INTELIGÊNCIA DISTRIBUÍDA APLICADA A CORRIDAS DE RUA: UMA ABORDAGEM MULTIAGENTE
DOI:
https://doi.org/10.63330/sasciencesv6n2-212Palabras clave:
Aprendizado de Máquina, Gestão Logística Esportiva, Inteligência Distribuída, IoT, Sistemas MultiagentesResumen
O objetivo principal deste estudo é, de natureza exploratória e descritiva, propor e avaliar uma arquitetura multiagentes de sistemas aplicada no âmbito das corridas de rua, com foco no monitoramento de atletas e na gestão logística. A metodologia utilizada envolveu a modelagem de quatro agentes , sendo eles , atleta, treinador, organizador e médico , em ambiente distribuído, integrando sensores IoT e algoritmos de aprendizado de máquina. A simulação com 100 participantes evidenciou maior eficiência na coleta de dados, otimização da logística de apoio e emissão de alertas médicos preventivos. Conclui-se que a abordagem multiagente representa uma solução promissora para eventos esportivos de massa, ampliando a segurança e a experiência dos atletas, além de abrir perspectivas para integração futura com cidades inteligentes e técnicas avançadas de aprendizado por reforço.
Descargas
Citas
BELLIFEMINE, F.; CAIRE, G.; GREENWOOD, D. Developing Multi-Agent Systems with JADE. Chichester: John Wiley & Sons, 2007.
CLAUDINO, J. G. et al. Current approaches to the use of artificial intelligence for injury risk assessment and performance prediction in team sports: a systematic review. Sports Medicine - Open, v. 5, n. 1, art. 40, 2019. Disponível em: https://doi.org/10.1186/s40798-019-0202-3. Acesso em: 10 jan. 2026.
DORRI, A.; KANHERE, S. S.; JURDAK, R. Multi-agent systems: a survey. IEEE Access, v. 6, p. 28573-28593, 2018. Disponível em: https://doi.org/10.1109/ACCESS.2018.2831228. Acesso em: 10 jan. 2026.
HESPANHOL JUNIOR, L. C. et al. Perfil das características do treinamento e associação com lesões musculoesqueléticas prévias em corredores recreacionais: um estudo transversal. Brazilian Journal of Physical Therapy, v. 16, n. 1, p. 46-53, 2012. Disponível em: https://doi.org/10.1590/S1413-35552012000100009. Acesso em: 10 jan. 2026.
ISERN, D.; SÁNCHEZ, D.; MORENO, A. Agents applied in health care: a review. International Journal of Medical Informatics, v. 79, n. 3, p. 145-166, 2010. Disponível em: https://doi.org/10.1016/j.ijmedinf.2010.01.003. Acesso em: 10 jan. 2026.
JENNINGS, N. R. An agent-based approach for building complex software systems. Communications of the ACM, v. 44, n. 4, p. 35-41, 2001. Disponível em: https://doi.org/10.1145/367211.367250. Acesso em: 10 jan. 2026.
KITANO, H. et al. The Robot World Cup initiative. In: INTERNATIONAL CONFERENCE ON AUTONOMOUS AGENTS, 1., 1997, Marina del Rey. Proceedings [...]. New York: ACM, 1997. p. 340-347. Disponível em: https://doi.org/10.1145/267658.267738. Acesso em: 10 jan. 2026.
NEZAMODDINI, N.; GHOLAMI, A. A survey of adaptive multi-agent networks and their applications in smart cities. Smart Cities, v. 5, n. 1, p. 318-347, 2022. Disponível em: https://doi.org/10.3390/smartcities5010019. Acesso em: 10 jan. 2026.
OP DE BEÉCK, T. et al. Fatigue prediction in outdoor runners via machine learning and sensor fusion. In: ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY & DATA MINING, 24., 2018, London. Proceedings [...]. New York: ACM, 2018. p. 606-615. Disponível em: https://doi.org/10.1145/3219819.3219864. Acesso em: 10 jan. 2026.
PAN, X. et al. A multi-agent based framework for the simulation of human and social behaviors during emergency evacuations. AI & Society, v. 22, n. 2, p. 113-132, 2007. Disponível em: https://doi.org/10.1007/s00146-007-0126-1. Acesso em: 10 jan. 2026.
ROJO, J. R.; STAREPRAVO, F. A.; SILVA, M. M. O discurso da saúde entre corredores: um estudo com participantes experientes da Prova Tiradentes. Revista Brasileira de Ciências do Esporte, v. 41, n. 1, p. 66-72, 2019. Disponível em: https://doi.org/10.1016/j.rbce.2018.03.025. Acesso em: 10 jan. 2026.
SESHADRI, D. R. et al. Wearable sensors for monitoring the physiological and biochemical profile of the athlete. npj Digital Medicine, v. 2, n. 1, art. 72, 2019a. Disponível em: https://doi.org/10.1038/s41746-019-0150-9. Acesso em: 10 jan. 2026.
SESHADRI, D. R. et al. Wearable sensors for monitoring the internal and external workload of the athlete. npj Digital Medicine, v. 2, n. 1, art. 71, 2019b. Disponível em: https://doi.org/10.1038/s41746-019-0149-2. Acesso em: 10 jan. 2026.
STONE, P.; VELOSO, M. Task decomposition, dynamic role assignment, and low-bandwidth communication for real-time strategic teamwork. Artificial Intelligence, v. 110, n. 2, p. 241-273, 1999. Disponível em: https://doi.org/10.1016/S0004-3702(99)00025-9. Acesso em: 10 jan. 2026.
SUTTON, R. S.; BARTO, A. G. Reinforcement Learning: An Introduction. 2. ed. Cambridge: MIT Press, 2018.
WOOLDRIDGE, M. An Introduction to MultiAgent Systems. 2. ed. Chichester: John Wiley & Sons, 2009.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Autores concordam com os seguintes termos:
a) Os autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a LicençaAttribution-NonCommercial-ShareAlike 4.0 International, que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial na Revista SAS. A licença permite o uso, a distribuição e a reprodução irrestrita, em qualquer meio, desde que devidamente citada a fonte. Essa licença permite também que outros remixem, adaptem e criem a partir do seu trabalho para fins não comerciais, desde que atribuam a você o devido crédito e que licenciem as novas criações sob termos idênticos.
b) Não cabe aos autores compensação financeira a qualquer título, por artigos ou resenhas publicados na South American Sciences.
c) Os conceitos expressos nos artigos publicados na South American Sciences são de inteira responsabilidade de seus autores.
