2 UEI internet 2.0 e embarcada em veículos como fontes heterogêneas de dados em cidades inteligentes

• Processo: 15/24423-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2017
• Data de Término da vigência: 31 de dezembro de 2019
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Ana Lúcia Cetertich Bazzan
• Beneficiário: Ana Lúcia Cetertich Bazzan
• Instituição Sede: Instituto de Informática. Universidade Federal do Rio Grande do Sul (UFRGS). Porto Alegre , SP, Brasil
• Município da Instituição Sede: Porto Alegre
• Pesquisadores associados: Jorge Leonid Aching Samatelo ; Marcia Pasin ; Rosaldo Jose Fernandes Rossetti
• Bolsa(s) vinculada(s): 18/25919-0 - 2UEI internet 2.0 e embarcada em veículos como fontes heterogêneas de dados em cidades inteligentes, BP.TT; 18/05150-4 - 2 UEI internet 2.0 e embarcada em veículos como fontes heterogêneas de dados em cidades inteligentes, BP.TT; 17/27072-2 - 2UEI internet 2.0 e embarcada em veículos como fontes heterogêneas de dados em cidades inteligentes, BP.TT
• Assunto(s): Recuperação da informação Cidades inteligentes Inteligência artificial Mobilidade urbana
• Palavra(s)-Chave do Pesquisador: Cidades Inteligentes | mobilidade urbana | mobility Internet | recuperação de informação | redes sociais e inteligência coletiva | Sistemas Inteligentes de Transporte | Inteligência Artificial

Resumo

Estimativas atuais mostram que no Brasil a perda de tempo no trânsito gera prejuízos da ordem de dezenas de bilhões de reais por ano.Embora as autoridades tenham planos de atuação a par com técnicas reconhecidamente eficazes advindas da área de engenharia de tráfego e transportes, tais técnicas têm evoluido pouco no Brasil no que diz respeito a um melhor aproveitamento do potencial da Internet e do uso de técnicas de ITS (intelligent transportation systems).Consequentemente, tem-se um panorama interessante: os usuários (tanto de transporte público quanto individual) estão: (a) se mobilizando para, por exemplo através de apps, suprir a falta de informação sobre trânsito e transporte público (que deveria ser provida pelas autoridades, uma vez que os chamados sistemas de informação ao viajante, ATIS, foram propostos há décadas); (b) utilizando ferramentas como Waze, MapLink e Google.De fato, com a presença cada vez mais constante de dispositivos móveis e da Internet das Coisas (IoT), é possível trocar informações e mensagens não apenas entre indivíduos e serviços mas também entre veículos. Neste último contexto, com a tendência de se ter a chamada mobility Internet (um conceito lançado por Mitchell e colegas em Reinventing the Automobile, os veículos trocarão informação entre si. Tratar estes dados de forma eficiente vai exigir novos paradigmas de recuperação e difusão de informação, de simulação de tráfego e de otimização.Este cenário permite a chamada inteligência coletiva, onde a troca de informações entre indivíduos da sociedade através da Internet resulta em soluções criadas de forma colaborativa e com a característica de serem mais inteligentes que aquelas que poderiam ser gerada por apenas um indivíduo (ou autoridade pública).Desta forma, a Internet e as novas tecnologia associadas têm o potencial de não apenas prover informações para o usuário final, como também de suprir a lacuna que afeta autoridades municipais de pequeno e médio porte, que não têm recursos para instalação de monitoramento, como sensores de pavimento -- de manutencao cara e dificil -- , cameras, etc., que se acoplem a semáforos monitorados operando de forma coordenada (onda verde) e/ou alimentem simuladores de tráfego.Mesmo metrópoles carecem de dados pois, ainda que dispondo, em casos específicos, de uma central de operações (e.g. Rio de Janeiro), decisões são tomadas basicamente por um operador humano munido de informações visuais instantâneas, não havendo coleta de outros tipos de dados, armazenamento e análise global.Desta forma, este projeto propõe métodos para recuperação e uso de dados de fontes heterogêneas, disponiveis atualmente na Internet, a fim prover informação tanto para autoridades e serviços de logística, como para o cidadão.No último caso, a finalidade é principalmente fornecer informações personalizadas (ou seja dentro do contexto do motorista), algo que hoje é pouco explorado.Tais fontes heterogêneas envolvem: texto (redes sociais como Twitter); boletins meteorológicos; eventos esportivos e culturais; imagens instantâneas de fluidez do trânsito; videos (webcams); comunicação interveicular e outras fontes ligadas com mobility Internet.Desta forma, como tipicamente é o caso na Internet 2.0, informações fluem nos dois sentidos e são aproveitadas por ambos, viajante e autoridade. (AU)

Publicações científicas

(4)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

CHAMBY-DIAZ, JORGE C.; ESTEVAM, RHUAM SENA; BAZZAN, ANA L. C.. Identifying traffic conditions from non-traffic related sources. JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS, v. 26, n. 1, p. 12-pg., 2020-11-16. (15/24423-3)

LESSA RIBEIRO, MATHEUS VIEIRA; ACHING SAMATELO, JORGE LEONID; CETERTICH BAZZAN, ANA LUCIA. A New Microscopic Approach to Traffic Flow Classification Using a Convolutional Neural Network Object Detector and a Multi-Tracker Algorithm. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, v. 23, n. 4, p. 5-pg., 2022-04-01. (15/24423-3, 18/05150-4)

BAZZAN, A. L. C.; CHAMBY-DIAZ, J. C.; ESTEVAM, R. S.; SCHMIDT, L. DE A.; PASIN, M.; SAMATELO, J. L. A.; RIBEIRO, M. V. L.; NEDEVSCHI, S; POTOLEA, R; SLAVESCU, RR. Using Information from Heterogeneous Sources and Machine Learning in Intelligent Transportation Systems. 2019 IEEE 15TH INTERNATIONAL CONFERENCE ON INTELLIGENT COMPUTER COMMUNICATION AND PROCESSING (ICCP 2019), v. N/A, p. 8-pg., 2019-01-01. (15/24423-3)

CHAMBY-DIAZ, JORGE C.; ESTEVAM, RHUAM SENA; BAZZAN, ANA L. C.. Identifying traffic conditions from non-traffic related sources. JOURNAL OF INTELLIGENT TRANSPORTATION SYSTEMS, NOV 2020. (15/24423-3)