agentes, o mecanismo de percepo 7

geralmente se resume a implementao de uma viso sinttica, isto , uma construo geomtrica que possa ser utilizada para obter as informaes desejadas do ambiente. Adotou-se uma viso sinttica baseada em uma simplificao do modelo cardioidal, que utilizado para representar o campo visual humano. O modelo cardioidal sugere que a viso humana tem um alcance mximo frontal, que se reduz lateralmente at um ponto cego atrs da cabea. A Figura 3 mostra a curva cardiide e a simplificao adotada.

Figura 3. Modelo cardioidal e a simplificao adotada.

A simplificao consiste em utilizar um crculo para representar o campo visual e posicionar o agente no coincidente (afastado de metade do raio) com o centro deste crculo. O raio do crculo define o alcance da viso. Utilizou-se essa simplificao porque a complexidade geomtrica da cardiide poderia tornar os clculos de visibilidade complexos e, com isso, comprometer a performance das implementaes. A Figura 4 mostra como o modelo simplificado construdo.

R/2 Agente R

Orientao

Figura 4. Simplificao do modelo cardioidal.

De um modo geral, o clculo de visibilidade consiste em determinar quais elementos (agentes ou objetos) esto no interior do campo de viso de cada um dos agentes. Para tanto, calcula-se a distncia entre os elementos do ambiente e o centro do campo visual dos agentes. Quando a distncia entre um elemento e o centro do campo visual de um agente for menor ou igual ao raio daquele crculo, diz-se que o agente pode ver o elemento. A Figura 5 ilustra o que foi dito. Nesta Figura, verificase que o objeto OBJ2 est visvel para o agente, porque a distncia d2 menor do que o raio do campo visual, enquanto que o objeto OBJ1 no est visvel, porque a distncia d1 maior que o raio do campo visual.

OBJ1

d1

d2 OBJ2

Figura 5. Clculo de visibilidade.

 importante observar que o centro do crculo utilizado apenas para calcular a visibilidade. A posio real do agente determinada deslocando-se, a partir do centro do circulo, ao longo da reta que define a orientao de movimento, at uma posio que est afastada de metade do raio do crculo. Esta observao necessria para evitar confuso quando houver clculo de visibilidade entre agentes conforme mostram as Figuras a seguir. Na Figura 6, o agente 1 no est visvel para o agente 2. A Figura 7 ilustra o agente 1 visvel para o agente 2. importante salientar que neste ponto do trabalho, ainda no estamos considerando a interferncia que o ambiente pode oferecer no clculo de visibilidade.

R/2 Agente 1 R/2

Agente 2

Figura 6. Agentes no esto visveis entre si.

R/2 Agente 1

R/2

Agente 2

Figura 7. Agente 1 est visvel para o Agente 2.

10

2.1.3 Modelagem Comportamental O mecanismo de ao autnoma dos agentes implementado atravs de comportamentos. Os comportamentos definem como os agentes devem agir e/ou Assim, a modelagem de

reagir para realizar determinadas tarefas no ambiente.

comportamentos uma das etapas mais importantes no desenvolvimento de um sistema baseado em agentes. A modelagem de comportamentos consiste na

identificao e anlise das aes que sero reproduzidas pelos agentes. Um primeiro estgio desta pesquisa (simular a movimentao de soldados e pedestres) simplesmente tornar os agentes capazes de se movimentarem por um ambiente. Esta movimentao implica na realizao de aes, que permitam ao agente efetuar seu deslocamento desviando-se de objetos e de outros agentes e, ainda, direcionando-se para seus objetivos. Para este fim, utiliza-se uma classe de

comportamentos, ditos de manobra (Steering Behaviors), cuja finalidade determinar desvios no movimento dos agentes de modo que seus objetivos possam ser atingidos. importante compreender que a modelagem de comportamentos dependente do fenmeno que estiver sendo simulado. Por exemplo, um modelo de comportamentos para simular a movimentao de soldados dificilmente ser adequado para simular o movimento de pedestres. Entretanto, pode-se definir um conjunto de comportamentos genricos que podem ser utilizados independentemente do fenmeno sendo simulado. Estes

comportamentos genricos definem aes bsicas (tais como: ir at uma determinada localizao, seguir um caminho especificado, etc.) e podem ser associados para a criao de outros comportamentos mais complexos e especficos para determinados fenmenos. 2.1.3.1 Comportamentos Genricos Em (Reynolds 1999) so apresentados vrios comportamentos de manobra com carter genrico. Os comportamentos de manobra so definidos a partir do clculo geomtrico de um vetor que somado ao vetor de orientao atual do agente, para produzir uma determinada manobra. Para ilustrar o que foi dito, a Figura 8 mostra como calculada a manobra para o comportamento Retroceder (Flee), cuja finalidade afastar o agente de determinada posio do ambiente. Nesta Figura, pode-se notar um agente, representado por um tringulo, e uma cruz nas proximidades do agente, que representa uma posio no 11

ambiente do qual o agente deve manter-se afastado. Com isso, afastar-se da posio marcada pela cruz constitui o objetivo do agente, que pode ser representado vetorialmente conforme indicado pelo vetor Objetivo (orientado em sentido oposto ao da posio). O sentido de movimento do agente est representado pelo vetor Assim, o comportamento Retroceder definido pelo vetor

Orientao Atual.

Manobra, que ao ser adicionado ao vetor Orientao Atual, faz com que o agente mova-se orientado segundo o vetor Objetivo.

Manobra (Retroceder) Orientao Atual Objetivo

Posio do qual o agente quer manter-se afastado

Figura 8. Clculo do vetor para comportamento Retroceder.

Embora Reynolds (1999) proponha vrios comportamentos de manobra em seu trabalho, para os propsitos deste trabalho so suficientes os seguintes: Atingir Posio (Seek), Retroceder (Flee), Perseguir (Pursuit), Seguir Caminho (Path Follow) e Evitar Coliso (Obstacle Avoidance). O comportamento Atingir Posio determina as manobras necessrias para que o agente atinja uma determinada posio no ambiente. O comportamento Retroceder, conforme j foi mencionado, determina as manobras que o agente deve efetuar para afastar-se de uma determinada posio no ambiente. O comportamento Perseguir determina as manobras necessrias para que o agente possa perseguir um outro agente. O comportamento Seguir Caminho determina as manobras que o agente deve efetuar para deslocar-se segundo uma caminho predefinido. O comportamento Evitar coliso requer que uma rea retangular seja acoplada ao agente, para detectar se algum obstculo no ambiente oferece a possibilidade de 12

coliso. Esta rea retangular pode ser interpretada como um mecanismo de percepo especfico para o tratamento de colises. Quando houver a possibilidade de coliso com um obstculo, calcula-se a manobra necessria para que o agente desvie e evite a coliso. Este desvio obtido atravs do vetor que o inverso da projeo do vetor direcionado para o obstculo, em um eixo perpendicular orientao de movimento do agente. A Figura 9 ilustra o que foi dito.

Orientao Atual

Retngulo de deteco

Obstculo

Vetor direcionado p/ obstculo

Manobra (Evitar Coliso)

Vetor Projetado

Figura 9. Clculo do vetor para comportamento Evitar Coliso.

Conforme poder ser verificado no captulo 5, onde so discutidos os casos abordados, a utilizao destes comportamentos facilitou a tarefa de implementao dos comportamentos militares e urbanos. 2.2 Agentes x Autmatos Celulares

Os Autmatos Celulares so modelos matemticos simplificados que permitem a simulao de alguns sistemas. Eles so constitudos de uma malha, ou reticulado, de clulas idnticas e discretas, onde cada clula tem um valor associado, ou lista de valores, sobre um conjunto finito, por exemplo, de valores inteiros. Os valores das

13

clulas evoluem em intervalos de tempo discretos de acordo com regras determinsticas que especificam os novos valores das clulas em funo dos valores de suas clulas vizinhas (Aguiar & Costa 2001). Atravs da definio de Autmatos Celulares, observa-se que o modelo dependente de uma representao matricial para o ambiente. Entretanto, conforme ser visto no captulo 3, os dados dos SIGs so predominantemente vetoriais, para uma ampla gama de aplicaes, e a representao matricial possui algumas restries quanto a preciso para representao dos objetos do espao geogrfico. A simulao da movimentao de pessoas pode apresentar movimentos menos realistas (segundo degraus de escada), caso a matriz que representa o ambiente no possua uma resoluo adequada (Therakomen 2001). Alm disso, alguns dos clculos utilizados na simulao seriam mais complexos de implementar no ambiente matricial do que em um ambiente contnuo. Podemos citar como exemplo, o clculo de relaes topolgicas entre os elementos do modelo. A abordagem por Autmatos Celulares j foi bastante utilizada para a construo de modelos, inclusive para a simulao de pedestres. Em contrapartida, o conceito de Agentes Autnomos recente e ainda foi pouco explorado para a simulao de muitos fenmenos. Diante destes fatos, resolveu-se adotar o conceito de agentes, para a construo dos modelos a serem estudados no captulo 5.

14

Ambiente de Simulao
O ambiente de simulao o espao para movimentao e interao dos agentes.

importante lembrar que os agentes, neste trabalho, correspondem as pessoas em uma determinada regio geogrfica. Assim, a definio do ambiente consiste em selecionar os objetos (naturais, como um rio, e/ou construdos, como uma casa), que sejam relevantes para reproduzir a regio geogrfica de interesse e para o estudo do fenmeno em questo. Alm disso, deve-se especificar uma representao para estes objetos. O objetivo da definio do ambiente criar um modelo do espao onde o fenmeno de interesse ocorre. A seleo dos objetos da regio est relacionada com os objetivos da simulao porque os agentes tambm interagem com eles. Por exemplo, na simulao para estudar a movimentao de pedestres em um centro urbano precisa-se selecionar, no mnimo, a informao sobre as ruas para definir o ambiente onde os agentes iro trafegar. A partir da, outras informaes devero ser criteriosamente selecionadas, porque um ambiente repleto de objetos desnecessrios poder dificultar a anlise dos resultados e reduzir a performance da simulao. A representao dos objetos selecionados deve levar em considerao as caractersticas do modelo de agentes adotado, isto , os agentes tm de ser capazes de interagir com a representao escolhida. A utilizao de uma representao

inadequada pode resultar na necessidade de estruturas complexas para armazenar as informaes do ambiente, alm de exigir alteraes na implementao da modelagem dos comportamentos. Em (Reese 1999), so apresentadas algumas observaes com relao importncia da representao dos objetos e suas implicaes. O objetivo desta pesquisa estudar alguns fenmenos antrpicos a partir de uma definio precisa e detalhada do ambiente em que eles ocorrem. Para isso, dados referidos geograficamente, oriundos de Sistemas de Informao Geogrfica (SIGs), foram utilizados. 3.1 Ambientes Reais

Embora existam vrios estudos de fenmenos antrpicos utilizando sistemas baseados em agentes, ainda so poucos os exemplos que empregam dados reais para definir o ambiente de simulao. Neste contexto, entende-se por dados reais, dados que preservam o posicionamento, comprimento e forma dos objetos da regio 15

geogrfica de interesse. Denomina-se ambientes reais definio do ambiente de simulao utilizando dados reais. A obteno de dados reais pode ser feita a partir de levantamento de campo ou de repositrios pr-existentes. O processo de levantamento envolve um alto custo porque requer instrumentos e procedimentos especficos e, alm disso, demanda tempo. Por outro lado, a utilizao de repositrios pr-existentes requer a decodificao do formato no qual os dados foram armazenados. Como o processo de levantamento foge do escopo deste trabalho, optou-se pela utilizao de repositrios pr-existentes de dados reais, mesmo com a restrio do formato de armazenamento. Desta forma, prope-se a integrao da simulao por agentes com os Sistemas de Informao Geogrfica (SIGs) porque estes sistemas operam acoplados a repositrios de dados reais. Segundo Worboys (1995), SIG um sistema computacional de informao que permite a captura, armazenamento, manipulao, recuperao, anlise e apresentao de dados referidos geograficamente. Assim como ocorre com o conceito de agentes, existem outras definies para os Sistemas de Informao Geogrfica. Os SIGs constituem um eficiente instrumento para todas as reas que fazem uso de mapas. O repositrio de dados subjacente aos SIGs pode ser entendido como um modelo da regio contemplada por aqueles dados. Alm disso, para que os dados possam ser armazenados sob os SIGs, eles precisam passar pela etapas de seleo de objetos e representao, tal como requer um ambiente para simulao de agentes. Assim, podemos concluir que os dados de SIGs so plenamente adequados aos dois estudos de caso abordados neste trabalho. importante salientar que, no contexto dos SIGs, mais comum utilizar o termo feio para denominar qualquer objeto existente na regio de interesse. 3.2 Integrao entre Agentes e SIGs

A tarefa de integrar a simulao com dados de SIGs no trivial. Em (Itami et al 1999), dito que h essencialmente dois modos para realizar esta integrao: 1. Desenvolver o programa de simulao sem a capacidade de carregar diretamente os dados de SIGs e, sempre que precisar destes dados, requisitar ao SIG atravs de chamadas de funes ou passagem de parmetros.

16

2. Desenvolver o programa de simulao com suporte para acesso direto aos dados de SIGs e implementar as ferramentas de SIG, caso seja necessrio empregar alguma.

Como os SIGs ainda no possuem uma especificao de interoperabilidade largamente aceita, a primeira opo de integrao poderia forar a utilizao de um determinado SIG e, com isso, limitao dos recursos disponveis no mesmo. Assim, adotou-se a segunda opo porque existem alguns formatos de dados que so suportados pela maioria dos SIGs e possuem farta documentao disponvel. Para os objetivos deste trabalho, no foi necessrio implementar ferramentas para manipulao (consultas alfa-nmericas e espaciais, por exemplo) de dados de SIGs. Esta opo aumentou significativamente o tempo necessrio para a implementao dos prottipos. 3.3 Modelo do Ambiente

Como mencionado anteriormente, os dados armazenados sob um SIG podem ser considerados como um modelo de determinada regio geogrfica. Esses dados podem estar representados basicamente nas formas vetorial e matricial. A forma vetorial de representao consiste em uma aproximao poligonal discreta das feies da regio enquanto que a forma matricial (tambm denominada raster ou, ainda, grid) refere-se a uma representao das feies em uma matriz de clulas. A Figura 10 mostra as representaes vetorial e matricial de uma regio.

