FenixEdu™

Dissertação

Dynamic Sensor Network for Air Quality Monitoring Using Sequential Decision-Making Under Uncertainty EVALUATED

Detalhes: A poluição do ar é sem dúvida um dos problemas mais preocupantes enfrentados pela sociedade. Bastantes estudos provam que os efeitos desta poluição estão a causar diferentes patologias e outros problemas. Parte das abordagens de mitigação destes problemas consiste em monitorizar as regiões que carecem de mais atenção. O trabalho pioneiro sobre colocação de sensores usou sensores estáticos. Esta tese propõe uma solução baseada numa instalação de sensores dinâmicos, usando uma rede de sensores móveis. Esta tese propõe encontrar uma solução para a instalação de sensores numa certa região para obter informação fidedigna no que diz respeito à qualidade do ar, com a menor incerteza possível. Para quantificar a qualidade das medidas, fez-se uso de um trabalho que usando Redes Neuronais Bayesianas fornece previsões sobre os níveis de poluição e a sua incerteza, aprendidas com amostras de dados reais. Este projeto tem o multiobjectivo de maximizar a cobertura de poluição e minimizar a incerteza destas medições numa dada região. O simulador de tráfego de cidades SUMO é usado para extrair informação sobre a poluição e o tráfego. Descrevemos um algoritmo ganancioso para posicionamento de sensores estáticos, usado como baseline, e os outros dois para sensores móveis: um algoritmo reativo e um de aprendizagem por reforço com uma arquitetura de Proximal Policy Optimization (PPO). Além de se provar as vantagens dos sensores móveis, percebeu-se que usando aprendizagem por reforço conseguimos um melhor desempenho que um algoritmo reativo com 1 e 2 sensores.
Keywords: Instalação dinâmica de sensores, Aprendizagem por reforço, Monitorização de poluição, Tomada de decisão sob incerteza

Discussão: setembro 30, 2022, 14:0