Identificação e recuperação de inconsistências em sistemas de veículos com rotas

Detalhes bibliográficos
Autor(a) principal: Melo, Leonardo Alves de, 1995-
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/5465
Resumo: Orientadores: Juliana Freitag Borin, Luis Fernando Gomez Gonzalez
id UNICAMP-30_2e25b5bd4089d73e89da7780aa316eed
oai_identifier_str oai::1248397
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Identificação e recuperação de inconsistências em sistemas de veículos com rotasIdentification and recovery of inconsistencies in routed vehicle systemsInternet das coisasAprendizado de máquinaCidades inteligentesInternet of thingsMachine learningSmart citiesOrientadores: Juliana Freitag Borin, Luis Fernando Gomez GonzalezDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de ComputaçãoResumo: 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 visualizar, por meio de um aplicativo móvel, 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 inconsistências em sistemas de transporte inteligente, porém apenas uma que utiliza inferência de trajeto de veículos para esse propósito, e ela não obtém resultados em tempo real. A disponibilização de resultados em tempo real permitiria recuperar da inconsistência mais cedo, mas tornaria o problema ainda mais difícil sendo que há poucos dados a serem considerados no momento em que o ônibus inicia seu trajeto. Este trabalho propõe algoritmos que inferem em tempo real trajetos de veículos que possuem uma rota predefinida permitindo a identificação de inconsistências em sistemas de transporte inteligentes. Os algoritmos propostos foram analisados e comparados com um algoritmo de referência utilizando dados de sistemas reais. O primeiro estudo de caso considerou um sistema de transporte de um dos campi da Unicamp. Foram elaborados algoritmos preditivos e alcançou-se um resultado de 95% de acurácia para trajetos completos para o melhor algoritmo; adicionalmente, foi possível estimar que esse sistema possui 2,14% de seus trajetos com inconsistências. Posteriormente, foi investigado como os algoritmos propostos se comportariam com grandes volumes de dados provenientes do sistema de ônibus da Região Metropolitana do Rio de Janeiro, o que resultou na proposta de um novo algoritmo com maior escalabilidade para lidar com grandes volumes de dados. Neste segundo estudo de caso, o melhor algoritmo de inferência alcançou 73% de acurácia, e foi estimado que 1,5% dos trajetos dessa massa de dados 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 inconsistência em tempo real utilizando o melhor algoritmo encontradoAbstract: Intelligent Transportation Systems are an area of the Internet of Things that has enabled the optimization of several issues related to urban mobility, such as public transport users being able to see the location of buses in real time, allowing them to organize themselves to get to the bus stop at the right time. Systems of this kind need algorithms that identify inconsistencies in real time in order to maintain the quality of service, so as to avoid displaying incorrect information to its users. It is possible to find in the literature different approaches to identify inconsistencies in intelligent transportation systems, however, only one that uses vehicle path prediction for this purpose and it does not obtain real-time results. Providing real-time results would allow the system to recover from its inconsistencies sooner, but it would make the problem even more difficult as there is few data to consider when the bus starts its journey. This paper proposes algorithms that infer in real time vehicle trajectories that have a predefined route, allowing the inconsistencies identification in Intelligent Transportation Systems. The proposed algorithms were analyzed and compared with a reference algorithm using data from real systems. The first step was to work on a transportation system of an Unicamp campi, elaborating predictive algorithms and reaching 95% accuracy for complete routes for the best algorithm, and it was found that this system has 2.14% inconsistencies paths. Later, it was evaluated how these algorithms would behave for a large volume of data from the bus system of the Metropolitan Region of Rio de Janeiro, and a new algorithm with higher scalability was proposed. It was found that the best algorithm achieved 73% accuracy, and it was estimated that 1.5% of the routes in this mass had inconsistencies, affecting 315 routes per day. Finally, a step-by-step approach was detailed to obtain a system that monitors and alerts this type of inconsistency in real-time using the best algorithm foundMestradoCiência da ComputaçãoMestre em Ciência da Computação[s.n.]Borin, Juliana Freitag, 1978-Gomez Gonzalez, Luis Fernando, 1985-Pinto, Allan da SilvaSilva, Fabrício AguiarUniversidade Estadual de Campinas. Instituto de ComputaçãoPrograma de Pós-Graduação em Ciência da ComputaçãoUNIVERSIDADE ESTADUAL DE CAMPINASMelo, Leonardo Alves de, 1995-20222022-07-08T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (63 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/5465MELO, Leonardo Alves de. Identificação e recuperação de inconsistências em sistemas de veículos com rotas. 2022. 1 recurso online (63 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/5465. Acesso em: 15 mai. 2024.https://repositorio.unicamp.br/acervo/detalhe/1248397Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-08-31T10:03:54Zoai::1248397Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-08-31T10:03:54Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Identificação e recuperação de inconsistências em sistemas de veículos com rotas
Identification and recovery of inconsistencies in routed vehicle systems
title Identificação e recuperação de inconsistências em sistemas de veículos com rotas
spellingShingle Identificação e recuperação de inconsistências em sistemas de veículos com rotas
Melo, Leonardo Alves de, 1995-
Internet das coisas
Aprendizado de máquina
Cidades inteligentes
Internet of things
Machine learning
Smart cities
title_short Identificação e recuperação de inconsistências em sistemas de veículos com rotas
title_full Identificação e recuperação de inconsistências em sistemas de veículos com rotas
title_fullStr Identificação e recuperação de inconsistências em sistemas de veículos com rotas
title_full_unstemmed Identificação e recuperação de inconsistências em sistemas de veículos com rotas
title_sort Identificação e recuperação de inconsistências em sistemas de veículos com rotas
author Melo, Leonardo Alves de, 1995-
author_facet Melo, Leonardo Alves de, 1995-
author_role author
dc.contributor.none.fl_str_mv Borin, Juliana Freitag, 1978-
Gomez Gonzalez, Luis Fernando, 1985-
Pinto, Allan da Silva
Silva, Fabrício Aguiar
Universidade Estadual de Campinas. Instituto de Computação
Programa de Pós-Graduação em Ciência da Computação
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Melo, Leonardo Alves de, 1995-
dc.subject.por.fl_str_mv Internet das coisas
Aprendizado de máquina
Cidades inteligentes
Internet of things
Machine learning
Smart cities
topic Internet das coisas
Aprendizado de máquina
Cidades inteligentes
Internet of things
Machine learning
Smart cities
description Orientadores: Juliana Freitag Borin, Luis Fernando Gomez Gonzalez
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-07-08T00:00:00Z
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.uri.fl_str_mv https://hdl.handle.net/20.500.12733/5465
MELO, Leonardo Alves de. Identificação e recuperação de inconsistências em sistemas de veículos com rotas. 2022. 1 recurso online (63 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/5465. Acesso em: 15 mai. 2024.
url https://hdl.handle.net/20.500.12733/5465
identifier_str_mv MELO, Leonardo Alves de. Identificação e recuperação de inconsistências em sistemas de veículos com rotas. 2022. 1 recurso online (63 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/5465. Acesso em: 15 mai. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1248397
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (63 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1799138572481069056

Registros relacionados