17

Figura 10. Representaes vetorial e matricial. A comparao entre as representaes vetorial e matricial j foi discutida por diversos autores. Basicamente, so abordadas as seguintes caractersticas: a

capacidade de armazenar grandes volumes de dados, a preciso da representao e a visualizao. A forma vetorial mais compacta, possui boa preciso e apresenta bons resultados na visualizao das feies. A forma matricial costuma requerer grandes quantidades de espao de armazenamento, possui preciso e aparncia na visualizao dependentes da resoluo da matriz. Embora a forma vetorial parea ser a melhor representao, deve-se considerar a facilidade de manipulao da representao matricial. Alm disso, os SIGs costumam oferecer a possibilidade de converso de uma representao para a outra (Rosa & Brito 1996). Desta forma, para fazer um uso eficiente das informaes disponveis nos SIGs, o modelo proposto suporta dados representados na forma vetorial e matricial, ou seja, os agentes so capazes de interagir com os objetos (ou informaes) do ambiente de simulao representados na forma vetorial e matricial. Pelos motivos expostos na seo 3.2, optou-se pelos formatos de dados Arcview Shapefile, para os dados vetoriais, e Arcview Binary Grid, para os dados matriciais. No captulo 5, sero apresentadas as informaes que foram selecionadas para descrever o ambiente de cada estudo de caso. 18

Arquitetura para Construo dos Prottipos

O estudo de modelos utilizando agentes autnomos nem sempre realizado por

pesquisadores da rea da computao.

Neste caso, importante a utilizao de

ferramentas computacionais que forneam um ambiente interativo e fcil de usar, onde o pesquisador possa ajustar o software para atender s suas necessidades, sem a necessidade de programao de cdigo. Com isso, os pesquisadores podem direcionar seus esforos para o estudo e criao de seus modelos, principalmente para a modelagem comportamental. Segundo Jiang (1999), o software StarLogo1 um

exemplo deste tipo de ferramenta. No entanto, no foram encontrados exemplos de ferramentas que operassem integradas com dados de SIGs. Desta forma, para implementar os estudos de casos foi necessrio desenvolver completamente as ferramentas (na forma de prottipos) que pudessem simular os modelos propostos neste trabalho. Para isso, foi especificada uma arquitetura simplificada para o desenvolvimento de ferramentas (sistemas ou softwares) baseadas em agentes. Diz-se que a arquitetura adotada simplificada porque no considera algumas questes discutidas na literatura (embora sem consenso), tais como: comunicao entre agentes, mecanismos de memria, adaptabilidade ou aprendizado, etc. Entretanto, esta arquitetura pode ser facilmente expandida para atender a algumas destas questes sem grandes modificaes. A arquitetura de um sistema baseado em agentes define seus componentes e como eles devem estar relacionados, a fim de que os objetivos especificados para o modelo sejam atingidos. Como a arquitetura est intimamente relacionada com o conceito de agentes, foi natural adotar-se uma arquitetura baseada em 3 camadas. As camadas da arquitetura foram assim denominadas: Camada de Ambiente, Camada de Objetivos e Motivao e Camada de Ao. Elas formalizam como os componentes do modelo de agentes (estado interno, percepo e comportamentos) devem atuar durante a simulao. A Figura 11 ilustra a arquitetura adotada.

http://www.media.mit.edu/starlogo

19

Camada de Ambiente Percepo Camada de Objetivos e Motivao Comportamento de manobra Camada de Ao

Figura 11. Arquitetura baseada em 3 camadas.

A Camada de Ambiente representa o ambiente de simulao propriamente dito englobando todos os agentes e objetos (em seus representaes matricial ou vetorial). Esta camada consultada no incio de cada ciclo da simulao, pelo mdulo de percepo, com o objetivo de obter informaes da regio ao redor dos agentes, que sero utilizadas nas outras camadas para selecionar as aes que sero adotadas. Esta camada pode ser expandida para incorporar um mecanismo para indexao espacial, com a finalidade de acelerar as consultas do mdulo de percepo, e/ou um barramento de comunicao, onde os agentes poderiam trocar informaes entre eles. A Camada de Objetivos e Motivao implementa a inteligncia dos agentes. A finalidade desta camada analisar as informaes obtidas da Camada de Ambiente e, baseado nas motivaes e objetivos do estado interno, selecionar o comportamento mais apropriado para o momento. Nesta camada, adota-se o conceito de situao para qualquer arranjo de eventos percebidos no ambiente que impliquem na seleo de um determinado comportamento. Por exemplo, um agente ao perceber um obstculo no ambiente pode decidir por adotar o comportamento Evitar Coliso, ou seja, o evento de um obstculo visvel configurou uma situao. Entretanto, se o obstculo percebido no estiver obstruindo a trajetria do agente, ele no precisar adotar o comportamento para evitar uma coliso, ou seja, o mesmo evento de um obstculo visvel no configurou uma situao. memria e adaptabilidade. A Camada de Ao responsvel pela execuo do comportamento selecionado na Camada de Objetivos e Motivao. A forma como os comportamentos sero Nesta camada, poderia-se incorporar mecanismos de

executados depende das caractersticas individuais de movimento (velocidade mxima, 20

ngulo mximo de giro, etc.) dos agentes. Com isso, dois agentes podem adotar um mesmo comportamento, mas apresentarem efeitos diferentes, devido s suas diferentes caractersticas. A implementao da arquitetura foi bastante facilitada pela correlao entre suas camadas e a estrutura dos agentes (percepo, estado interno e comportamentos). A Figura 12 mostra a arquitetura adotada em uma perspectiva mais prxima da implementao.

Incio

Camada de Ambiente

Verificar Ambiente

Avaliar situao

Verdadeiro

Alguma Situao ? Falso

Camada de Objetivos e Motivao

Selecionar comportamento para situao

Selecionar comportamento padro

Adotar comportamento e Movimentar agente Fim

Camada de Ao

Figura 12. Fluxograma de execuo. O fluxograma da Figura 12 constitui um ciclo de simulao. Assim, sempre que for mencionado o termo simulao do modelo ou dos agentes, pretende-se com isso fazer referncia a execuo ciclo aps ciclo deste fluxograma pelos agentes. Para desenvolver os prottipos dos estudos de casos, utilizou-se a linguagem ANSI C e os pacotes grficos IUP2 e CD3. Alm disso, a biblioteca Shapelib 4 foi utilizada para ler os dados vetoriais no formato Arcview Shapefile. Implementou-se, ainda, um leitor(decodificador) para os dados matriciais no formato Arcview Binary Grid.

2 3 4

http://www.tecgraf.puc-rio.br/iup http://www.tecgraf.puc-rio.br/cd http://gdal.velocet.ca/projects/shapelib

21

Para que os prottipos possam utilizar os dados (vetoriais e matriciais) lidos, estes dados devem ser organizados segundo estruturas de dados apropriadas com as operaes que sero efetuadas sobre eles. Em geral, a opo por uma determinada estrutura de dados est relacionada com questes de eficincia e performance das aplicaes. Nos prottipos implementados, os dados matriciais foram estruturados internamente na forma de matrizes bidimensionais (de valores do tipo inteiro). A estrutura do tipo matriz suficiente para um grande nmero de operaes envolvendo grids ou imagens. Para os dados vetoriais empregou-se dois tipos de estruturas de dados: lista ligada (linked list) e matriz de adjacncias. As listas ligadas podem ser entendidas como vetores dinmicos, ou seja, que podem ter seu comprimento (nmero de elementos) alterado durante a execuo do prottipo. As matrizes de adjacncias so estruturas de dados apropriadas para armazenar malhas ou redes de pontos interconectados. Os dois estudos de casos que sero abordados neste trabalho empregam dados matriciais. Devido a extenso definida para os estudos de caso, somente no caso urbano foi necessrio empregar dados vetoriais. Sero apresentados maiores detalhes quanto a natureza dos dados utilizados em cada estudo de caso na seo a seguir.

22

Estudo de Casos
Neste captulo, sero apresentadas as modelagens de dois casos utilizando os

conceitos abordados anteriormente. Os casos foram selecionados em reas diferentes com o intuito de promover um entendimento mais amplo do processo de modelagem (motivando a modelagem de outros fenmenos) e de tentar a generalizao do prprio processo de modelagem. O primeiro caso apresenta um modelo de ttica militar, onde so simulados alguns procedimentos para situaes que podem ocorrer durante um confronto. As

simulaes so comuns no campo militar para testar hipteses, estimar danos, etc. Entretanto, a utilizao de agentes para este fim recente e ainda pouco explorada. Conforme pode ser visto em (Woodaman 2000), h muitas possibilidades para utilizao de agentes no campo militar. O segundo caso est relacionado com o estudo da dinmica urbana, ou mais especificamente com o movimento de pedestres. A simulao da dinmica urbana tem sido estudada com a utilizao de Autmatos Celulares mas o conceito de agentes tem apresentado novas perspectivas de estudo. Conforme pode ser visto em (Jiang 1999), (Schelhorn et al 1999) e (Therakomen 2001), este assunto muito relevante para o entendimento dos processos de formao, uso e alterao dos espaos urbanos. 5.1 Caso Militar

A mobilizao real de efetivos para treinamento de tticas e operaes costuma ser demorada, desgastante para os militares e com alto custo. Com isso, uma srie de solues baseadas em ambientes virtuais tm sido adotadas para que algumas etapas do treinamento possam ser exaustivamente realizadas em simulaes por computador antes que os efetivos sejam levados a campo. Desta forma, planeja-se mais

eficientemente o treinamento real e otimiza-se diversos componentes do processo. As simulaes de confronto tm desempenhado um papel relevante no moderno treinamento militar, principalmente para os oficiais que precisam aprender a tomar decises sob diversas circunstncias e, ainda, trabalhar com novas tecnologias. Em geral, as simulaes so usadas para avaliar a evoluo das aes (antecipando possveis respostas das foras oponentes), o impacto de novas estratgias e o planejamento de contingncias (anlises do tipo what-if) (Ioerger et al 2000).

23

Para a construo de modelos eficientes, que possam ser utilizados em simulaes deste tipo, necessrio levantar uma srie de informaes de modo que os procedimentos e aes militares possam ser representadas computacionalmente. Para isso, so consultados manuais e/ou documentos pertinentes e ainda programadas entrevistas com oficiais que tenham conhecimento do assunto (experts). Entretanto, a descrio integral dos procedimentos e tticas militares adotados nos treinamentos de distribuio restrita. Somente militares e pessoas devidamente

autorizadas podem ter acesso a estas informaes. Sendo assim, sero abordadas simplificaes de alguns procedimentos cuja descrio foram obtidas a partir da colaborao no desenvolvimento do Sistema de Jogos Didticos para Treinamento de Oficiais do Corpo de Fuzileiros Navais da Marinha do Brasil 5. Neste trabalho, o interesse simular um cenrio tpico de confrontos militares, onde posies estratgicas de um terreno so disputadas entre dois grupos oponentes. Um grupo, dito de defesa, deve impedir o avano de outro grupo, dito de ataque, na direo de tais posies. Para isso, sero modelados comportamentos para os grupos, de modo que possam interagir de maneira coerente com os procedimentos militares tomados como referncia. Alm da modelagem de comportamentos, o modelo que ser

apresentado tambm considera a quantificao do poder de combate dos grupos, o clculo dos danos no engajamento e as caractersticas do terreno onde ocorre o confronto. Nas prximas sees sero apresentados os significados destes termos militares e explicado em detalhe como foram abordados no modelo. 5.1.1 Poder de combate O poder de combate de um elemento uma estimativa numrica de sua fora, ou seja, quanto ele representa em termos de poder de fogo no confronto. A estimativa do poder de combate fundamental para calcular os danos sofridos por um elemento, quando ele atacado, pois estes dependem da fora de quem est atacando. Alm disso, o conhecimento do poder de combate uma varivel importante nos processos de planejamento estratgico e dimensionamento de elementos de combate.

http://www.impa.br/~tron/sjd/

24

A formulao do poder de combate envolve inmeros fatores e motiva pesquisas no campo das simulaes militares. Segundo (Seixas & Lauro 2001), o clculo do poder de combate uma funo das seguintes variveis: Quantidade e alcance dos armamentos Letalidade da munio de cada armamento Cadncia mxima do armamento Distncia entre o armamento e o inimigo ngulo de incidncia do tiro sobre o inimigo De um modo geral, pode-se imaginar o poder de combate como sendo uma rea ao redor do elemento e orientada de acordo com seu movimento, onde as regies mais prximas e frontais ao deslocamento do elemento sofrem maior influncia do armamento que as regies perifricas afastadas. comum utilizar o termo projeo do poder de combate para fazer referncia ao posicionamento desta rea no terreno. Alm disso, importante salientar que a projeo do poder de combate somente ter efeito nos locais visveis do terreno, ou seja, no obstrudos pelo relevo6. Para ilustrar o que foi dito, a Figura 13 apresenta o poder de combate calculado em (Seixas & Lauro 2001) para uma companhia e um peloto. As reas circulares escuras do mapa (ambas orientadas para cima) representam a projeo do poder de combate destes elementos em um terreno e foram posicionadas uma ao lado da outra para facilitar a comparao. Nesta imagem, podemos verificar que o poder de combate de um peloto (rea da esquerda) menor que o da companhia. Isso ocorre porque o nmero de soldados e o armamento de uma companhia so superiores ao de um peloto. Na Figura 13, pode-se observar que os centros das reas, que representam a projeo do poder de combate dos elementos, so mais claras do que as bordas. Esta foi a conveno adotada em (Seixas & Lauro 2001) para indicar que quanto mais prximo, o oponente estiver do centro destas reas, maiores sero os danos sofridos.

Esta observao valida porque estamos considerando apenas os disparos efetuados nos inimigos

visveis (tiro tenso). O tiro curvo, onde no necessrio ver o inimigo diretamente para efetuar os disparos, requer comunicao entre os elementos e, por isso, no ser abordado neste trabalho.

