Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares

Detalhes bibliográficos
Autor(a) principal: Anna Izabel Joao Tostes Ribeiro
Data de Publicação: 2015
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/ESBF-A3GMXT
Resumo: Congestionamento de trânsito é um problema que causa perdas econômicas e de tempo, maior consumo de combustível e maiores emissões de CO2. Esta tese modela, prevê e procura controlar o congestionamento usando redes veiculares. Os objetivos são: (1) coletar diferentes fontes de dados sobre as condições de trânsito; (2) caracterizar condições de trânsito reais e correlacionar com essas fontes de dados; (3) prever as condições de trânsito e seus efeitos; e (4) propor serviços de sugestão de rotas para fazer um balanceamento de carga do fluxo de veículos na cidade. Os resultados mostraram que os modelos de previsão melhoram a acurácia em até 80% para prever o congestionamento com base em dados históricos e de tempo real, atingindo mais de 90% de acurácia quando utilizam-se dados de redes de sensores participativos. Essas soluções reduzem o tempo de viagem em até 56%, e consumo de combustível e emissão de CO2 em 18%, em média.
id UFMG_44466ad0361b5126d78377bc07b1728b
oai_identifier_str oai:repositorio.ufmg.br:1843/ESBF-A3GMXT
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Modelagem, previsão e controle de congestionamento de trânsito em redes veicularesComputação UrbanaCongestionamento de trânsitoControle de CongestionamentoPrevisão de CongestionamentoRedes VeicularesRedes bayesianasComputação ubíquaComputaçãoTrânsito CongestionamentoRedes de sensores sem fioRedes veícularesCongestionamento de trânsito é um problema que causa perdas econômicas e de tempo, maior consumo de combustível e maiores emissões de CO2. Esta tese modela, prevê e procura controlar o congestionamento usando redes veiculares. Os objetivos são: (1) coletar diferentes fontes de dados sobre as condições de trânsito; (2) caracterizar condições de trânsito reais e correlacionar com essas fontes de dados; (3) prever as condições de trânsito e seus efeitos; e (4) propor serviços de sugestão de rotas para fazer um balanceamento de carga do fluxo de veículos na cidade. Os resultados mostraram que os modelos de previsão melhoram a acurácia em até 80% para prever o congestionamento com base em dados históricos e de tempo real, atingindo mais de 90% de acurácia quando utilizam-se dados de redes de sensores participativos. Essas soluções reduzem o tempo de viagem em até 56%, e consumo de combustível e emissão de CO2 em 18%, em média.Universidade Federal de Minas GeraisUFMGAntonio Alfredo Ferreira LoureiroFatima de Lima Procopio de FigueiredoFatima de Lima Procopio de FigueiredoFelipe Maia Galvão FrançaPedro Olmo Stancioli Vaz de MeloRaquel Aparecida de Freitas MiniRenato Martins AssuncaoAnna Izabel Joao Tostes Ribeiro2019-08-12T17:58:22Z2019-08-12T17:58:22Z2015-09-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://hdl.handle.net/1843/ESBF-A3GMXTinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMG2019-11-14T22:11:48Zoai:repositorio.ufmg.br:1843/ESBF-A3GMXTRepositório InstitucionalPUBhttps://repositorio.ufmg.br/oairepositorio@ufmg.bropendoar:2019-11-14T22:11:48Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.none.fl_str_mv Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
title Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
spellingShingle Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
Anna Izabel Joao Tostes Ribeiro
Computação Urbana
Congestionamento de trânsito
Controle de Congestionamento
Previsão de Congestionamento
Redes Veiculares
Redes bayesianas
Computação ubíqua
Computação
Trânsito Congestionamento
Redes de sensores sem fio
Redes veículares
title_short Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
title_full Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
title_fullStr Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
title_full_unstemmed Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
title_sort Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares
author Anna Izabel Joao Tostes Ribeiro
author_facet Anna Izabel Joao Tostes Ribeiro
author_role author
dc.contributor.none.fl_str_mv Antonio Alfredo Ferreira Loureiro
Fatima de Lima Procopio de Figueiredo
Fatima de Lima Procopio de Figueiredo
Felipe Maia Galvão França
Pedro Olmo Stancioli Vaz de Melo
Raquel Aparecida de Freitas Mini
Renato Martins Assuncao
dc.contributor.author.fl_str_mv Anna Izabel Joao Tostes Ribeiro
dc.subject.por.fl_str_mv Computação Urbana
Congestionamento de trânsito
Controle de Congestionamento
Previsão de Congestionamento
Redes Veiculares
Redes bayesianas
Computação ubíqua
Computação
Trânsito Congestionamento
Redes de sensores sem fio
Redes veículares
topic Computação Urbana
Congestionamento de trânsito
Controle de Congestionamento
Previsão de Congestionamento
Redes Veiculares
Redes bayesianas
Computação ubíqua
Computação
Trânsito Congestionamento
Redes de sensores sem fio
Redes veículares
description Congestionamento de trânsito é um problema que causa perdas econômicas e de tempo, maior consumo de combustível e maiores emissões de CO2. Esta tese modela, prevê e procura controlar o congestionamento usando redes veiculares. Os objetivos são: (1) coletar diferentes fontes de dados sobre as condições de trânsito; (2) caracterizar condições de trânsito reais e correlacionar com essas fontes de dados; (3) prever as condições de trânsito e seus efeitos; e (4) propor serviços de sugestão de rotas para fazer um balanceamento de carga do fluxo de veículos na cidade. Os resultados mostraram que os modelos de previsão melhoram a acurácia em até 80% para prever o congestionamento com base em dados históricos e de tempo real, atingindo mais de 90% de acurácia quando utilizam-se dados de redes de sensores participativos. Essas soluções reduzem o tempo de viagem em até 56%, e consumo de combustível e emissão de CO2 em 18%, em média.
publishDate 2015
dc.date.none.fl_str_mv 2015-09-17
2019-08-12T17:58:22Z
2019-08-12T17:58:22Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/ESBF-A3GMXT
url http://hdl.handle.net/1843/ESBF-A3GMXT
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
UFMG
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv repositorio@ufmg.br
_version_ 1816829885072539648

Registros relacionados