Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional

Detalhes bibliográficos
Autor(a) principal: Cortez, Diogo Eugênio da Silva
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/47158
Resumo: A frota de veículos no Rio Grande do Norte aumentou em aproximadamente 250 mil veículos nos últimos 5 anos, ou 7% ao ano. Considerando que 80% da população vive em zonas urbanas, a gestão do trânsito está se tornando uma das questões mais importantes atualmente. Os semáforos que operam com tempo fixo (STF) para controlar o fluxo de veículos não são eficientes em todas as situações do trânsito. Nesse momento, na literatura, muitos estudos sugerem o controle do semáforo com base na densidade de veículos como solução para melhorar a fluidez do trânsito. Com o avanço das tecnologias de Visão Computacional (VC), as técnicas de detecção e classificação de objetos em movimento e a exigência de pouco poder computacional para realizar essas tarefas foi possível desenvolver um sistema de controle de tráfego inteligente baseado em VC. Esta solução de baixo custo foi implementada para aproveitar o sistema de STF, câmeras e infraestrutura de rede lógica já presentes nos municípios do Brasil. Um computador, equipado com uma aplicação, capturou imagens do trânsito no semáforo, contou os veículos e calculou o tempo necessário para que eles realizem a travessia. O Raspberry Pi 3 controlou as luzes do semáforo. Em comparação ao STF houve ganho de até 33% na fluidez do trânsito. A VC foi utilizada para contar os veículos que cruzam o semáforo, isso permite alertar sobre congestionamentos, tomar decisões e também criar uma base de dados que poderá ser utilizada para tomada de decisões por parte dos órgãos com circunscrição sobre as vias.
id UFRN_4b63321d44df90ed6856626030071ffe
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/47158
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Cortez, Diogo Eugênio da Silvahttp://lattes.cnpq.br/1860470288478197http://lattes.cnpq.br/1093675040121205Silva, Gustavo Girão Barreto dahttp://lattes.cnpq.br/9491033611706611Fontes, Aluisio Igor RegoAraújo, Daniel Sabino Amorim dehttp://lattes.cnpq.br/4744754780165354Barroca Filho, Itamir de Morais2022-05-10T23:21:07Z2022-05-10T23:21:07Z2022-03-04CORTEZ, Diogo Eugênio da Silva. Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional. 2022. 109f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/47158A frota de veículos no Rio Grande do Norte aumentou em aproximadamente 250 mil veículos nos últimos 5 anos, ou 7% ao ano. Considerando que 80% da população vive em zonas urbanas, a gestão do trânsito está se tornando uma das questões mais importantes atualmente. Os semáforos que operam com tempo fixo (STF) para controlar o fluxo de veículos não são eficientes em todas as situações do trânsito. Nesse momento, na literatura, muitos estudos sugerem o controle do semáforo com base na densidade de veículos como solução para melhorar a fluidez do trânsito. Com o avanço das tecnologias de Visão Computacional (VC), as técnicas de detecção e classificação de objetos em movimento e a exigência de pouco poder computacional para realizar essas tarefas foi possível desenvolver um sistema de controle de tráfego inteligente baseado em VC. Esta solução de baixo custo foi implementada para aproveitar o sistema de STF, câmeras e infraestrutura de rede lógica já presentes nos municípios do Brasil. Um computador, equipado com uma aplicação, capturou imagens do trânsito no semáforo, contou os veículos e calculou o tempo necessário para que eles realizem a travessia. O Raspberry Pi 3 controlou as luzes do semáforo. Em comparação ao STF houve ganho de até 33% na fluidez do trânsito. A VC foi utilizada para contar os veículos que cruzam o semáforo, isso permite alertar sobre congestionamentos, tomar decisões e também criar uma base de dados que poderá ser utilizada para tomada de decisões por parte dos órgãos com circunscrição sobre as vias.The vehicle fleet in Rio Grande do Norte has increased by 250 thousand vehicles in the last 5, or 7% per year. Considering that 80% of the population lives in urban areas, traffic management is becoming one of the most important issues today. The traffic lights that the flow operates with fixed time (STF) to control the vehicles are not efficient in all traffic situations. At that time, in the literature, many studies have been published based on vehicle density as a solution to improve traffic flow. With the advancement of Computer Vision (VC) technologies, such as techniques for detecting and classifying moving objects and the requirement of little computational power to perform tasks, it was possible to develop an intelligence control system based on VC. This low-cost solution was implemented for the STF camera system and the logical network infrastructure already presented in the municipalities. A computer, equipped with an application, captured images of traffic at the traffic light, contoured the vehicles and calculated the time required for them to cross. The Raspberry Pi 3 controls the traffic lights. Compared to the STF, there was a gain of up to 33% in traffic flow. A VC was used to control what they cross or traffic lights, to alert about congestion, make decisions and also create a database that can be used for decision-making by the district bodies on the roads.