25

Figura 13. Poder de combate de um peloto e de uma companhia

Muitas das informaes utilizadas pelos simuladores militares, para a formulao do poder de combate em seus modelos, esto na classe de informaes reservadas, mencionadas anteriormente. Assim, foi necessrio adotar uma simplificao para

incorporar-se este conceito ao modelo proposto. Com isso, definiu-se o poder de combate atravs de uma propriedade numrica cujo valor est diretamente associado com o alcance do armamento dos elementos, ou seja, quanto maior o valor do poder de combate, maior ser o alcance do armamento. Para ilustrar o que foi dito, deve-se considerar que um elemento com valor de poder de combate igual a 100, por exemplo, poder atingir um oponente a 100 metros de afastamento. Esta definio similar quela apresentada para o campo visual do modelo de agentes, pois o campo visual tambm definido por um valor numrico que indica o alcance da viso dos agentes. A diferena entre a definio do campo visual e o poder de combate est relacionado com o fato de que o centro da projeo do poder de combate coincidente com a posio do agente. Como j se sabe, a posio do agente no coincidente com o centro do crculo que representa o seu campo visual. A Figura 14 mostra um agente com o campo visual (crculo vermelho) e a projeo do poder combate (crculo branco) representados.

26

Figura 14. Agente com poder de combate e campo visual.

5.1.2 Engajamento Quando dois ou mais oponentes trocam disparos, diz-se que houve um engajamento ou atrito. Para que um elemento possa efetuar algum disparo, necessrio que o oponente esteja no alcance da projeo de seu poder de combate. A verificao para determinar se o oponente est no alcance do poder de combate de um elemento similar quela que foi descrita para o clculo da visibilidade. Adota-se como regra, que os agentes somente efetuam disparos quando os oponentes esto visveis, ou melhor, os disparos somente so efetuados quando os oponentes estiverem no alcance da projeo do poder de combate e do campo visual. Essa regra consistente com a situao real, porque os soldados em um confronto no podem desperdiar munio e, alm disso, qualquer disparo indiscriminado pode permitir sua localizao pelas foras inimigas. As alteraes necessrias para adaptar o mecanismo de percepo dos agentes ao caso militar sero explicadas detalhadamente na seo 5.1.6.2. No engajamento, os elementos tm seus comportamentos normais alterados. Por exemplo, comum reduzir, nos modelos, a velocidade dos elementos engajados. Em geral, os elementos de defesa promovem uma reduo maior na velocidade do que os elementos de ataque. Isso ocorre porque a defesa necessita de preciso nos tiros, que diminui quando os disparos so efetuados em movimento, para conter o ataque. Uma reduo menor, na velocidade do movimento dos elementos de ataque, est associada com a importncia de atingir localizaes estratgicas e surpreender a defesa.

27

Considera-se a reduo de velocidade no engajamento como de 1/3 da velocidade normal para a defesa e no ataque convencionou-se uma reduo de 1/10. 5.1.3 Clculo dos Danos Como conseqncia do engajamento, os elementos podem sofrer danos que precisam ser quantificados para que o comandante possa avaliar as estratgias e tomar decises. No contexto das simulaes de confronto considera-se danos como sendo mortes, avaria de equipamentos ou qualquer estrago causado pelo fogo inimigo que comprometa a eficincia dos elementos de combate ou a execuo do planejamento. H autores que utilizam o termo perdas para referenciar os danos sofridos no engajamento. A constante avaliao dos danos ocorridos durante a simulao importante, porque as aes dos elementos esto relacionadas com os seus estados. Por exemplo, um determinado elemento pode decidir (ou receber uma ordem para) retrair de um engajamento quando perceber que os danos sofridos inviabilizam a ao. Para esta avaliao, so adotados modelos matemticos denominados clculo de atrito cuja finalidade estimar os danos sofridos pelos elementos no engajamento. O modelo terico para clculo de atrito mais amplamente utilizado o modelo de equaes diferenciais de Lanchester. As equaes de Lanchester permitem estimar quem perde e ganha, o nmero de sobreviventes de cada lado e a durao do combate (Kiwielewicz 2000). De um modo geral, as equaes de Lanchester estimam a taxa de reduo do poder de combate dos elementos a partir de informaes do oponente:

dA dt dB dt

- b2B

- a2A

Nas equaes acima, A e B correspondem ao poder de combate dos elementos e a e b aos seus coeficientes de eficincia. Os coeficientes de eficincia so obtidos a partir de dados histricos e de campo, e tambm pertencem classe de informaes

28

reservadas. Assim, adotou-se um modelo simplificado para quantificar as perdas dos elementos no engajamento. O modelo simplificado define que os danos de um elemento engajado esto diretamente associados com uma reduo de seu poder de combate proporcional fora do oponente. Essa reduo definida proporcionalmente pela razo

PCO/PCE, onde PCO representa o poder de combate do oponente e PCE o poder de combate do elemento. Esta formulao permite capturar a diminuio gradual do poder de combate dos elementos engajados em funo da relao de fora entre eles. importante salientar que PCO e PCE correspondem aos parmetros A e B nas equaes de Lanchester. Embora simplificado, o modelo adotado para clculo de atrito mostrou-se coerente com alguns parmetros de referncia, tais como: elementos com maior poder de combate eliminam oponentes com menor poder de combate e o tempo de engajamento determinado pela magnitude da diferena de foras entre os elementos, ou seja, quanto maior a diferena de poder de combate, menor ser o tempo de engajamento. A Figura 15 mostra os dados de 2 elementos que entram em engajamento frontal no ciclo 0 da simulao. Da tabela verifica-se que um elemento engaja com um oponente com o dobro de seu poder de combate e, eliminado entre os ciclos 6 e 7. Uma questo que interessante ser abordada neste ponto a definio da eliminao de um elemento. Alguns autores consideram que um elemento eliminado da simulao quando seu poder de combate atinge um certo limiar percentual, normalmente entre 10% e 30% do inicial. No modelo proposto, um elemento

considerado eliminado quando seu poder de combate nulo (ou negativo). A Figura 16 ilustra a situao de um outro engajamento frontal, onde a diferena no poder de combate dos elementos menor. Concordando com os parmetros de

referncia, verifica-se que o tempo de engajamento superior.

29

Poder de combate

Ciclo PCE PCO 0 20 40 1 18 38.5 2 15.9 37.1 3 13.5 35.8 4 10.9 34.7 5 7.7 33.7 6 3.3 33.1 7 -6.7 32.8

Clculo de Atrito (PCO/PCE)

45 40 35 30 25 20 15 10 5 0 1 2 3 4 5 6 7 Nmero de ciclos PCE PCO

Figura 15. Atrito entre oponentes com grande diferena de poder de combate.

Ciclo PCE PCO 0 20 30 1 18.5 28.0 2 17.0 26.0 3 15.5 24.1 4 13.9 22.1 5 12.3 20.2 6 10.7 18.4 7 8.9 16.7 8 7.1 15.1 9 4.9 13.7 10 2.2 12.6 11 -3.7 12.1

Clculo de Atrito (PCO/PCE)

35 30 Poder de combate 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 10 11 Nmero de ciclos PCE PCO

Figura 16. Atrito entre oponentes com pequena diferena de poder de combate.

No sero abordados neste trabalho os danos derivados de fatores fisiolgicos e psicolgicos tais como: cansao, doena, medo, etc. Entretanto, alguns destes tipos de danos poderiam ser incorporados no modelo com poucas alteraes. Por exemplo, poder-se-ia modelar o desgaste por cansao atravs de um fator de reduo do poder de combate, independente de engajamento, e que atuaria ao longo do tempo ou aps o deslocamento de determinadas distncias. 5.1.4 Plano Ttico O treinamento militar tem a finalidade de condicionar os soldados para a execuo de determinadas aes e/ou procedimentos mediante as situaes provveis de um 30

confronto. Sendo assim, tomando como referncia dados histricos e de treinamentos, as situaes de confronto so sistematizadas, em conjunto com uma srie de procedimentos considerados adequados, para definir um plano ttico. A partir da cooperao com o Corpo de Fuzileiros Navais da Marinha do Brasil, foi possvel obter um plano ttico simplificado para utilizao como referncia neste estudo. A Figura 17 mostra o plano obtido, com as situaes que sero consideradas neste trabalho e as respectivas aes que sero adotadas pelos elementos de combate, de acordo com sua natureza.

Natureza da Ao Situao Ofensiva Defensiva

Deteco de Inimigo Perseguir e Congelar e Sem ser Detectado Atacar Retroceder Contato Fortuito Emboscada Alerta Inimigo Atacar Atacar

Perseguir e Atacar e Atacar Retroceder Perseguir e Atacar Congelar

Figura 17. Plano ttico.

importante observar que o plano ttico somente apresenta uma relao das situaes e aes correspondentes. Para a construo do modelo, necessrio que cada uma das situaes seja descrita com detalhes suficientes que permitam represent-la em um formato computacional adequado para os agentes. Isto necessrio porque os agentes devero ser capazes de determinar a ocorrncia das situaes durante a simulao sem interveno externa, ou seja, somente levando em considerao as informaes disponveis no ambiente e seu estado interno (motivao e objetivos). Na verdade, este plano ttico ser incorporado camada de motivao e objetivos da arquitetura porque caracteriza o conhecimento dos agentes e define o processo de

31

decises. Sendo assim, sero descritas cada uma das situaes consideradas no plano, a saber: emboscada, contato fortuito, deteco de inimigo sem ser detectado e alerta inimigo. A emboscada refere-se a situao em que um elemento surpreendido pelo ataque inimigo a partir de uma posio que favorece o ataque e dificulta sua fuga. O fator surpresa do ataque corresponde ao fato de no haver indicao da presena do inimigo at o momento do ataque. Os experts militares consideram que uma emboscada um ataque fatal, ou seja, no h possibilidade de escapar. Essa letalidade deve-se ao fato de uma emboscada ser preparada em local adequado para dificultar a reao do elemento e, alm disso, utiliza-se armamento especfico para a eliminao. Um outro fator importante em uma emboscada a necessidade de uma ao coordenada de mais de um elemento de combate. Em um confronto, nem sempre h tempo hbil para fazer a preparao que uma emboscada requer. Assim, costuma-se classificar as emboscadas em prevista e imprevista. As emboscadas previstas devem seguir a descrio dada. J as imprevistas so aquelas efetuadas por elementos de combate sem armamento adequado e sem tempo hbil para efetuar o preparo que a situao ideal requer. Devido ao carter improvisado da emboscada imprevista, o inimigo tem a possibilidade de escapar. Como no se est considerando questes relativas a cooperao entre agentes neste modelo, somente as emboscadas imprevistas sero abordadas. O contato fortuito ocorre quando elementos oponentes se encontram

acidentalmente. Utiliza-se o termo acidentalmente porque o encontro dos oponentes se d em condies (localizao, distncia, etc.) que no se dariam por operao consciente dos elementos. As causas de contato fortuito geralmente esto associadas com as caractersticas do terreno (relevo, vegetao, etc.). Por exemplo, as regies de mata densa so propcias ao contato fortuito porque dificultam a deteco antecipada do inimigo. A deteco de inimigo sem ser detectado ocorre quando um elemento de combate percebe a presena de oponentes sem ser percebido. Esta situao mostra bem a importncia de ocupar os pontos estratgicos do terreno porque conhecendo antecipadamente a localizao do inimigo e uma indicao de seu deslocamento podese efetuar um planejamento mais eficiente das aes. A situao de alerta inimigo ocorre quando um elemento de combate detecta um elemento amigo engajado ou perseguindo algum oponente. 32 O alerta inimigo se

caracteriza mesmo que o elemento de combate no detecte o inimigo sendo perseguido pelo elemento amigo. importante observar que embora essa situao sugira uma cooperao entre os agentes, neste trabalho no ser considerado desta forma, porque a cooperao supe algum mecanismo de comunicao (o que no existe na arquitetura utilizada). Com estas descries em linguagem natural, a tarefa passa a ser encontrar uma representao computacional. Analisando as descries das situaes verifica-se que h uma srie de eventos implcitos (alguns mais evidentes) e que poderiam ser utilizados para caracterizar as situaes. Por exemplo, quando se analisa a descrio da situao em que o elemento de combate detecta um inimigo sem ser percebido, verifica-se que esta situao est atrelada ao evento de haver algum inimigo visvel e a outro evento, no to determinstico quanto o primeiro, que indica se o inimigo tambm pode ver o elemento. Desta forma, possvel caracterizar estas situaes utilizando o seguinte conjunto de eventos da simulao: Inimigo visvel - Este evento indica que h algum oponente visvel. Elemento visvel Este evento indica se um oponente, que est visvel para um elemento de combate, tambm capaz de detect-lo. Este evento determinado considerando a distncia entre os elementos e a orientao do inimigo. Inimigo na projeo do poder de combate - Indica que h algum oponente no interior da projeo de poder de combate do elemento. Inimigo atacando Indica que o elemento est sendo atacado. Para determinar este evento, verifica-se a ocorrncia da diminuio do poder de combate de um elemento entre ciclos consecutivos da simulao. Possibilidade de engajamento Dado que existe um oponente visvel, verifica se h a possibilidade de ocorrer engajamento. Isto determinado atravs de uma estimativa do trajeto do oponente, considerando que sua orientao no ir mudar. A Figura 18 ilustra o clculo deste evento. Podemos verificar que se a distncia d, entre o agente 1 e a linha de trajetria do agente 2, for menor que o raio do campo de viso R do agente 2 haver a possibilidade de engajamento entre os agentes. Engajamento pode ser evitado - Este evento est associado com o evento Possibilidade de Engajamento e indica que, embora haja a possibilidade de engajamento, o elemento pode retrair sem ser detectado.

33

 Alerta Inimigo Este evento (com mesmo nome de uma das aes) indica que um elemento amigo foi detectado em perseguio ou engajado.
Agente 2 R d

Agente 1

Figura 18. Clculo do evento Possibilidade de Engajamento.

