Speed: Uma solução inter-veicular para detectar e controlar vias congestionadas no TMS
Resumo
Um dos principais desafios que as grandes metrópoles vem enfrentando está relacionado com o congestionamento de veículos. Apesar de existir um esforço crescente para maximizar o fluxo de veículos nas grandes metrópoles, prover uma maior precisão para estimar o nível de congestionamento da via, maximizando o fluxo de veículos na infraestrutura de transporte, é uma questão de pesquisa ainda em aberto. Com isso em mente, este artigo propõe uma solução com comunicação inter-veicular para estimar e maximizar o congestionamento no TMS, nomeado Speed. Para isso, o Speed é modelado com base em um comitê de classificadores que tem como objetivo aumentar a confiabilidade no momento da classificação do tráfego de veículos. Com base em um mecanismo de comunicação, tal classificação é utilizada para realizar a disseminação da informação. Ao comparar o Speed com outros trabalhos da literatura, a nossa solução mostrou avançar o estado da arte por possuir um aumento nos acertos dos níveis de congestionamento ao mesmo tempo que reduz: (i) a emissão de CO2 em 3,37%; (ii) o consumo de combustível em 3%; e (iii) o tempo de viagem em 1.02 vezes.
Palavras-chave:
Redes Veiculares, Cidades Inteligentes, Congestionamento
Referências
Araujo, G., Queiroz, M., Duarte-Figueiredo, F., Tostes, A., and Loureiro, A. (2014). Um protocolo de identificação e minimização de congestionamentos de trafego para redes veiculares. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos-(SBRC).
Bauza, R. and Gozálvez, J. (2013). Traffic congestion detection in large-scale scena-rios using vehicle-to-vehicle communications. Journal of Network and Computer Applications, 36(5):1295-1307.
Bauza, R., Gozalvez, J., and Sanchez-Soriano, J. (2010). Road traffic congestion detec-tion through cooperative vehicle-to-vehicle communications. In IEEE Local Computer Network Conference, pages 606-612.
Board, T. R. (2000). Hcm 2000 -highway capacity manual.
Canuto, A. M. d. P. (2001). Combining neural networks and fuzzy logic for applications in character recognition. PhD thesis, University of Kent at Canterbury.
Cintra, M. (2013). A crise do trânsito em são paulo e seus custos. GVExecutivo, 12(2):58-61.
Cunha, F., Maia, G., Ramos, H. S., Perreira, B., Celes, C., Campolina, A., Rettore, P., Guidoni, D., Sumika, F., Villas, L., Mini, R., and Loureiro, A. (2018). Vehicular Networks to Intelligent Transportation Systems, pages 297-315.
Springer Singapore, Singapore.
Doolan, R. and Muntean, G.-M. (2013). Vanet-enabled eco-friendly road characteristics-aware routing for vehicular traffic. In Vehicular Technology Conference (VTC Spring), 2013 IEEE 77th, pages 1-5. IEEE.
Doolan, R. and Muntean, G.-M. (2017). Ecotrec-a novel vanet-based approach to re-ducing vehicle emissions. IEEE Transactions on Intelligent Transportation Systems, 18(3):608-620.
H. Allen, K. M. and Stonehill, M. (2013). A summary of the proceedings from the united nations climate change conference in doha, qatar, and their significance for the land transport sector, copenhagen: Bridging the gap (btg) initiative.
Junior, G. D., Frozza, R., and Molz, R. F. (2015). Simulação de controle adaptativo de tráfego urbano por meio de sistema multiagentes e com base em dados reais. Revista Brasileira de Computação Aplicada, 7(3):65-81.
Meneguette, R., E. De Grande, R., and A. F. Loureiro, A. (2018). Intelligent Transportation Systems, pages 1-21. Springer International Publishing, Cham.
Meneguette, R. I., Geraldo Filho, P., Guidoni, D. L., Pessin, G., Villas, L. A., and Ueyama, J. (2016). Increasing intelligence in inter-vehicle communications to re-duce traffic congestions: experiments in urban and highway environments. PLoS one, 11(8):e0159110.
Meneguette, R. I., Ueyama, J., Krishnamachari, B., Bittencourt, L., et al. (2015). Enhan-cing intelligence in inter-vehicle communications to detect and reduce congestion in urban centers.