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃOUFRNBrasilOpenCVMOG2YOLO-TinySSDMobileNetV2Inteligência artificialDesenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacionalDevelopment of an intelligent traffic control system based on computational visioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALDesenvolvimentosistemacontrole_Cortez_2022.pdfapplication/pdf6045482https://repositorio.ufrn.br/bitstream/123456789/47158/1/Desenvolvimentosistemacontrole_Cortez_2022.pdfd6a97854be708fb45180dfd64ec99901MD51123456789/471582022-05-10 20:21:57.032oai:https://repositorio.ufrn.br:123456789/47158Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-10T23:21:57Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
dc.title.alternative.pt_BR.fl_str_mv Development of an intelligent traffic control system based on computational vision
title Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
spellingShingle Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
Cortez, Diogo Eugênio da Silva
OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
title_short Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_full Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_fullStr Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_full_unstemmed Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_sort Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
author Cortez, Diogo Eugênio da Silva
author_facet Cortez, Diogo Eugênio da Silva
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1860470288478197
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1093675040121205
dc.contributor.referees1.none.fl_str_mv Fontes, Aluisio Igor Rego
dc.contributor.referees2.none.fl_str_mv Araújo, Daniel Sabino Amorim de
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4744754780165354
dc.contributor.author.fl_str_mv Cortez, Diogo Eugênio da Silva
dc.contributor.advisor-co1.fl_str_mv Silva, Gustavo Girão Barreto da
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/9491033611706611
dc.contributor.advisor1.fl_str_mv Barroca Filho, Itamir de Morais
contributor_str_mv Silva, Gustavo Girão Barreto da
Barroca Filho, Itamir de Morais
dc.subject.por.fl_str_mv OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
topic OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
description A frota de veículos no Rio Grande do Norte aumentou em aproximadamente 250 mil veículos nos últimos 5 anos, ou 7% ao ano. Considerando que 80% da população vive em zonas urbanas, a gestão do trânsito está se tornando uma das questões mais importantes atualmente. Os semáforos que operam com tempo fixo (STF) para controlar o fluxo de veículos não são eficientes em todas as situações do trânsito. Nesse momento, na literatura, muitos estudos sugerem o controle do semáforo com base na densidade de veículos como solução para melhorar a fluidez do trânsito. Com o avanço das tecnologias de Visão Computacional (VC), as técnicas de detecção e classificação de objetos em movimento e a exigência de pouco poder computacional para realizar essas tarefas foi possível desenvolver um sistema de controle de tráfego inteligente baseado em VC. Esta solução de baixo custo foi implementada para aproveitar o sistema de STF, câmeras e infraestrutura de rede lógica já presentes nos municípios do Brasil. Um computador, equipado com uma aplicação, capturou imagens do trânsito no semáforo, contou os veículos e calculou o tempo necessário para que eles realizem a travessia. O Raspberry Pi 3 controlou as luzes do semáforo. Em comparação ao STF houve ganho de até 33% na fluidez do trânsito. A VC foi utilizada para contar os veículos que cruzam o semáforo, isso permite alertar sobre congestionamentos, tomar decisões e também criar uma base de dados que poderá ser utilizada para tomada de decisões por parte dos órgãos com circunscrição sobre as vias.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-05-10T23:21:07Z
dc.date.available.fl_str_mv 2022-05-10T23:21:07Z
dc.date.issued.fl_str_mv 2022-03-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv CORTEZ, Diogo Eugênio da Silva. Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional. 2022. 109f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2022.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/47158
identifier_str_mv CORTEZ, Diogo Eugênio da Silva. Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional. 2022. 109f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2022.
url https://repositorio.ufrn.br/handle/123456789/47158
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.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/47158/1/Desenvolvimentosistemacontrole_Cortez_2022.pdf
bitstream.checksum.fl_str_mv d6a97854be708fb45180dfd64ec99901
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1814832761974816768

Registros relacionados