Desta forma, pode-se exprimir a caracterizao das situaes na forma de um algoritmo, conforme mostra o trecho de pseudocdigo a seguir:

SE ( INIMIGO ATACANDO E NO INIMIGO VISVEL ) ENTO SITUAO EMBOSCADA SENO SE ( INIMIGO VISVEL E ELEMENTO VISVEL ) ENTO SITUAO CONTATO FORTUITO SENO SE ( INIMIGO VISVEL E NO ELEMENTO VISVEL ) ENTO SITUAO DETECO DE INIMIGO SEM SER DETECTADO SENO SE ( ALERTA INIMIGO ) ENTO SITUAO ALERTA INIMIGO

5.1.4.1 Ocorrncia de situaes simultneas Pelo que foi exposto, percebe-se que no foi prevista a possibilidade de ocorrncia de situaes simultneas. Assim, evidente a necessidade de um critrio para lidar com esta possibilidade. Para solucionar este problema, resolveu-se associar um grau de letalidade s situaes e, no caso de ocorrncias simultneas, priorizar as mais letais. Uma emboscada, como j foi visto, uma situao de alto grau de letalidade. Desta forma, quando uma emboscada ocorre simultaneamente com outra situao, ela deve ser priorizada. Em seguida, tem-se o contato fortuito, porque, nesta situao, os oponentes se percebem quando j esto prximos. Com isso, no resta outra

34

alternativa seno atacar (conforme mostra o plano ttico). A prxima situao deve ser aquela em que a patrulha v mas o inimigo no, porque o elemento pode surpreender o inimigo em um ataque (inclusive planejando uma emboscada). A situao com menor grau de letalidade o alerta inimigo porque nem sempre o inimigo estar visvel e trata-se de uma ao indireta (conjunta). adotada. A Figura 19 apresenta a classificao

Prioridade Alta Emboscada Contato Fortuito Deteco de Inimigo Sem ser Detectado Alerta Inimigo Prioridade Baixa

Figura 19. Prioridade das situaes.

5.1.5 Modelagem Comportamental primeira vista, poder-se-ia concluir que a modelagem comportamental consistir em implementar comportamentos que simulem as aes do plano. Entretanto,

importante lembrar que o plano somente especifica aes a partir da ocorrncia de situaes. Em um confronto, pode-se ter perodos sem a ocorrncia de situaes, em que os elementos de combate executam aes no previstas no plano. Basicamente, so aes de ordem pr-ativa, ou seja, no reativas como as previstas no plano, e relacionadas com os objetivos dos elementos de combate. Assim, no escopo da modelagem comportamental para o caso militar, observa-se que ser necessrio implementar comportamentos para simular as aes previstas e no previstas do plano. Uma parcela significativa desta implementao pde ser feita a partir da associao dos comportamentos de manobra genricos propostos por

35

Reynolds (1999). Conforme j havia sido previsto, algumas aes tiveram que ser implementadas completamente por serem muito especficas do caso militar. 5.1.5.1 Aes no previstas no plano (Patrulha) Percebe-se que os elementos de combate apresentariam um comportamento essencialmente reativo se fossem consideradas apenas as aes do plano na modelagem comportamental. Esta tendncia reativa at poderia ser utilizada como estratgia da defesa mas os elementos de ataque so por natureza pr-ativos, ou seja, eles precisam atingir determinados objetivos independente da presena inimiga. Essa ao pr-ativa dos elementos est relacionada com as estratgias definidas pelos comandantes. Assim, decidiu-se adotar uma nica ao (para fins de simplificao) que todos os elementos de combate devem executar enquanto no for configurada alguma situao do plano ttico. Essa ao consiste em efetuar um deslocamento por posies previamente definidas no terreno, tal como uma patrulha. As posies so visitadas seqencialmente da primeira at a ltima e, quando esta for atingida, o deslocamento feito na ordem inversa, ou seja, da ltima posio para a primeira. Na Figura a seguir, observam-se trs posies (crculos 1, 2 e 3), que foram definidas para exemplificar como ocorre a patrulha. A numerao das posies indica a ordem em que elas foram definidas. Assim, o elemento de combate inicia sua patrulha na posio 1 e se desloca at a posio 3, conforme mostra a Figura 20 (a). Quando a posio 3 for alcanada, o elemento retorna at a posio 1, conforme mostra a Figura 20 (b). Os elementos de combate permanecem na patrulha at a ocorrncia de alguma situao, a partir do qual adotaro as aes apropriadas conforme a especificao do plano ttico.
1 2 3 (a) (b) 1 2 3

Figura 20. Percurso de Patrulha.

36

5.1.5.2 Aes do Plano No plano identificam-se as seguintes aes: Congelar, Retroceder, Perseguir e Atacar. exceo das aes Congelar e Atacar, verifica-se que as aes Retroceder e Perseguir j esto implementadas como comportamentos genricos. Na verdade, as aes Congelar e Atacar no so comportamentos de manobra, porque no provocam alterao da orientao dos agentes. A ao Atacar consiste em um procedimento que reduz o poder de combate dos elementos durante o engajamento, segundo o clculo de atrito adotado (PCO/PCE). A ao Congelar um

procedimento com a finalidade de fazer com que o elemento de combate pare, ou seja, torne sua velocidade nula. Existem algumas situaes do plano que adotam aes isoladas (uma nica ao) enquanto outras requerem aes associadas (duas aes). Para as situaes que adotam aes isoladas (Contato fortuito e Alerta inimigo) utiliza-se os comportamentos genricos diretamente. Entretanto, as situaes que adotam aes associadas requerem informaes adicionais (tais como: critrio de transio entre as aes, ordem de execuo, etc.) que no constam no plano. Desta forma, relacionou-se a transio entre as aes com os eventos da simulao, j descritos para determinar as situaes. O resultado mostrou-se coerente conforme avaliao de alguns experts consultados. Verificou-se que as situaes que adotavam aes isoladas (contato fortuito e alerta inimigo) poderiam ficar mais adequadas se fossem associadas com outras. Percebeu-se que as aes isoladas davam um carter demasiadamente previsvel aos agentes. Assim, a partir da anlise de algumas simulaes, foram feitas algumas alteraes (vide diagramas a seguir) nestas aes com bons resultados. Para apresentar a implementao destes comportamentos, adotou-se o diagrama de mquina de estados ao invs da tradicional notao algortmica. A utilizao de uma notao grfica possibilita uma compreenso mais clara do relacionamento entre as aes envolvidas. Nos diagramas apresentados a seguir, os estados correspondem aos comportamentos e as transies so definidas pela ocorrncia de eventos. Considerou-se que os

elementos sempre iniciam no estado de patrulha. Alm disso, foram realizadas ligeiras alteraes nos nomes dos eventos para melhor acomod-los nos diagramas.

37

Diagrama 1. Comportamento de natureza ofensiva para situao Deteco de inimigo sem ser detectado

Inimigo Visvel Engajamento Possvel

Inimigo Visvel

Patrulha

Inimigo Visvel Engajamento Possvel Inimigo Visvel Engajamento Possvel

Congelar
Inimigo Visvel

Perseguir

Inimigo Visvel

Inimigo Visvel

Atacar
Inimigo Visvel Alcance do Tiro No Inimigo Visvel Alcance do Tiro No Inimigo Visvel Alcance do Tiro No

Diagrama 2. Comportamento de natureza defensiva para situao Deteco de inimigo sem ser detectado

Patrulha
Inimigo Visvel Inimigo Visvel Engajamento Possvel Inimigo Visvel

Congelar
Inimigo Visvel

Retroceder

Inimigo Visvel Engajamento Possvel

Inimigo Visvel

Atacar
Inimigo Atacando Inimigo Atacando Inimigo Visvel Alcance do Tiro No

38

Diagrama 3. Comportamento de natureza ofensiva para situao Contato fortuito

Patrulha
Inimigo Visvel Elemento Visvel Inimigo Visvel Elemento Visvel

Atacar
Inimigo Visvel Elemento Visvel Alcance do Tiro No

Perseguir

Diagrama 4. Comportamento de natureza defensiva para situao Contato fortuito

Patrulha
Inimigo Visvel Elemento Visvel Inimigo Visvel Elemento Visvel Inimigo Atacando

Atacar
Inimigo Visvel Elemento Visvel Inimigo Atacando

Retroceder

39

Diagrama 5. Comportamento de natureza ofensiva para situao Emboscada

Patrulha
Inimigo Atacando Inimigo Visvel Alcance do Tiro No Inimigo Atacando

Congelar

Atacar

Inimigo Visvel Alcance do Tiro No

Inimigo Visvel

Perseguir
Inimigo Visvel Inimigo Visvel Inimigo Visvel No Alcance do Tiro

Diagrama 6. Comportamento de natureza defensiva para situao Emboscada

Patrulha
Inimigo Atacando Inimigo Visvel Alcance do Tiro No Inimigo Atacando

Congelar

Atacar

Inimigo Visvel No Alcance do Tiro

Inimigo Visvel

Retroceder
Inimigo Visvel Inimigo Visvel Inimigo Visvel Alcance do Tiro No

40

Diagrama 7. Comportamento de natureza ofensiva para situao Alerta de inimigo

Alerta Inimigo

Patrulha

Perseguir (amigo)

Diagrama 8. Comportamento de natureza defensiva para situao Alerta de inimigo

Inimigo Alerta

Patrulha

Congelar

5.1.6 Ambiente A correta considerao da mobilidade e acuidade visual dos elementos de combate fundamental para a construo de um modelo de confronto realista. Isto se deve ao fato deles estarem relacionados com questes bsicas do confronto, ou seja, a movimentao dos elementos pelo terreno e a deteco da presena inimiga. Entretanto, tanto a mobilidade quanto a acuidade visual so influenciadas pelas caractersticas (naturais e antrpicas) do terreno. As caractersticas naturais do terreno correspondem s feies da natureza, tais como: topografia, hidrografia, vegetao, uso do solo, etc. As caractersticas

antrpicas so aquelas resultantes da ao do homem no terreno, tais como: vias, edificaes, etc. Como mencionado anteriormente, a definio do ambiente consiste em incorporar ao modelo as feies do cenrio real que sejam relevantes para o fenmeno em estudo. Desta forma, foram selecionadas e representadas as caractersticas do terreno que influenciam a mobilidade e a acuidade visual dos elementos de combate. 5.1.6.1 Terreno e Mobilidade No terreno podem existir feies que so transponveis e/ou intransponveis. As feies transponveis limitam a velocidade dos elementos, mas no os impedem de prosseguir o movimento. Pode-se citar como exemplos de feies transponveis, os 41

crregos e vegetao rasteira. Por outro lado, as feies intransponveis so aquelas que obstruem o movimento dos elementos e precisam ser contornadas. As regies de vegetao densa ou construes inimigas de conteno (muros) podem ser consideradas como exemplos de feies intransponveis. Essas interferncias na mobilidade devem ser levadas em considerao durante o planejamento porque podem comprometer as estimativas de tempo e recursos necessrios para a ao. Sendo assim, realizam-se levantamentos cartogrficos no terreno com o objetivo de localizar as feies que influenciam a mobilidade dos elementos. As informaes obtidas nestes levantamentos so combinadas para gerar a carta de trafegabilidade do terreno. A carta de trafegabilidade um mapa temtico que representa a possibilidade de uma tropa de natureza especfica trafegar por determinada regio. As classes temticas desta carta representam a velocidade mxima que o elemento pode atingir em cada localidade do terreno. Para a confeco desta carta, so combinadas as seguintes informaes: modelo digital de elevaes, hidrografia, vegetao, uso do solo e vias (Seixas & Lauro 2001). As Figuras 21 e 22 apresentam respectivamente, um modelo de elevaes de um terreno e a carta de trafegabilidade, que para fins de simplificao foi gerada considerando apenas as elevaes do terreno. As duas imagens esto em tons de cinza. No modelo de elevaes, as reas mais claras correspondem s maiores alturas. Na carta de trafegabilidade, as reas mais claras esto associadas com maiores velocidades. Comparando as duas Figuras, nota-se que as regies mais ngremes

(reas mais claras) no modelo de terreno esto associadas com menores velocidades (reas mais escuras) na carta de trafegabilidade.

42

Figura 21. Modelo de Elevaes do terreno

Figura 22. Trafegabilidade do terreno

Desta forma, o modelo proposto requer a carta de trafegabilidade para calcular a velocidade de deslocamento dos elementos de combate. O modelo adotado pressupe que os elementos sempre tentam se deslocar em sua velocidade mxima (exceto no engajamento). Assim, o clculo da velocidade consiste em verificar a trafegabilidade na posio do elemento e garantir que a correspondente velocidade no seja excedida. 5.1.6.2 Terreno e Acuidade Visual Neste trabalho, a acuidade visual de um elemento deve ser entendida como sua capacidade de detectar os inimigos no ambiente. De um modo geral, essa capacidade

43

de deteco depende da visibilidade dos inimigos, do alcance do campo visual do elemento e das caractersticas do terreno. A visibilidade dos inimigos define o quanto eles so detectveis e isso uma funo do seu tamanho, da luminosidade no local, das condies do tempo, etc. Isso quer dizer, por exemplo, que mais fcil detectar um soldado (afastado a alguma distncia) durante um dia ensolarado do que em uma noite chuvosa. Considerar o fator

visibilidade na acuidade visual muito til quando se tem diferentes tipos de elementos de combate na simulao (por exemplo, soldados, blindados, etc). Como neste trabalho objetiva-se a modelagem somente do confronto entre soldados, a visibilidade dos elementos de combate no ser um fator de influncia para a acuidade visual do modelo proposto. O alcance do campo visual uma propriedade do elemento de combate e define uma rea, onde os objetos, ali contidos, so visveis para o elemento. Com isso, a deteco de objetos consistiria em testar se o objeto est no interior ou no desta rea. Embora esta seja uma condio necessria para a deteco do inimigo, ela no suficiente, pois algumas caractersticas do terreno poderiam obstruir a linha de viso do elemento at o inimigo. A maioria dos modelos costuma considerar a vegetao e a topografia como sendo as principais caractersticas do terreno que interferem na deteco de elementos. Na verdade, o efeito da vegetao atenuar a acuidade visual. O grau de atenuao depende do tipo de vegetao em que estiverem localizados os elementos. Sendo assim, faz-se necessrio conhecer o fator de atenuao para cada tipo de vegetao do terreno. Este trabalho de classificao dos vrios tipos de vegetao e o clculo do fator de atenuao correspondentes fogem ao escopo deste trabalho. Assim, no ser abordado este fator na acuidade visual. A topografia do terreno pode interferir na deteco entre elementos quando houver alguma elevao, ou mesmo depresso, entre eles. Assim, deve-se adicionar esta condio deteco de inimigo para torn-la mais adequada. Para isso, utiliza-se um modelo digital de elevaes, ou mapa de alturas. O mapa de alturas de um terreno um grid, onde cada clula armazena o valor da altura (cota) de uma determinada posio no terreno. Com isso, dadas as posies de dois elementos de combate (as alturas associadas s posies so obtidas das clulas correspondentes no mapa de alturas) utiliza-se um algoritmo que verifica se o

44

segmento de linha ligando os dois elementos possui algum ponto com altura inferior ao terreno. A Figura 23 mostra que dois elementos de combate (A e B) so visveis se nenhum trecho da linha de viso (em vermelho) entre os elementos tiver altura inferior ao terreno. Por outro lado, a Figura 24 mostra que os elementos no sero visveis se houver algum trecho da linha de viso (em vermelho) entre os elementos com altura inferior ao terreno (Seixas et al 1999). importante salientar que o grid, nas Figuras 23 e 24, corresponde ao mapa de alturas.

