Essa tese investiga políticas de despacho de recursos para atendimento a chamadas de emergência em grandes cidades. Um ambiente multiagente implementa um simulador de chamadas de emergências e despacho de recursos, servindo de instrumento para, inicialmente, se desenvolver uma análise comparativa de...

Essa tese investiga políticas de despacho de recursos para atendimento a chamadas de emergência em grandes cidades. Um ambiente multiagente implementa um simulador de chamadas de emergências e despacho de recursos, servindo de instrumento para, inicialmente, se desenvolver uma análise comparativa de políticas estáticas, nas quais a ordem de atendimento segue a critérios pré-estabelecidos. A partir dessas análises, conclui-se que tais políticas acabam por privilegiar somente um critério de qualidade (e.g. o tempo global de espera do chamador). Isso se mostra uma deficiência, pois centros de despacho de recursos devem levar em conta critérios de qualidade múltiplos como reduzir o tempo de resposta, o custo de deslocamento de veículos, aumentar o número de chamadas atendidas e o atendimento de chamadas prioritárias. Visando definir políticas dinâmicas que possam levar a otimização de objetivos múltiplos, usa-se o conceito de conjunto de Pareto para modelar os diferentes critérios a serem otimizados. Em vez de tentar identificar manualmente ou definir previamente a melhor estratégia de despacho, um Algoritmo Evolutivo Multiobjetivo, acoplado ao simulador de chamada de emergência e de despacho de recursos, descobre automaticamente a melhor aproximação do Conjunto ótimo de Pareto que seria o responsável por indicar a ordem de atendimento das chamadas. O algoritmo evolutivo usa o conceito dominância quantitativa que calcula o quanto um indivíduo domina outro, o que permite maior eficiência na descoberta da melhor ordem de recursos. O cenário de validação é uma grande metrópole no Brasil usando um ano de dados reais de chamadas para o 190. Análises comparativas com políticas estáticas e com variações tradicionais do algoritmo evolutivo multiobjectivo sem o uso de dominância quantitativa confirma a performance do enfoque proposto na tese.

Palavras-chave: Simulação baseada em agentes; algoritmos evolutivos; otimização multiobjetivo; centro de despacho.

This thesis investigates resource dispatch policies for emergency calls in large metropolis. A multi-agent environment implements a simulator of emergency calls and dispatch of resources, serving as an instrument to initially develop a comparative analysis of static policies, in which the order of...

This thesis investigates resource dispatch policies for emergency calls in large metropolis. A multi-agent environment implements a simulator of emergency calls and dispatch of resources, serving as an instrument to initially develop a comparative analysis of static policies, in which the order of attendance follows pre-established criteria. From these analyzes, it is concluded that such policies end up favoring only a quality criterion (e.g. the overall waiting time of the caller). This is a weakness as resource dispatch centers must take multiple quality criteria into account, such as reducing response time, cost of moving vehicles, increasing the number of calls served, and answering priority calls. In order to define dynamic policies that can lead to the optimization of multiple objectives, the Pareto set concept is used to model the different criteria to be optimized. Instead of attempting to identify manually or previously define the best dispatch strategy, a multi-objective evolutionary algorithm, coupled with the emergency call simulator and resource dispatch, automatically discovers the best approximation of the Pareto Optimum Set that would be responsible for indicating the order of call attending. The evolutionary algorithm uses the concept of quantitative dominance that calculates how much an individual dominates another, which allows greater efficiency in the discovery of the best order of resources. The validation scenario is a great metropolis in Brazil using a year of real data calls to the 911. Comparative analysis with static policies and with traditional variations of the multi-objective evolutionary algorithm without the use of quantitative dominance confirms the performance of the approach proposed in the thesis.

Keywords: Agent-based simulation; evolutionary algorithms; multiobjective optimization; dispatch center