STEIN - Sistema de Tráfego e Intervenções - Desenvolvimento de um Sistema de Transporte Inteligente
Resumo
O aumento dos centros urbanos tem como efeitos colaterais diversos problemas, como socioeconômicos e de saúde para a população em geral, devido a geração de gases tóxicos, também como empecilhos envolvendo o trânsito, gerando assim perda de dinheiro devido ao tempo perdido. O trabalho proposto é o desenvolvimento de um sistema de monitoramento de tráfego e geração de informação sobre o mesmo, tais como eventos adversos presentes nas vias. Para avaliação do sistema proposto, um caso de uso foi desenvolvido para a cidade de Catanduva - SP, o qual foi realizado um teste com os sistemas propostos, é possível verificar a redução do tempo de parada do veículo em 45% e uma redução do tempo de viagem de 50% com uma média de velocidade de 33km/h.
Palavras-chave:
intervenção, dataset, simulação, sistema de transporte inteligente
Referências
Al-Sultan, S., Al-Doori, M. M., Al-Bayatti, A. H., and Zedan, H. (2014). A comprehen-sive survey on vehicular ad hoc network. Journal of network and computer applica-tions, 37:380-392.
Cookson, G. and Pishue, B. (2017). Inrix global traffic scorecard-appendices. INRIXresearch.
Lafferriere, G. (2019). Traffic signal consensus control. NITC-RR-1165. Portland, OR:Transportation Research and Education Center (TREC).
Liebig, T., Piatkowski, N., Bockermann, C., and Morik, K. (2017). Dynamic route plan-ning with real-time traffic predictions. Information Systems, 64:258-265.
Lin, J., Yu, W., Yang, X., Yang, Q., Fu, X., and Zhao, W. (2016). A real-time en-routeroute guidance decision scheme for transportation-based cyberphysical systems. IEEETransactions on Vehicular Technology, 66(3):2551-2566.
Meneguette, R. I., De Grande, R., and Loureiro, A. A. (2018). Intelligent TransportSystem in Smart Cities. Springer.
Pan, J., Popa, I. S., Zeitouni, K., and Borcea, C. (2013). Proactive vehicular traffic rerout-ing for lower travel time. IEEE Transactions on vehicular technology, 62(8):3551-3568.
Pereira, R. S., Lieira, D. D., da Silva, M. A. C., Pimenta, A. H. M., da Costa, J. B. D.,Rosário, D., and Meneguette, R. I. (2019). A novel fog-based resource allocationpolicy for vehicular clouds in the highway environment. In 2019 IEEE Latin-AmericanConference on Communications (LATINCOM), pages 1-6.
Quessada, M., Cristiani, A., Ranzani, P., Pereira, R., Leal, M., and Meneguette, R. (2019).Desenvolvimento de um modelo de mobilidade urbana em tempo real para simuladoresde rede. In Anais Estendidos do XXXVII Simpósio Brasileiro de Redes de Computa-dores e Sistemas Distribuídos, pages 81-88, Porto Alegre, RS, Brasil. SBC.
Silva, B. N., Khan, M., and Han, K. (2018). Towards sustainable smart cities: A reviewof trends, architectures, components, and open challenges in smart cities. SustainableCities and Society, 38:697-713.
Souza, L. (2019). Vendas de veículos crescem 11,4% no acumulado até setembro.Disponível em: http://agenciabrasil.ebc.com.br/economia/noticia/2019-10/vendas-de-veiculos-crescem-1 14-no-acumulado-ate-setembro.
Zhong, R., Sumalee, A., Pan, T., and Lam, W. (2013). Stochastic cell transmission model for traffic network with demand and supply uncertainties. Transportmetrica A: Trans-port Science, 9(7):567-602.
Cookson, G. and Pishue, B. (2017). Inrix global traffic scorecard-appendices. INRIXresearch.
Lafferriere, G. (2019). Traffic signal consensus control. NITC-RR-1165. Portland, OR:Transportation Research and Education Center (TREC).
Liebig, T., Piatkowski, N., Bockermann, C., and Morik, K. (2017). Dynamic route plan-ning with real-time traffic predictions. Information Systems, 64:258-265.
Lin, J., Yu, W., Yang, X., Yang, Q., Fu, X., and Zhao, W. (2016). A real-time en-routeroute guidance decision scheme for transportation-based cyberphysical systems. IEEETransactions on Vehicular Technology, 66(3):2551-2566.
Meneguette, R. I., De Grande, R., and Loureiro, A. A. (2018). Intelligent TransportSystem in Smart Cities. Springer.
Pan, J., Popa, I. S., Zeitouni, K., and Borcea, C. (2013). Proactive vehicular traffic rerout-ing for lower travel time. IEEE Transactions on vehicular technology, 62(8):3551-3568.
Pereira, R. S., Lieira, D. D., da Silva, M. A. C., Pimenta, A. H. M., da Costa, J. B. D.,Rosário, D., and Meneguette, R. I. (2019). A novel fog-based resource allocationpolicy for vehicular clouds in the highway environment. In 2019 IEEE Latin-AmericanConference on Communications (LATINCOM), pages 1-6.
Quessada, M., Cristiani, A., Ranzani, P., Pereira, R., Leal, M., and Meneguette, R. (2019).Desenvolvimento de um modelo de mobilidade urbana em tempo real para simuladoresde rede. In Anais Estendidos do XXXVII Simpósio Brasileiro de Redes de Computa-dores e Sistemas Distribuídos, pages 81-88, Porto Alegre, RS, Brasil. SBC.
Silva, B. N., Khan, M., and Han, K. (2018). Towards sustainable smart cities: A reviewof trends, architectures, components, and open challenges in smart cities. SustainableCities and Society, 38:697-713.
Souza, L. (2019). Vendas de veículos crescem 11,4% no acumulado até setembro.Disponível em: http://agenciabrasil.ebc.com.br/economia/noticia/2019-10/vendas-de-veiculos-crescem-1 14-no-acumulado-ate-setembro.
Zhong, R., Sumalee, A., Pan, T., and Lam, W. (2013). Stochastic cell transmission model for traffic network with demand and supply uncertainties. Transportmetrica A: Trans-port Science, 9(7):567-602.
Publicado
07/12/2020
Como Citar
QUESSADA, Matheus Sanches; PEREIRA, Rickson Simioni; GOTTSFRITZ, Euclydes Nasorri; LIEIRA, Douglas Dias; NAKAMURA, Luis Hideo Vasconcelos; DA SILVA, Marco Antonio Colombo; MENEGUETTE, Rodolfo Ipolito.
STEIN - Sistema de Tráfego e Intervenções - Desenvolvimento de um Sistema de Transporte Inteligente. In: SALÃO DE FERRAMENTAS - SIMPÓSIO BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS (SBRC), 38. , 2020, Rio de Janeiro.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 17-24.
ISSN 2177-9384.
DOI: https://doi.org/10.5753/sbrc_estendido.2020.12397.