Figura 23. Terreno no obstruiu a linha de viso.

45

Figura 24. Terreno obstruiu a linha de viso.

Desta forma, o clculo de visibilidade entre os elementos conta com duas etapas. Uma primeira etapa de filtragem, na qual so selecionados apenas os inimigos no interior do campo visual de um determinado elemento e uma segunda etapa, em que se verifica a existncia de obstruo do terreno na linha de viso entre o elemento e os inimigos selecionados. Sabe-se que em um confronto militar h um desgaste psicolgico e fisiolgico nos elementos de combate que influencia a acuidade visual. Entretanto, devido a

dificuldade para quantificar esta influncia, ela no ser abordada no modelo. 5.1.7 Prottipo Militar Com que foi visto, foi possvel implementar um prottipo para simular o modelo de movimentao de soldados. Para executar este prottipo, deve-se definir o ambiente de simulao e adicionar os agentes. O ambiente de simulao definido atravs da especificao dos arquivos que contm o modelo de elevaes do terreno e a carta de trafegabilidade. Alm disso, pode-se fornecer duas imagens ao ambiente de simulao, que podem ser imagens areas ou mesmo outras representaes para o terreno (uma superfcie com sombreamento, como mostra a Figura 25). Durante a simulao, o usurio pode

selecionar qual informao do ambiente deve ser apresentada na interface. 46

A adio dos agentes feita atravs da definio interativa dos respectivos trajetos de patrulha. Alm disso, deve-se informar as propriedades de cada agente, tais como: tipo do agente (defesa ou ataque), natureza da ao (ofensiva ou defensiva), poder de combate, velocidade mxima, etc. Durante a simulao, pode-se definir novos valores para os parmetros dos agentes existentes, definir novos agentes ou remov-los. Existem dois modos para a simulao do modelo: passo a passo e contnuo. No modo passo a passo, o usurio ordena cada ciclo de simulao. No modo contnuo, o usurio define apenas incio da simulao, que ocorre ciclo aps ciclo, at que se ordene a parada. Para auxiliar a anlise dos comportamentos adotados pelos agentes durante a simulao, o prottipo permite que sejam consultadas/monitoradas as propriedades de qualquer agente. A Figura 25 mostra a interface do prottipo com alguns agentes posicionados em um ambiente. Os agentes de defesa esto em vermelho enquanto que os agentes de ataque esto em azul. Alm disso, pode-se ver uma janela com as propriedades de um determinado agente.

47

Figura 25. Interface do prottipo.

48

5.2

Caso Urbano

Existe uma associao entre a movimentao de pedestres e as relaes socioeconmicas nos espaos urbanos. No por acaso, por exemplo, que os centros comerciais das grandes cidades so tambm reas de intenso fluxo de pedestres. Este um dos motivos pelos quais importante compreender os fatores que motivam a movimentao de pedestres. De um modo geral, o estudo da movimentao de pedestres analisa a circulao de pessoas em reas urbanas e busca identificar as razes que possam explic-la. Sabe-se que a movimentao de pedestres influenciada por motivaes pessoais, pela configurao espacial e pela localizao de atraes. As motivaes pessoais dos pedestres esto relacionadas com as atividades que precisam ser desempenhadas e a satisfao de necessidades. A configurao espacial consiste no conjunto de estruturas fsicas (ruas, quadras, paredes, etc.) que delimitam o espao de movimentao dos pedestres. As atraes so lugares do ambiente, onde os pedestres podem atender suas motivaes pessoais. Recentemente, tem havido um interesse pela construo de modelos para investigar a movimentao de pedestres devido ao seu potencial para a estimativa de padres futuros e teste de hipteses. Estes estudos podem ser utilizados para, por exemplo: identificar reas com potencial comercial, avaliar o impacto da urbanizao em certas regies, auxiliar no planejamento de contingncias dos servios de emergncia, etc. Em (Jiang 1999) apresentado um modelo, denominado SIMPED, com a finalidade de estudar a influncia da configurao espacial no movimento dos pedestres. Em (Schelhorn et al 1999) proposto um modelo de agentes integrado com SIG para a simulao da movimentao de pedestres. Em (Helbing et al 2002) apresentado um modelo para a simulao de pedestres em condies normais e de emergncia. Em (Therakomen 2001) temos um modelo, denominado Mouse.Class, que permite explorar a relao de agentes com vrios tipos de ambientes e comportamentos. Embora estes trabalhos apresentem resultados interessantes, ainda so poucos os estudos de modelagem de pedestres utilizando agentes autnomos, principalmente integrados com dados reais georeferenciados, ou seja, ambiente reais. Neste estudo de caso, o interesse simular a movimentao de pedestres em um ambiente urbano, representado a partir de dados reais georeferenciados de SIGs. Para isso, sero modelados comportamentos baseados em caractersticas empricas 49

mencionadas na literatura. Os agentes devero ser capazes de evitar colises e atender as suas necessidades individuais. Alm disso, ser apresentada uma abordagem

simplificada para investigar a relao entre o movimento de pedestres e a localizao de atraes. Considera-se, a exemplo do que ocorre em alguns centros urbanos, que as ruas so para trfego exclusivo de pedestres. 5.2.1 Caractersticas do Movimento de Pedestres Tradicionalmente, os estudos da movimentao de pedestres so baseados na observao direta ou anlise de fotografias e filmagens. A observao direta consiste na presena de pesquisadores entre os pedestres ou posicionados com viso privilegiada, para efetuar contagens e o registro das aes adotadas pelas pessoas. A anlise de fotografias e filmagens registra a movimentao dos pedestres em filmes para anlise posterior, podendo contar com mais recursos tecnolgicos. Estas observaes indicam a ocorrncia de alguns padres, que so adotados regularmente pelos pedestres quando esto circulando pelos centros urbanos, e que podem ser utilizados para caracterizar a sua movimentao. Desta forma, a construo do modelo apresentado nesta dissertao baseou-se em alguns destes padres, particularmente aqueles comuns aos trabalhos de (Helbing et al 2002) e (Feurtey 2000). So eles: 1. Os pedestres procuram manter um afastamento entre si e das paredes durante o trajeto. 2. H uma resistncia em adotar uma direo contrria planejada (detour). 3. Os locais, onde os pedestres se deslocam em sentidos opostos, costumam apresentar a formao de filas de pedestres com a mesma orientao. 5.2.1.1 rea de Conforto O espao que os pedestres tentam preservar ao seu redor durante o movimento denominado rea de conforto. De um modo geral, considera-se que a extenso desta rea influenciada pelas condies do ambiente, o grau de intimidade com os pedestres vizinhos e aspectos culturais. Assim, quando a concentrao de pedestres no ambiente est alta, a rea de conforto dos pedestres reduzida porque h pouco espao livre, ou seja, a aproximao e o contato com outros pedestres tem que ser tolerado. Em ambientes com baixa

concentrao de pedestres, a rea de conforto costuma ser maior porque h mais

50

espao disponvel e, com isso, os pedestres tendem a se distribuir uniformemente pela rea. O grau de intimidade entre os pedestres influencia na rea de conforto de modo que quanto maior for o grau de intimidade, menor ser a extenso da rea de conforto. A seguir, reproduzimos a tabela apresentada em (Feurtey 2000) com estimativas da extenso da rea de conforto em funo do grau de intimidade. rea por pessoa (m2) < 0.3 Entre 0.3 e 1.2 Entre 1.2 e 10 > 10

Relacionamento ntimo Pessoal Social Pblico

O conceito de rea de conforto foi adicionado ao estado interno do modelo de agentes atravs de uma propriedade numrica cujo valor indica o raio desta rea. A Figura 26 mostra um agente com seu campo visual (crculo vermelho) e a rea de conforto (crculo branco) representados.

Figura 26. Agente com sua rea de conforto e campo visual.

5.2.1.2 Resistncia para tomar direo oposta As observaes indicam que os pedestres apresentam uma resistncia em adotar uma direo oposta planejada, inclusive para evitar possveis colises com outros pedestres, ou quando o caminho est bloqueado. 51

No caso de colises, os pedestres costumam adotar desvios laterais associados com variao da velocidade inclusive parando momentaneamente, para dar passagem a outros pedestres. Variando sua velocidade, um pedestre pode antecipar-se do ponto em que sua trajetria cruzaria (coliso) a de outros ou, ainda, pode deixar que os outros pedestres, que estejam em sua trajetria, se antecipem do provvel ponto de coliso. Esta caracterstica foi considerada para a modelagem do comportamento, a fim de evitar colises. comportamentos. 5.2.1.3 Formao de Filas Em reas com alta concentrao de pedestres e sem um sentido preferencial para deslocamento, ocorre uma mistura dos pedestres que se deslocam em sentidos opostos e pode ocorrer a formao de filas de pedestres com a mesma orientao. Na Figura 27, observa-se uma rea com vrios pedestres deslocando-se em sentidos opostos e a ocorrncia de uma fila. Os detalhes sero apresentados na seo de modelagem de

Figura 27. Formao de filas.

Em funo da proximidade entre os pedestres que se movimentam em sentidos opostos, estas filas so instveis e no permanecem por distncias longas. No entanto,

52

o processo de formao de filas contnuo, enquanto a densidade de pedestres na rea se mantiver alta. Em (Helbing et al 2002), dito que a interpretao convencional destas filas dada por uma tendncia que os pedestres possuem de adotar um lado preferencial para cada sentido de deslocamento (tal como ocorre no trnsito de veculos). Isto explicado devido aos pequenos desvios laterais que os pedestres fazem para evitar possveis colises. Com isso, este movimento lateral tende a separar os fluxos de pedestres com orientao oposta, vide Figura 28.

Figura 28. Formao de faixas preferenciais.

A caracterstica de formao de filas no foi formulada explicitamente no modelo proposto, no entanto, pde ser verificada como um efeito resultante da interao entre os agentes. Esta constatao refora a validade da abordagem descentralizada. 5.2.2 Fatores que Influenciam o Movimento de Pedestres As referncias bibliogrficas que tratam de modelos de pedestres indicam que sua movimentao influenciada por motivaes pessoais, pela configurao espacial e pela localizao de atraes. Conforme j foi mencionado, as motivaes dos

pedestres esto relacionadas com suas atividades e necessidades enquanto que a

53

configurao espacial consiste no conjunto de estruturas fsicas (ruas, quadras, prdios, etc.) que delimitam o espao de movimentao dos pedestres. As atraes so lugares do ambiente onde os pedestres podem atender suas motivaes pessoais. Neste trabalho o objetivo principal simular a movimentao dos pedestres em funo das motivaes pessoais e da localizao de atraes. Assim, a seguir ser explicado como estes fatores foram inseridos no modelo proposto. A configurao espacial ser discutida na seo 5.2.5, que trata da definio do ambiente de simulao. 5.2.2.1 Atividades e Necessidades De um modo geral, pode-se afirmar que as pessoas planejam seus caminhos em funo dos locais onde suas atividades e necessidades possam ser atendidas, ou seja, a tupla <atividade, necessidade> define o destino dos pedestres no espao urbano. Como no se sabe exatamente os destinos de todos os pedestres para abastecer um modelo, alguns autores sugerem que se pode utilizar estimativas geradas a partir de levantamentos das demandas mais significativas (por exemplo, dados censitrios regionais) e da localizao dos respectivos pontos de oferta na regio. As demandas consistem nas atividades e necessidades das pessoas, como por exemplo: trabalhar, estudar, recreao e alimentao. Os pontos de oferta so os locais no ambiente que podem atender s atividades e necessidades das pessoas, tais como: indstrias, lojas comerciais, escolas, teatros e restaurantes. Como se constata, h inmeras possibilidades de atividades e necessidades que as pessoas podem buscar nos espaos urbanos, todavia seria complexo abordar todas no modelo. No entanto, isolando-se pelo menos uma destas atividades/necessidades e modelando-a adequadamente, pode-se posteriormente expandir o modelo adicionando outras atividades/necessidades. Isso inclusive pode facilitar a investigao da

influncia que uma determinada atividade/necessidade exerce na movimentao dos pedestres. Assim, assume-se que o pedestre no modelo possui apenas um tipo de necessidade. Para represent-la, adicionou-se algumas propriedades numricas ao A seguir, apresentam-se as

modelo com valores percentuais entre 0 e 100%. propriedades acompanhadas de sua descrio.

54

Propriedade Nvel Normal

Descrio Armazena o valor de referncia para indicar que o agente est satisfeito (sem necessidade).

Nvel Atual

Armazena o valor que indica o nvel atual de necessidade do agente.

Limiar Taxa de Reduo

Armazena o valor limite para indicar se o agente est satisfeito. Armazena o valor que ser subtrado da propriedade Nvel Atual aps cada ciclo de simulao.

Inicialmente, a propriedade Nvel Atual possui o mesmo valor que Nvel Normal, ou seja, no incio da simulao os agentes esto sem necessidades para satisfazer. Aps cada ciclo da simulao, a propriedade Nvel Atual subtrada do valor armazenado em Taxa de Reduo. A finalidade da propriedade Taxa de Reduo simular o desgaste do agente ao longo do tempo. Quando o valor de Nvel Atual for igual ao valor de Limiar, o agente dever buscar um ponto de oferta, no ambiente, para satisfazer sua necessidade. O fato do agente procurar por atraes somente quando perceber que precisa suprir uma necessidade til para simular as atividades/necessidades que ocorrem em determinados perodos do dia, tais como: a busca por restaurantes no horrio de almoo ou pelos pontos de transporte nos horrios de incio e final do dia de trabalho. 5.2.2.2 Atraes Os pontos de oferta, mencionados na seo anterior, so denominados atraes e influenciam na movimentao dos pedestres devido relao direta com suas <atividades,necessidades>. De um modo geral, as atraes de uma regio constituem os possveis destinos dos pedestres nos centros urbanos. por este motivo que nos centros comerciais (aglomerado de atraes) costuma haver um maior fluxo de pessoas do que nas regies perifricas das grandes cidades. Como o modelo considera apenas um tipo de necessidade e como afirmou-se anteriormente que as atraes esto diretamente associadas com as necessidades, o modelo admitir apenas um tipo de atrao. As atraes (todas do mesmo tipo) faro parte das informaes do ambiente de simulao e estaro disponveis na camada de ambiente. Alm de possuir uma localizao no ambiente, associou-se algumas

propriedades s atraes para que ficassem coerentes com as simplificaes adotadas 55

para as necessidades dos agentes. acompanhadas da descrio.