Nottle, A., Quintana-Amate, S., Harborne, D., Alzantot, M., Braines, D., Tomsett, R., Kaplan, L., Srivastava, M., Chakraborty, S., and Preece, A. (2017). Distri-buted opportunistic sensing and fusion for traffic congestion detection. In First International Workshop on Distributed Analytics InfraStructure and Algorithms for Multi-Organization Federations, pages 1-6.
Pan, J. S., Khan, M. A., Popa, I. S., Zeitouni, K., and Borcea, C. (2012). Proactive vehicle re-routing strategies for congestion avoidance. In 2012 8th IEEE International Conference on Distributed Computing in Sensor Systems, pages 265-272. IEEE.
Pan, J. S., Popa, I. S., and Borcea, C. (2017). Divert: A distributed vehicular traffic re-routing system for congestion avoidance. IEEE Transactions on Mobile Computing, 16(1):58-72.
Pessin, G., Souza, J. R., Osório, F. S., Faiçal, B. S., Geraldo Filho, P., Ueyama, J., Vargas, P. A., and Wolf, D. F. (2014). Investigation on the evolution of a robotic controller for autonomous vehicle navigation. Journal of Intelligent & Fuzzy Systems, 27(6):3047-3058.
Rao, A. M. and Rao, K. R. (2012). Measuring urban traffic congestion-a review. International Journal for Traffic & Transport Engineering, 2(4).
Santos, A. d. M. (2008). Uma análise da aplicação do modelo de rede neural repart em comitês de classificadores. Master's thesis, Universidade Federal do Rio Grande do Norte.
Severino, J. N., Cristiani, A. L., Nakamura, L. H., and Meneguette, R. I. (2018). Urb-trans: A system for mobility management of school vans for cities in the interior. In Proceedings of the 10th Latin America Networking Conference, pages 10-17. ACM.
SKYCOMP (2008). Major highway performance ratings and bottleneck inventory. Visi-tado em Outubro de 2018, http://www.skycomp.com/MDSHA/resources/ Spring_2008.pdf.
Souza, A. M., Brennand, C. A., Yokoyama, R. S., Donato, E. A., Madeira, E. R., and Villas, L. A. (2017). Traffic management systems: A classification, review, challen-ges, and future perspectives. International Journal of Distributed Sensor Networks, 13(4):1550147716683612.
Souza, A. M., Guidoni, D., Botega, L. C., and Villas, L. A. (2015). Co-op: Uma solução para a detecção, classificação e minimização de congestionamentos de veículos uti-lizando roteamento cooperativo. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos-(SBRC).
Texas Transportation Institute, D.L. Schrank, W. T. J. (2015). 2015 urban mobility score-card, mobility report.
Wongcharoen, S. and Senivongse, T. (2016). Twitter analysis of road traffic congestion severity estimation. In Computer Science and Software Engineering (JCSSE), 2016 13th International Joint Conference on, pages 1-6. IEEE.
Bauza, R. and Gozálvez, J. (2013). Traffic congestion detection in large-scale scena-rios using vehicle-to-vehicle communications. Journal of Network and Computer Applications, 36(5):1295-1307.
Bauza, R., Gozalvez, J., and Sanchez-Soriano, J. (2010). Road traffic congestion detec-tion through cooperative vehicle-to-vehicle communications. In IEEE Local Computer Network Conference, pages 606-612.
Board, T. R. (2000). Hcm 2000 -highway capacity manual.
Canuto, A. M. d. P. (2001). Combining neural networks and fuzzy logic for applications in character recognition. PhD thesis, University of Kent at Canterbury.
Cintra, M. (2013). A crise do trânsito em são paulo e seus custos. GVExecutivo, 12(2):58-61.
Cunha, F., Maia, G., Ramos, H. S., Perreira, B., Celes, C., Campolina, A., Rettore, P., Guidoni, D., Sumika, F., Villas, L., Mini, R., and Loureiro, A. (2018). Vehicular Networks to Intelligent Transportation Systems, pages 297-315.
Springer Singapore, Singapore.
Doolan, R. and Muntean, G.-M. (2013). Vanet-enabled eco-friendly road characteristics-aware routing for vehicular traffic. In Vehicular Technology Conference (VTC Spring), 2013 IEEE 77th, pages 1-5. IEEE.
Doolan, R. and Muntean, G.-M. (2017). Ecotrec-a novel vanet-based approach to re-ducing vehicle emissions. IEEE Transactions on Intelligent Transportation Systems, 18(3):608-620.
H. Allen, K. M. and Stonehill, M. (2013). A summary of the proceedings from the united nations climate change conference in doha, qatar, and their significance for the land transport sector, copenhagen: Bridging the gap (btg) initiative.
