A+A-Acessibilidade
EnglishPortuguese
Buscar
08 Jul
14:00 Defesa de Mestrado Auditório - IC 3
Tema
Classificação de Trajetos para Identificação de Inconsistências em Sistemas de Transporte Inteligente
Aluno
Leonardo Alves de Melo
Orientador / Docente
Orientadora: Juliana Freitag Borin/ Coorientador: Luis Fernando Gonzalez
Breve resumo
"Sistemas de Transporte Inteligente são uma área da Internet das Coisas que possibilitou otimizar várias questões relacionadas a mobilidade urbana, como por exemplo os usuários de transportes públicos poderem ver a localização dos ônibus em tempo real, permitindo se organizarem para chegar no ponto no momento correto. Sistemas desse tipo necessitam de algoritmos que identifiquem inconsistências em tempo real para poderem manter a qualidade do serviço, de modo a evitar a exibição de informações incorretas para seus usuários. É possível encontrar na literatura diferentes abordagens para identificação de anomalias em sistemas de transportes inteligentes, inclusive uma que trata de predição trajetos de veículos para esse propósito, porém ela não obtém resultados em tempo real, o que tornaria o problema mais difícil sendo que há poucos dados a serem considerados no momento em que o ônibus inicia seu trajeto, porém com uma recuperação de erros mais rápida. Este trabalho propõe algoritmos que inferem em tempo real trajetos de veículos que possuem uma rota predefinida. Os algoritmos propostos foram analisados e comparados com um algoritmo de referência utilizando dados de sistemas reais. Foi trabalhado primeiramente um sistema de transporte de circulares do campus da Unicamp, elaborando algoritmos preditivos e alcançando 95% de acurácia para trajetos completos para o melhor algoritmo, e descoberto que esse sistema possui 2,14% de seus trajetos com inconsistências. Posteriormente foi avaliado como esses algoritmos se comportariam para uma massa de dados do sistema de ônibus da Região Metropolitana do Rio de Janeiro, e ainda foi proposto um novo algoritmo com maior escalabilidade. Descobriu-se que o melhor algoritmo alcançou 73% de acurácia, e foi estimado que 1,5% dos trajetos dessa massa apresentam inconsistências, afetando 315 trajetos por dia. Por fim, foi detalhado um passo a passo para se obter um sistema que monitore e alerte esse tipo de anomalia em tempo real utilizando o melhor algoritmo encontrado."
Banca examinadora
Titulares:
Juliana Freitag Borin IC/UNICAMP
Allan da Silva Pinto LNLS/CNPEM
Fabrício Aguiar Silva UFV
Suplentes:
Leandro Aparecido Villas IC/UNICAMP
Jó Ueyama ICMC/USP