A seguir, apresentamos as propriedades

Propriedade

Descrio

Capacidade de Atendimento Nmero mximo de agentes que a atrao pode atender simultaneamente. Capacidade de Espera Nmero mximo de agentes que podem aguardar por atendimento na atrao (fila de espera). Atendimento Atual Espera Atual Nmero atual de agentes sendo atendidos na atrao. Nmero atual de agentes aguardando na atrao para serem atendidos. Tempo de Atendimento Nmero de ciclos da simulao necessrios para a atrao satisfazer o agente.

Apesar do modelo suportar vrias atraes no ambiente de simulao, adotou-se como exemplo um ambiente com apenas uma atrao para facilitar o entendimento de como estas atraes podem atender s necessidades dos agentes. Inicialmente, os agentes esto satisfeitos (sem necessidade) e as propriedades Atendimento Atual e Espera Atual da atrao tero o valor zero. A propriedade Capacidade de

Atendimento dever ser inicializada com o nmero de agentes que a atrao pode atender; a propriedade Capacidade de Espera, com o nmero de agentes que podem esperar pelo atendimento da atrao e a propriedade Tempo de Atendimento, com o nmero de ciclos que a atrao necessita para receber um agente com necessidade e retorn-lo ao ambiente com satisfao plena. A medida que, na atrao chegam agentes com necessidade, a propriedade Atendimento Atual incrementada. Quando Atendimento Atual atinge o valor

armazenado em Capacidade de Atendimento, isto indica que os agentes no podem ser atendidos imediatamente e devem aguardar pelo atendimento. Neste caso, a

propriedade Espera Atual comea a ser incrementada, para registrar os agentes que esto aguardando pelo atendimento, ou seja, na fila de espera. Quando Espera Atual atinge o valor armazenado em Capacidade de Espera, isto indica que a atrao no tem como atender mais agentes e nem mesmo pode permitir que aguardem na atrao, com isso, eles precisam procurar por outra atrao que possa atend-los.

56

Com o decorrer da simulao, os agentes que permaneceram sendo atendidos (no confundir com a fila de espera) por um nmero de ciclos igual ao valor da propriedade Tempo de Atendimento, retornam para o ambiente e continuam sua movimentao. A propriedade Atendimento Atual decrementada do nmero de agentes que retornam ao ambiente aps terem sido atendidos pela atrao. Com isso, so

disponibilizadas vagas para atender os agentes que esto na fila de espera, se houverem alguns, ou ainda, agentes no ambiente. Se houverem agentes na lista de espera,

Espera Atual decrementado do nmero de vagas disponibilizadas no atendimento e Atendimento Atual incrementada de igual nmero, sem permitir que o valor ultrapasse Capacidade de Atendimento. Embora o modelo considere que as atraes so do mesmo tipo, verifica-se que alterando os valores das propriedades (Capacidade de Atendimento, Capacidade de Espera e Tempo de Atendimento) essa restrio pode ser facilmente derrubada. Com isso, poder-se-ia fazer com que as atraes com maior capacidade de atendimento ou menor tempo de atendimento fossem preferidas em oposio s outras. 5.2.2.3 rea de Influncia das Atraes Em um cenrio real, onde so vlidas as teorias de livre concorrncia, uma atrao comercial atrai mais pedestres do que outras. Para isso, utiliza recursos tais como: reduo de preos e maior variedade de ofertas. Desta forma, h uma diferenciao nas atraes que pode ser utilizada para determinar qual das ofertas disponveis est mais compatvel com o perfil de determinado pedestre. Entretanto, considerou-se simplificadamente, apenas atraes de mesmo tipo e mesmas propriedades. Com isso, torna-se necessrio determinar algum critrio que os agentes possam utilizar para escolher uma atrao. Adotou-se uma abordagem na qual os agentes do preferncia s atraes mais prximas. Isto razovel visto que todas as atraes so equivalentes. Geomarketing. Segundo as teorias do campo do Geomarketing, descreve-se a interao entre pedestres e atraes com a utilizao de modelos gravitacionais. Estes modelos, Esta abordagem fundamenta-se nas teorias do

baseados na teoria da fora gravitacional de Newton, mostram que a influncia que uma atrao exerce sobre um consumidor diretamente proporcional s ofertas da atrao e inversamente proporcional distncia entre eles (Aranha & Figoli 2001).

57

Com isso, aplicando-se o modelo gravitacional a um conjunto de atraes pode-se determinar as reas que so influenciadas por cada uma delas. Definiu-se a rea de influncia de uma atrao como sendo uma regio (em torno da atrao) que garante que qualquer posio, no interior desta regio, est mais prximo daquela atrao. Assim, dada a localizao de um pedestre, pode-se determinar qual atrao est mais prxima. Determinando as reas de influncia para cada atrao, a regio em estudo ser segmentada, permitindo assim a visualizao da influncia de cada atrao. Este tipo de trabalho feito pelos analistas de Geomarketing para avaliar a participao de um empreendimento em relao aos seus concorrentes, para definir localizaes com potencial comercial para instalao de filiais ou novos empreendimentos, para simulao de cenrios e previso de vendas. Para definir as reas de influncia das atraes do modelo, partiu-se do conceito do Diagrama de Voronoi. Um Diagrama de Voronoi define, para um conjunto de pontos, regies em torno destes pontos de modo que qualquer localizao no interior de uma determinada regio est mais prxima do ponto que gerou aquela regio (Figueiredo & Carvalho 1991).

Figura 29. Diagrama de Voronoi.

58

A Figura 29 mostra a configurao de um Diagrama de Voronoi para um conjunto de pontos (a, b, c, d, e, f, g, h e i), onde podemos observar que a posio P est na regio gerada em torno do ponto a, logo a posio P est mais prxima do ponto a. Em geral, os algoritmos geram o Diagrama de Voronoi em uma representao poligonal, ou seja, determinam os polgonos que delimitam as reas de influncia. Esta representao oferece uma diminuio na performance da simulao porque, como no estamos utilizando mecanismos para indexao espacial, necessrio verificar a pertinncia da localizao de cada agente com cada um dos polgonos das reas de influncia. O ideal utilizarmos uma representao matricial (grid) para as reas de influncia porque a condio de pertinncia pode ser calculada com menor custo, simplesmente considerando as posies dos agentes e as dimenses do ambiente. Desta forma, resolvermos gerar uma aproximao do Diagrama de Voronoi utilizando morfologia matemtica. O princpio bsico da Morfologia Matemtica

consiste em extrair informaes relativas geometria e topologia de um conjunto desconhecido de uma imagem (grid), a partir de transformaes de formas, realizadas atravs de operadores elementares denominados dilatao e eroso

(Suruagy & Ramos 1997). Para o propsito de gerar as reas de influncia, apenas o operador de dilatao foi utilizado. Com a finalidade de ilustrar o efeito do operador de dilatao, a Figura 30 mostra um grid com duas atraes posicionadas, uma representada em azul e a outra em vermelho. Na Figura 31a, pode-se observar uma primeira iterao deste operador. Nesta Figura, tem-se que as posies das atraes so expandidas, definindo regies em torno das atraes, ou seja, suas reas de influncia. As Figuras 31b e 31c mostram as outras iteraes do operador, at o encontro das regies (preenchimento do grid). A Figura 31c mostra o resultado final, ou seja, as reas de influncia das duas atraes.

59

2 1

Figura 30. Grid com atraes.

2 1 (a) 1 (b)

2 1 (c)

Figura 31. Iteraes para gerar as reas de influncia.

Utilizando a abordagem por morfologia matemtica, cria-se um grid e associa-se seus pixels com as coordenadas da regio em estudo (georeferenciamento do grid). Com isso, posicionou-se as atraes no grid e aplicou-se o operador de dilatao iterativamente at que todos os espaos do grid fossem preenchidos, definindo, assim, as reas de influncia (Seixas et al 2001). A Figura 32 mostra a simplificao do Diagrama de Voronoi, gerado por morfologia matemtica, com as quadras (polgonos em azul) e a localizao das atraes (crculos verdes) sobrepostos.

60

Figura 32. Simplificao para o Diagrama de Voronoi.

Um restrio importante desta abordagem, est relacionada com o fato de utilizarmos a distncia Euclidiana para definir as reas de influncia. Nem sempre a atrao mais prxima pela distncia Euclidiana corresponde ao menor trajeto atravs das ruas de uma regio.

Figura 33. Distncia entre pedestre e duas atraes.

Na Figura 33 h um pedestre (na posio P) e duas atraes (indicadas pelos nmeros 1 e 2). Embora o afastamento medido atravs da distncia Euclidiana indique que a atrao 2 est mais prxima do pedestre, o trajeto percorrido pelo pedestre at a atrao 1 menor. A Figura 34 mostra os trajetos do pedestre at as atraes 1 e 2.

61

1
P

1 2

(a)

(b)

Figura 34. Percurso do pedestre at as atraes.

Alm disso, a abordagem adotada para as reas de influncia est apoiada na proposta inicial dos modelos gravitacionais. Ao longo dos anos, estes modelos tm sido adaptados para considerar variveis relacionadas com a movimentao populacional e suas demandas socioeconmicas, a exemplo do modelo de Huff (Aranha & Figoli 2001). Assim, embora (Schelhorn et al 1999) afirme que estes modelos so inadequados para o estudo da movimentao de pedestres, as novas formulaes gravitacionais (ou os outros modelos do campo do Geomarketing) precisam ser avaliadas. 5.2.3 Planejamento de Caminhos Ao contrrio dos padres que os pedestres apresentam durante o movimento, no foram encontradas referncias que apresentassem uma abordagem para planejamento de caminhos baseada em resultados empricos. Alguns dos modelos da literatura

utilizam um dos j conhecidos algoritmos da computao para encontrar caminhos em uma malha ou grafo (Path finding, Path Planning ou Route Choice Algorithms). No entanto, a utilizao destes algoritmos no uma regra porque, como eles no foram originalmente concebidos para o problema da movimentao de pedestres, apresentam algumas incoerncias com as evidncias das observaes. Em (Jiang 1999) apresentado um modelo de pedestres que emprega dois modos de movimentao para os agentes: aleatria e objetiva. Na movimentao aleatria, os agentes circulam pelas ruas e quando encontram um cruzamento decidem aleatoriamente a prxima rua para continuar o movimento. Esta movimentao tem

62

um carter exploratrio do ambiente, tpico de turistas. A movimentao objetiva faz com que os agentes decidam pela ruas que os aproxime de seus destinos. Em (Schelhorn et al 1999) proposto um modelo que possui uma etapa de pr-processamento para determinar os destinos e os respectivos caminhos de todos os agentes baseados em suas caractersticas socioeconmicas (geradas a partir de dados estatsticos). Estes caminhos so gerados a partir de um algoritmo de caminho mnimo (shortest path algorithm) utilizando as informaes das ruas. Com isso, os agentes so inseridos no ambiente de simulao j com o conhecimento do caminho que os levar at o destino. Para evitar uma movimentao tima naquele modelo (todos os agentes sabendo exatamente como chegar aos seus destinos) foi includo um parmetro de fixao que indica o quanto o agente estar disposto a seguir o caminho pr-definido ou ser distrado por atraes (compatveis com suas caractersticas socioeconmicas, tais como: sexo e salrio) durante o percurso. Baseado nestes trabalhos, resolveu-se adotar um planejamento de caminho aleatrio tal como proposto em (Jiang 1999). Com isso, os agentes podem movimentar-se (interagindo) por todo o espao disponvel na regio em estudo. Entretanto, quando os agentes precisam encontrar uma atrao para atender suas necessidades, restringimos o espao de movimentao deles somente na rea de influncia das atraes em que eles estejam localizados no momento em que percebem a necessidade. importante salientar que o planejamento de caminhos adotado apenas define como ocorre a deciso nos cruzamentos. A ao de caminhar pela rua escolhida

executada por um comportamento especfico, que ser apresentado na seo a seguir. 5.2.4 Modelagem Comportamental A modelagem de comportamentos para o caso urbano consiste em definir comportamentos que permitam a reproduo das caractersticas observadas na movimentao dos pedestres. Analogamente ao caso militar, buscou-se utilizar os comportamentos de manobra genricos propostos por Reynolds (1999). Entretanto, devido s particularidades dos dados de SIG que foram empregados, foram realizadas algumas adaptaes que sero discutidas mais adiante. De um modo geral, verificou-se que so necessrios apenas os comportamentos Seguir Caminho e Evitar Coliso.

63

5.2.4.1 Seguir Caminho Inicialmente, adotamos o comportamento Seguir Caminho tal como descrito por Reynolds (1999). No entanto, verificou-se na simulao que os pedestres estavam colidindo freqentemente com os limites das quadras em alguns locais ou, ento, no utilizavam o espao disponvel para movimentao e, com isso, apresentavam uma tendncia para ficarem alinhados no centro da rua. Aps a anlise destes efeitos, constatou-se que as colises com os limites das quadras ocorriam porque este comportamento, originalmente, sugere que os agentes devem desviar-se para o centro da rua sempre que houver um afastamento maior desta, do que uma distncia pr-definida. Assim, nas ruas estreitas havia a tendncia de colises enquanto nas ruas largas ocorria o movimento alinhado com o centro da rua. Esta condio de desvio (para o centro da rua) no pode ser considerada, quando se utiliza dados de ambientes reais, porque as ruas no possuem a mesma largura. Aps remover a condio, o agentes apresentaram uma movimentao mais adequada. 5.2.4.2 Evitar Coliso Conforme pode ser visto na seo 2.1.3.1, o comportamento Evitar Coliso requer uma rea retangular para detectar as possveis colises no trajeto dos agentes. No entanto, o mecanismo de percepo do modelo proposto utiliza uma rea de deteco que circular e muito mais ampla do que necessita o comportamento. Desta forma, adaptou-se o mecanismo de percepo do modelo para incorporar essa rea retangular, exclusivamente para detectar colises. Assim, os agentes desviaro somente dos

obstculos que estiverem no interior da rea de coliso, ou seja, prximos de suas trajetrias. Isso evita que obstculos sem potencial de coliso sejam considerados. A largura desta rea para deteco de colises definida pelo dimetro da rea de conforto e o seu comprimento metade do alcance do campo visual. A Figura 35 mostra o mecanismo de percepo do modelo ampliado.