Junior, G. D., Frozza, R., and Molz, R. F. (2015). Simulação de controle adaptativo de tráfego urbano por meio de sistema multiagentes e com base em dados reais. Revista Brasileira de Computação Aplicada, 7(3):65-81.
Meneguette, R., E. De Grande, R., and A. F. Loureiro, A. (2018). Intelligent Transportation Systems, pages 1-21. Springer International Publishing, Cham.
Meneguette, R. I., Geraldo Filho, P., Guidoni, D. L., Pessin, G., Villas, L. A., and Ueyama, J. (2016). Increasing intelligence in inter-vehicle communications to re-duce traffic congestions: experiments in urban and highway environments. PLoS one, 11(8):e0159110.
Meneguette, R. I., Ueyama, J., Krishnamachari, B., Bittencourt, L., et al. (2015). Enhan-cing intelligence in inter-vehicle communications to detect and reduce congestion in urban centers.
Nottle, A., Quintana-Amate, S., Harborne, D., Alzantot, M., Braines, D., Tomsett, R., Kaplan, L., Srivastava, M., Chakraborty, S., and Preece, A. (2017). Distri-buted opportunistic sensing and fusion for traffic congestion detection. In First International Workshop on Distributed Analytics InfraStructure and Algorithms for Multi-Organization Federations, pages 1-6.
Pan, J. S., Khan, M. A., Popa, I. S., Zeitouni, K., and Borcea, C. (2012). Proactive vehicle re-routing strategies for congestion avoidance. In 2012 8th IEEE International Conference on Distributed Computing in Sensor Systems, pages 265-272. IEEE.
Pan, J. S., Popa, I. S., and Borcea, C. (2017). Divert: A distributed vehicular traffic re-routing system for congestion avoidance. IEEE Transactions on Mobile Computing, 16(1):58-72.
Pessin, G., Souza, J. R., Osório, F. S., Faiçal, B. S., Geraldo Filho, P., Ueyama, J., Vargas, P. A., and Wolf, D. F. (2014). Investigation on the evolution of a robotic controller for autonomous vehicle navigation. Journal of Intelligent & Fuzzy Systems, 27(6):3047-3058.
Rao, A. M. and Rao, K. R. (2012). Measuring urban traffic congestion-a review. International Journal for Traffic & Transport Engineering, 2(4).
Santos, A. d. M. (2008). Uma análise da aplicação do modelo de rede neural repart em comitês de classificadores. Master's thesis, Universidade Federal do Rio Grande do Norte.
Severino, J. N., Cristiani, A. L., Nakamura, L. H., and Meneguette, R. I. (2018). Urb-trans: A system for mobility management of school vans for cities in the interior. In Proceedings of the 10th Latin America Networking Conference, pages 10-17. ACM.
SKYCOMP (2008). Major highway performance ratings and bottleneck inventory. Visi-tado em Outubro de 2018, http://www.skycomp.com/MDSHA/resources/ Spring_2008.pdf.
Souza, A. M., Brennand, C. A., Yokoyama, R. S., Donato, E. A., Madeira, E. R., and Villas, L. A. (2017). Traffic management systems: A classification, review, challen-ges, and future perspectives. International Journal of Distributed Sensor Networks, 13(4):1550147716683612.
Souza, A. M., Guidoni, D., Botega, L. C., and Villas, L. A. (2015). Co-op: Uma solução para a detecção, classificação e minimização de congestionamentos de veículos uti-lizando roteamento cooperativo. Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos-(SBRC).
Texas Transportation Institute, D.L. Schrank, W. T. J. (2015). 2015 urban mobility score-card, mobility report.
Wongcharoen, S. and Senivongse, T. (2016). Twitter analysis of road traffic congestion severity estimation. In Computer Science and Software Engineering (JCSSE), 2016 13th International Joint Conference on, pages 1-6. IEEE.
Publicado
10/09/2019
Como Citar
PEREIRA, Geraldo ; MENEGUETTE, Rodolfo Ipolito; PESSIN, Gustavo ; UEYAMA, Jó ; VILLAS, Leandro .
Speed: Uma solução inter-veicular para detectar e controlar vias congestionadas no TMS. In: WORKSHOP DE COMPUTAÇÃO URBANA (COURB), 3. , 2019, Gramado.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 43-56.
ISSN 2595-2706.
DOI: https://doi.org/10.5753/courb.2019.7467.