64

Campo Visual

rea de coliso
Figura 35. Campo visual e rea de coliso

Como se sabe, o movimento dos agentes o resultado da soma de pequenos desvios (steering) orientao planejada (que sempre est direcionada para um cruzamento). Para evitar que a soma de um destes desvios altere a orientao planejada do agente para uma orientao oposta, atribumos nessa soma de desvios um peso maior ao componente que indica a orientao planejada. Esses pesos no possuem valores absolutos e devem ser ajustados de acordo com a regio em estudo. Nos testes que foram realizados, utilizou-se um peso de 60% para a orientao planejada e 40% para o desvio de evitar coliso. A medida que se diminui o peso do desvio que evita colises, os agentes apresentam uma tendncia para passar uns por cima dos outros (ignorando a coliso). Quando aumentamos o valor deste peso, os agentes apresentam desvios abruptos (com relao a orientao que vinham apresentando). Os valores dos pesos para a orientao planejada e para o desvio de evitar colises so parmetros no prottipo que foi implementado. 5.2.5 Ambiente Os espaos urbanos reais so repletos de elementos que, de alguma forma, influenciam na movimentao dos pedestres, como por exemplo: placas de sinalizao, ruas, guardas, etc. Entretanto, importante selecionar os elementos fundamentais para o modelo. Desta forma, baseado nos estudos de Jiang (1999) e Schelhorn et al (1999), verifica-se que as informaes sobre ruas e quadras so suficientes para caracterizar o espao de movimentao dos pedestres. As ruas foram selecionadas porque por onde os pedestres se movimentam enquanto as quadras delimitam o espao livre para movimentao. Como se tem o interesse em utilizar dados reais de SIGs, importante adotar a estruturao usual 65

dessas informaes nos SIGs, para permitir que dados de diferentes fontes e regies possam ser carregados no modelo proposto. Assim, o modelo suporta que as ruas sejam fornecidas segundo uma malha (rede) de eixos centrais e as quadras como polgonos. Os eixos das ruas consistem em segmentos de reta que correspondem s linhas centrais das ruas de uma regio. Os polgonos das quadras delimitam as reas

intransponveis pelos pedestres. A Figura 36 mostra uma imagem area de uma regio urbana com algumas ruas, a Figura 37 mostra esta imagem area com os eixos das ruas sobrepostos e a Figura 38 mostra a imagem area com os limites das quadras.

Figura 36. Imagem area.

Figura 37. Imagem area com ruas destacadas.

66

Figura 38. Imagem area com quadras destacadas.

Para atender ao planejamento de caminhos, estruturou-se internamente, no modelo, os eixos das ruas segundo uma lista de adjacncias7. Com esta estrutura de dados foi possvel organizar os cruzamentos de ruas de modo que fosse fcil determinar para qualquer cruzamento as ruas que o formavam. 5.2.6 Prottipo Urbano Com que foi visto, foi possvel implementar um prottipo para simular o modelo de movimentao de pedestres. Para executar este prottipo, deve-se definir o ambiente de simulao e adicionar os agentes. O ambiente de simulao definido atravs da especificao dos arquivos que contm a malha de eixos centrais das ruas e os polgonos das quadras. Estas

informaes so suficientes para que os agentes possam se movimentar pelo ambiente de simulao. Alm disso, o prottipo permite que o usurio defina interativamente a localizao das atraes no ambiente. Pode-se ainda calcular as reas de influncia das atraes. Durante a simulao, o usurio pode visualizar a sobreposio de toda as informaes do ambiente (ruas, quadras, atraes e reas de influncia).

Estrutura de dados utilizada para representar grafos. No caso urbano, a malha de ruas pode ser

interpretada como um grafo, onde os cruzamentos de ruas so seus vrtices e as ruas propriamente ditas so suas arestas.

67

A adio de agentes pode ser feita em grupos ou individualmente. A adio em grupos permite a especificao do nmero de agentes que dever ser criado e os distribui aleatoriamente pelas ruas do ambiente. A adio individual cria um agente por vez e permite que o usurio os posicione no ambiente. Os dois modos de adio permitem a definio dos parmetros dos agentes (rea de conforto, alcance da viso, velocidade mxima, etc.). Alm disso, durante a simulao pode-se incluir novos agentes, ajustar suas propriedades ou remov-los. Para auxiliar a anlise da simulao, o prottipo oferece uma ferramenta que mostra a ocupao (nmero de agentes) das ruas atravs de uma representao onde os eixos das ruas so apresentados em tons entre as cores azul e vermelho. As tonalidades mais prximas da cor azul indicam baixa ocupao enquanto que as de cor vermelho indicam alta ocupao. A Figura 39 mostra a interface do prottipo com a janela de ocupao das ruas do ambiente visvel.

Figura 39. Interface do prottipo.

68

Resultados
Nesta seo sero apresentados alguns resultados obtidos com a simulao dos

modelos para os estudos de caso militar e urbano. Foram selecionados dois resultados de cada caso para mostrar a validade dos modelos. 6.1 Caso Militar: Coerncia do Modelo de Atrito

Conforme foi discutido anteriormente na seo 5.1.3, as equaes de Lanchester propem que os danos sofridos por um elemento de combate, durante o engajamento, so proporcionais ao quadrado do poder de combate do oponente. Com isso, em algumas situaes do confronto pode ser interessante juntar elementos de combate com a finalidade de que atuem como um nico elemento e, com isso, sua eficincia no engajamento possa ser consideravelmente aumentada. A explicao para esse aumento de eficincia est relacionada com a definio quadrtica das equaes de Lanchester. Para ilustrar o que foi dito, pode-se considerar a situao em que um elemento com valor de poder de combate igual a 200, engaja com dois elementos cujos valores de poder de combate sejam iguais a 100. Pela definio quadrtica das equaes de Lanchester, o elemento com valor de poder de combate igual a 200 muito superior aos outros dois elementos, porque 2002 > 1002 + 1002. Alm dessa anlise numrica, outros autores consideram que a maior eficincia de elementos, que se juntam, est relacionada com a possibilidade de aes mais coordenadas e organizadas. Embora o modelo proposto empregue um clculo de atrito simplificado (PCO/PCE), foi possvel reproduzir este efeito. A Figura 40 mostra um elemento de combate atacando frontalmente dois elementos de combate de defesa. O elemento de ataque est representado em azul e possui poder de combate igual a 200. Os elementos de defesa esto representados em vermelho e cada um possui poder de combate igual a 100. A Figura 41 mostra um grfico onde podemos acompanhar a reduo no poder de combate dos elementos de defesa at a eliminao, conforme esperado. Este grfico mostra, ainda, que o engajamento no ocorre entre os trs elementos ao mesmo tempo, conforme a estratgia adotada para tratar situaes concorrentes.

69

Figura 40. Elemento atacando duas patrulhas de defesa.

Clculo de Atrito (PCO/PCE)

250 Poder de Combate 200 150 100 50 0 1 11 21 31 41 51 61 71 81 91 101 111 Ciclos Ataque Defesa 1 Defesa 2

Figura 41. Evoluo do engajamento entre os elementos.

Mesmo no utilizando um clculo de danos quadrtico, como as equaes de Lanchester, este efeito pde ser reproduzido devido a simplificao adotada para o conceito de poder de combate. Conforme foi discutido anteriormente, o valor do poder de combate corresponde ao alcance do armamento dos elementos de combate. Assim, elementos com maior poder de combate consequentemente podem atingir oponentes mais afastados. Desta forma, os elementos com menor poder de combate sempre sero atingidos antes que possam atingir os elementos com maior poder de combate. Alm 70

disso, a medida que um elemento com menor poder de combate atingido, o alcance de seu armamento tambm diminui, fica mais difcil atingir o oponente com maior poder de combate. 6.2 Caso Militar: Deteco de Inimigo

Uma situao tpica de confrontos militares ocorre quando uma patrulha de defesa detecta a presena de oponentes. Segundo os especialistas militares, dependendo da natureza da ao da patrulha (defensiva ou ofensiva), a patrulha dever apenas

observar o deslocamento do oponente, tomando o cuidado para no ser detectada, ou perseguir o oponente e tentar elimin-lo. Isto est simplificadamente descrito no plano ttico adotado neste trabalho. Para simular esta situao com o modelo proposto, foram adicionadas duas patrulhas de defesa (com natureza ofensiva) e um elemento de combate de ataque (com natureza defensiva) ao ambiente de simulao. A Figura 42 ilustra o que foi dito. Conforme pode ser observado na Figura 42, o elemento de combate de ataque (em azul) foi orientado de modo que seu trajeto cruzasse a trajetria das patrulhas de defesa (em vermelho). No entanto, tomou-se a precauo para que o elemento de ataque no detectasse subitamente as patrulhas, pois poderia caracterizar uma situao diferente (contato fortuito) da que est sendo investigada (Patrulha v mas inimigo no).

Figura 42. Elemento de combate de ataque prximo de patrulhas de defesa.

A Figura 43 mostra quando um dos elementos da patrulha de defesa detecta o oponente (situao Patrulha v mas inimigo no) e, com isso, altera sua orientao para 71

iniciar a perseguio ao oponente. Na Figura 44, pode-se visualizar o elemento de ataque sendo perseguido por apenas um dos elementos da patrulha, porque o outro elemento da patrulha ainda no detectou que seu amigo teve o comportamento alterado.

Figura 43. Patrulha de defesa percebe oponente.

Figura 44. Patrulha de defesa perseguindo oponente.

Aps um dos elementos da patrulha iniciar a perseguio ao oponente, o outro elemento percebe a mudana de comportamento de seu amigo de defesa (situao alerta inimigo) e tambm altera o comportamento para poder segu-lo. Na Figura 45, pode-se visualizar o segundo elemento da patrulha seguindo o elemento amigo, que persegue o oponente. importante observar que o oponente no est visvel para o 72

segundo elemento da patrulha. Pode-se considerar esta ao do segundo elemento da patrulha, que apenas segue o amigo, como uma forma de cobertura, isto , um apoio para o caso de alguma eventualidade.

Figura 45. Segunda patrulha percebe situao de Alerta Inimigo.

Em dado momento da simulao, o oponente entra no alcance do poder de combate do elemento de defesa que o perseguia e, com isso, recebe disparos daquele elemento. Como o oponente no tinha conhecimento que estava sendo perseguido (o evento inimigo visvel ainda no havia ocorrido), no momento em que recebe os primeiros disparos (evento inimigo atacando), percebe que est em uma emboscada. forma, configura-se o engajamento entre os elementos. Desta

A Figura 46 mostra um

momento do engajamento no qual podemos observar uma acentuada reduo na projeo do poder de combate do oponente.

Figura 46. Engajamento entre os elementos.

73

Figura 47. Elementos voltando patrulha, aps a eliminao do oponente.

A Figura 47 mostra os elementos da patrulha retornando trajetria de patrulhamento inicial, aps a eliminao do oponente (em amarelo). Convencionou-se que os elementos de combate em patrulha devem retornar ltima posio visitada da patrulha, sempre que seu trajeto for interrompido pela ocorrncia de alguma situao do plano ttico. 6.3 Caso Urbano: Formao de faixas preferenciais

Conforme dito anteriormente na seo 5.2.1.3, quando a densidade de pedestres aumenta em uma determinada localidade, verifica-se a formao de faixas preferenciais para o deslocamento de pedestres com mesma orientao. A simulao do modelo proposto permite reproduzir este efeito de formao de faixas preferenciais. Entretanto, importante salientar que os nicos comportamentos adotados no modelo de pedestres so para seguir um caminho e evitar as colises, ou seja, no h uma especificao no modelo para a formao destas faixas preferenciais. A Figura 48 mostra uma distribuio de agentes que se movimentavam por uma rua durante uma simulao do modelo urbano. As linhas pretas representam os limites das quadras. Os agentes so identificados atravs dos crculos azuis e os segmentos de reta brancos, que se iniciam nos crculos, definem a orientao destes agentes. Analisando esta Figura, podemos destacar a existncia de faixas preferenciais conforme nos mostram as Figuras 49 e 50.

74

Figura 48. Agentes se deslocando por uma rua.

Figura 49. Faixa com agentes se deslocando de cima para baixo.

75

Figura 50. Faixa com agentes se deslocando de baixo para cima. 6.4 Caso Urbano: Tratamento de colises

O comportamento para evitar colises desempenha um importante papel no modelo de pedestres, pois impede que os agentes passem uns por cima dos outros (o que comprometeria a validade do modelo) e assegura que os agentes se movimentem somente pelas ruas (sem invadir as quadras). Com a finalidade de avaliar o comportamento para evitar colises, foram posicionados vrios agentes em uma rua, parados e prximos uns dos outros. O objetivo foi reproduzir a aglomerao de pessoas, tpica de reas onde h alta concentrao de atraes ou ocorrem eventos populares, porque essas aglomeraes dificultam a circulao dos pedestres que querem passar pela rua. A Figura 51 mostra a aglomerao de agentes, representados por pontos brancos. Desta forma, adicionou-se um agente no ambiente com a finalidade de passar pela aglomerao de agentes. A Figura 52 mostra o trajeto (em vermelho) do agente, ao passar (no sentido de cima para baixo) pela aglomerao.

76

Figura 51. Aglomerao de agentes em uma rua.

Figura 52. Trajeto de um agente evitando colises. 77

Concluses
Os resultados obtidos comprovaram que a abordagem descentralizada, para a

construo de modelos para a simulao de sistemas, possibilita a reproduo de fenmenos complexos, a partir de uma formulao simplificada dos mesmos, baseada na interao entre seus componentes. Segundo a abordagem descentralizada, um fenmeno complexo pode ser reproduzido a partir da interao entre agentes que simulam os componentes do fenmeno. Entretanto, como foi visto nos estudos de casos, os agentes tambm

interagem com o ambiente. Desta forma, adotar uma representao adequada e precisa para o ambiente um fator importante para a modelagem. Sendo assim, prope-se a integrao do modelo de agentes com dados oriundos dos Sistemas de Informao Geogrficas (SIGs) porque estes sistemas possuem um conjunto de ferramentas especficas para criar e gerenciar representaes precisas do espao geogrfico. Para implementar esta integrao, resolveu-se acessar diretamente os dados de SIGs armazenados nos formatos Arcview Shapefile e Arcview Binary Grid, porque estes formatos de dados podem ser facilmente decodificados e possuem documentao disponvel na Internet. O objetivo principal, que a modelagem de comportamentos, foi facilitado com a utilizao de alguns comportamentos genricos propostos em Reynolds (1999). Os comportamentos genricos definem aes bsicas (tais como: ir at uma determinada localizao, seguir um caminho especificado, etc.) e podem ser associados para a criao de outros comportamentos mais complexos e especficos para determinados fenmenos. Embora existam algumas ferramentas para a simulao de agentes, permitindo que os pesquisadores direcionem seus esforos para a construo de modelos ao invs do desenvolvimento de software, no foram encontradas referncias deste tipo de ferramenta que operasse integradas com dados de SIGs. Sendo assim, foi necessrio especificar uma arquitetura que permitisse o desenvolvimento dos prottipos para implementar os casos abordados. A arquitetura adotada composta por trs camadas, que definem como os componentes do modelo de agentes e ambiente se relacionam durante o ciclo de simulao. De um modo geral, as camadas da arquitetura esto relacionadas com a percepo do ambiente, a deciso de qual ao adotar (baseada na motivao e

78

objetivos dos agentes) e a execuo da ao (comportamento) escolhida. Embora simplificada, esta arquitetura mostrou-se suficiente para atender aos casos abordados e ainda pode ser facilmente expandida para incluir novos recursos, tais como: indexao espacial, a fim de acelerar o mecanismo de percepo, memria para permitir que os agentes lembrem de aes e decises recentes, etc. Como contribuio, foram implementados dois estudos de casos: um, modelando a movimentao de soldados em um terreno, baseada em algumas regras simplificadas de combate, e o outro, a movimentao de pedestres em uma regio urbana, baseada em alguns resultados empricos da literatura. No estudo de caso militar, aborda-se alguns dos principais tpicos no campo da simulao de confrontos, a saber: deteco de inimigo, movimentao de elementos e clculo dos danos. Atravs da utilizao de modelos digitais de elevao, foi possvel considerar a obstruo que a topografia de um terreno pode promover na deteco de inimigos. Incorporando a informao temtica da carta de trafegabilidade no modelo do ambiente foi possvel calcular o movimento dos agentes de uma forma mais coerente com as caractersticas da regio estudada. Alm disso, a partir das informaes do plano ttico foi possvel modelar comportamentos que conseguiram reproduzir algumas aes efetuadas nos

treinamentos reais. Os comportamentos militares foram implementados a partir da combinao dos comportamentos genricos utilizando eventos da simulao. A

representao desses comportamentos atravs de uma mquina de estados (onde os comportamentos genricos so os estados e os eventos definem quando ocorre a transio entre estados) permitiu uma viso clara da modelagem adotada. Embora seja bastante simplificado, o clculo de danos adotado permitiu calcular a evoluo do engajamento entre os elementos de combate e, ainda, mostrou-se coerente com alguns efeitos inerentes da formulao original das equaes de Lanchester. No estudo de caso urbano, verificou-se que um conjunto reduzido de comportamentos pode servir de base para a simulao da movimentao de pedestres. Ao contrrio do estudo de caso militar, foram utilizados os prprios comportamentos genricos (Seguir Caminho e Evitar Coliso) com pequenas alteraes para adequ-los ao caso urbano.

79

O ambiente foi definido utilizando as representaes usuais para espaos urbanos adotadas nos SIGs, ou seja, polgonos para representar o limite das quadras e uma malha de linhas representando o eixo central das ruas. Ao invs de utilizar um dos algoritmos j conhecidos para planejamento de caminhos, os agentes definem aleatoriamente qual rua devem tomar sempre que um cruzamento alcanado. A partir da simulao deste modelo urbano, foi possvel reproduzir alguns efeitos da movimentao de pedestres reportados na literatura, tais como: a formao de filas em reas densas e de faixas preferenciais para a movimentao de pedestres com mesmo sentido, de deslocamento. Alm disso, seguindo a tendncia das pesquisas atuais com modelos de pedestres, adicionou-se os conceitos de atrao e necessidade ao modelo, buscando simular o impacto destas variveis na movimentao dos pedestres. Para restringir o espao de busca dos agentes quando procuram por atraes (j que no foi adotado planejamento de caminhos), definimos as reas de influncia das atraes baseadas no Diagrama de Voronoi mas implementado utilizando morfologia matemtica. Assim, baseado no modelo gravitacional do Geomarketing, os agentes limitam sua busca na rea de influncia em que estejam localizados porque onde est localizada a atrao mais prxima (segundo a distncia Euclidiana).

80

Trabalhos Futuros
Uma adaptao que pode expandir as possibilidades de aplicao do modelo

proposto refere-se ao suporte para comunicao entre os agentes. Com isso, os agentes poderiam trocar informaes durante a simulao. Isso seria til para simular, por exemplo no caso urbano, um turista que pergunta aos agentes prximos como chegar em determinado ponto turstico. No caso militar, pode-se imaginar elementos de

combate afastados no terreno mas que se comunicam utilizando rdio comunicadores. Seria interessante definir uma linguagem para programao de comportamentos genricos baseada somente nos parmetros e componentes do modelo de agentes. Isso permitiria o desenvolvimento de bibliotecas de comportamentos genricos. A meta seria ter um ambiente interativo onde os comportamentos complexos fossem criados graficamente associando os comportamentos da biblioteca com os eventos da simulao, sem a necessidade de programao de cdigo. No estudo militar, pode-se melhorar o clculo dos danos considerando mais variveis, a comear por alguns aspectos fisiolgicos que podem ser facilmente inseridos no modelo atual, tal como o cansao. Pode-se adicionar mapas de vegetao no modelo para tornar o clculo de acuidade visual mais preciso. Alm disso, a incluso de um mdulo para percepo auditiva traria mais realismo simulao. Atualmente, confrontos relativamente prximos de alguns agentes passam despercebidos porque h a necessidade da deteco visual. No caso urbano, verifica-se que necessrio incluir algum mecanismo de indexao espacial para podermos simular um nmero maior de agentes e refletir a concentrao tpica dos centros urbanos. A definio das reas de influncia pode ser melhorada com um estudo mais aprofundado nos modelos de interao do Geomarketing e a utilizao de dados socioeconmicos. O modelo atual de necessidades e atraes pode ser expandido para suportar vrias outras necessidades e suas atraes correspondentes. Com isso, seria possvel estabelecer um estudo mais complexo do impacto da localizao das atraes no movimento dos pedestres. O planejamento de caminhos para os pedestres pode ser modificado da atual abordagem aleatria para outra mais prxima das evidncias que indicam que os pedestres tendem a escolher os caminhos mais rpidos mas no necessariamente os mais curtos (Helbing et al 2002). 81

Alm disso, seria interessante estudar a aplicao do modelo de pedestres proposto em planos de emergncias para a previso de cenrios tais como: incndios, tumultos, etc.

82

Referncias

1. Aranha, F., Figoli, S., 2001, Geomarketing: Memrias de viagem, Disponvel em: <http://www.fgvsp.br/academico/professores/Francisco_Aranha/memorias.PDF>, Acesso em: 15 Julho 2003. 2. Artificial Intelligence and Games Lecture Notes, Disponvel em:

<http://www.computing.dcu.ie/~tonyv/gamesAI/>, Acesso em: 17 Jul 2003. 3. Brito, J.L.S., Rosa, R., 1996, Introduo ao Geoprocessamento: Sistema de Informao Geogrfica, Uberlndia. 4. Brooks, R. A., 1991, Intelligence without reason. In: Proceedings of the twelfth International Joint Conference on Artificial Intelligence, pp.569-595, Sydney, August. 5. Brooks, R. A., 1990, Elephants dont play chess, Journal of Robotics and Autonomous Systems, v. 6, pp. 3-15. 6. Claramunt C., Jiang B., 2001, A Qualitative Model for the Simulation of Traffic Behaviours in a Multi-lane Environment, Journal of Geographical Sciences, v. 11, Special issue on geo-visualization, pp. 29-42. 7. Costa, M., 1997, Animao Comportamental Baseada em Agentes. Tese de D.Sc., Pontifcia Universidade Catlica do Rio de Janeiro, Rio de Janeiro, RJ, Brasil. 8. Dunnigan, J. F., 1997, The Complete Wargames HandBook, Disponvel em: <http://www.hyw.com/Books/WargamesHandbook/Contents.htm>, Acesso em: 17 Jul 2003. 9. Feurtey, F., 2000, Simulating the Collision Avoidance Behavior of Pedestrians. Tese de M.Sc., University of Tokyo, Tokyo, Japan. 10. Figueiredo, L.H., Carvalho, P.C.P., 1991, Introduo Geometria

Computacional. In: Anais do 18o. Colquio Brasileiro de Matemtica, Instituto de Matemtica Pura e Aplicada - IMPA, Rio de Janeiro. 11. Helbing, D., Farkas, I.J., Molnr, P., et al., 2002, Simulation of Pedestrian Crowds in Normal and Evacuation Situations. In: Pedestrian and Evacuation Dynamics, Springer-Verlag, Berlin, pp. 21-58. 12. Ingham, J., 1997, What is an Agent ?. Technical Report #6/99, Centre for Software Maintenance, University of Durhan, Durhan, London.

83

13. Ioerger, T. R.; Volz, R. A.; Yen, J.; 2000, Modeling Cooperative, Reactive Behaviors on the Battlefield with Intelligent Agents. In: Proceedings of the nineth Conference on Computer Generated Forces (9th CGF), pp. 13-23, Orlando, Maio. 14. Itami, B., Gimblett, R., Raulings, R., et al., 1999, RBSim: Using GIS-Agent simulations of recreation behavior to evaluate management scenarios, In: Proceedings of AURISA 99 Conference, Canberra, November. 15. Jiang B., 2000, Agent-based Approach to Modelling Urban and Environmental Systems within GIS, In: Proceedings of 9th International Symposium on Spatial Data Handling, Beijing, August. 16. Jiang B., 1999, SimPed: Simulating Pedestrian Flows in a Virtual Urban Environment, Journal of Geographic Information and Decision Analysis, v. 3, n. 1, pp. 21-30. 17. Kiwielewicz, M., 2000, Modelos adaptativos para Jogos de Guerra: O Caso do combate terrestre generalizado, Revista Pesquisa Naval, n. 13, pp. 93-104. 18. Maes, P., 1994, Modeling Adaptive Autonomous Agents. In: Artificial Life Journal, v. 1, n. 182, pp. 135-162. 19. Maes, P., 1995, Artificial Life Meets Entertainment: Lifelike Autonomous Agents, Communications of ACM, v. 38, n. 11 (Nov), pp. 108-114. 20. Reese, B., Stout, B., 1999, Finding a Pathfinder, In: Proceedings of AAAI99 Spring symposium on Artificial Intelligence and Computer Games, pp. 69-72. 21. Reynolds, C., 1999, Steering Behaviors for Autonomous Characters, In: Proceedings of Game Developers Conference 1999, pp. 763-782, San Francisco. 22. Reynolds, C., 1988, Not Bumping Into Things, In: Proceeding of SIGGRAPH 88, pp. G1-G13, Georgia, Atlanta, August. 23. Reynolds, C., 1987, Flocks, Herds, and Schools: A Distributed Behavioral Model, In: Proceedings of SIGGRAPH pp. 25-34, Anaheim, California, July. 87, 24. Rodrigues, A., Grueau, C., Raper, J. et al., 1998, Environmental planning using spatial agents. Innovations in GIS, v. 5, pp. 108-118. 25. Rodrigues, A., Raper, J., 1999, Defining Spatial Agents. In: Raper, J., Cmara, A. (eds), Spatial Multimedia and Virtual Reality, Research Monographs Series, Taylor & Francis, pp. 111-129. 26. Schelhorn, T., OSullivan, D., et al., 1999, STREETS: An agent-based pedestrian model, In: Computers in Urban Planning and Urban Management, Venice, September. 84

27. Seixas, R.B., Lauro, A., Torres, L., 2001, Caminho Mnimo em Matrizes de Custo Dinmico. In: IV Simpsio de Pesquisa Operacional e V Simpsio de Logstica da Marinha SPOLM 2001, Rio de Janeiro, Dezembro. 28. Seixas, R.B., Figueiredo, L.H., et al., 2000, Uma metodologia para gerao de modelos de elevao a partir de curvas de nvel, In: Anais do GeoInfo, pp. 82-87, So Paulo, Junho. 29. Seixas, R.B., Mediano, M.R., Gattass, M., 1999, Efficient Line-of-sight Algorithms for Real Terrain Data, In: III Simpsio de Pesquisa Operacional e IV Simpsio de Logstica da Marinha SPOLM 1999, Rio de Janeiro, Dezembro. 30. Stout, B., 1996, Smart Moves: Intelligent Pathfinding, Disponvel em: <http://www.gamasutra.com/features/19970801/pathfinding.htm>, 17 Jul 2003. 31. Suruagy, na D., Anlise Ramos, de E., Aplicao da Morfologia Matemtica em: Acesso em:

Imagens

Binrias,

Disponvel

<http://www.cin.ufpe.br/~if291/galeria/morfo/Welcome.html>, Acesso em: 17 Jul 2003. 32. Therakomen, P., 2001, Mouse.Class The Experiment for Exploring Dynamic Behaviors in Urban Places. Tese de M.Sc., University of Washington, Washington, USA. 33. Woodaman, R.F.A., 2000, Agent-Based Simulation of Military Other Than War Small Unit Combat. Tese de M.Sc., Naval PostGraduate School, Monterey, California, USA. 34. Wooldridge, M. J., Jennings, N. R., 1995, Agent Theories, Architectures, and Languages: A Survey, In: Wooldridge, M. J., Jennings, N. R. (eds), Proceedings of ECAI Workshop on Agent Theories, Architectures and Languages, 94 Amsterdam, The Netherlands, pp. 1-22. 35. Worboys, M.F., 1995, GIS: A Computing Perspective, 1 ed., London, Taylor & Francis.

85