Se for, vá na paz: Construindo Rotas Seguras para Veículos Coletivos Urbanos
Resumo
A mobilidade ciente de contexto pode ser definida como o uso de diferentes tipos de dados para a oferta de melhorias a motoristas, passageiros e para o fluxo de veículos. Um dos serviços relacionados à este cenário é a construção de modelos com base em tais dados para traçar rotas a serem utilizadas por diversos tipos de veículos. Dentre os possíveis contextos a serem considerados, a segurança é um que vem sendo explorado recentemente. Embora os trabalhos sobre rotas seguras encontrados até o momento tenham avaliado variadas soluções, as mesmas foram testadas majoritariamente para veículos particulares e avaliadas sob o ponto de vista computacional. Este trabalho propõe RACIONAL, uma solução de cálculo de rotas seguras para ônibus municipais, construída com base em fundamentos bem aceitos da literatura para veículos particulares, porém adaptados às características específicas dos coletivos, tais como a necessidade de se considerar os pontos de parada e a inviabilidade do uso de mudanças temporais constantes. Os resultados obtidos mostram que, com poucos ajustes espaço-temporais, é possível encontrar rotas que mantêm a cobertura do serviço de transporte público, ao mesmo tempo em que melhora a segurança das mesmas, evitando áreas consideradas perigosas, sem impor aumento significativo da distância percorrida.
Referências
Atzori, L., Iera, A., and Morabito, G. (2016). Understanding the internet of things: definition, potentials, and societal role of a fast evolving paradigm. Ad Hoc Networks, 56.
Babu, V. S. and Viswanath, P. (2008). An efficient and fast parzen-window density based clustering method for large data sets. In International Conference on Emerging Trends in Engineering and Technology, pages 531–536.
de Souza, A. and Villas, L. (2020). Vem tranquilo: Rotas eficientes baseado na dinâmica urbana futura com deep learning e computação de borda. In Anais do XXXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 351–364, Porto Alegre, RS, Brasil. SBC.
Félix Mata et al., Miguel Torres-Ruiz, G. G. R. Q. R. Z.-F. M. M.-I. E. L. (2016). A mobile information system based on crowd-sensed and official crime data for finding safe routes: A case study of mexico city. Mobile Information Systems, 2016:1–11.
Galbrun, E., Pelechrinis, K., and Terzi, E. (2016). Urban navigation beyond shortest route: The case of safe paths. Information Systems, 57:160–171.
Ladeira, L., de Souza, A., Silva, T., Filho, G. R., Peixoto, M. M., and Villas, L. (2020). Cerva: Roteamento contextual para veículos com risco espaço-temporal. In Anais do XXXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 379–392, Porto Alegre, RS, Brasil. SBC.
Ladeira, L., Souza, A., Pereira, G., Silva, T. H., and Villas, L. (2019). Serviço de sugestão de rotas seguras para veículos. In Anais do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 608– 621, Porto Alegre, RS, Brasil. SBC.
Liu, Q., Kumar, S., and Mago, V. (2017). Safernet: Safe transportation routing in the era of internet of vehicles and mobile crowd sensing. 2017 14th IEEE Annual Consumer Communications Networking Conference (CCNC).
Santos, F. A., Rodrigues, D. O., Silva, T. H., Loureiro, A. A. F., and Villas, L. A. (2017). Rotas veiculares cientes de contexto: Arcabouço e aná lise usando dados oficiais e sensoriados por usuários sobre crimes. In Anais do XXII Workshop de Gerência e Operação de Redes e Serviços, Porto Alegre, RS, Brasil. SBC.
Tompson, L., Partridge, H., and Shepherd, N. (2009). Hot routes: Developing a new technique for the spatial analysis of crime. Crime Mapping: A Journal of Research and Practice, 1(1):77–96.
Verbraeken, J., Wolting, M., Katzy, J., Kloppenburg, J., Verbelen, T., and Rellermeyer, J. S. (2020). A survey on distributed machine learning. ACM Comput. Surv., 53(2).
Wen, M., Rosa, T. d. O., Souza, M. C., Aleixo, R. P., Alves, C., Sá, L., Santana, E. F. Z., and Kon, F. (2018). Criação de modelo para simulação de movimentação de Ônibus a partir de dados reais. In Proceedings of the 1st Brazilian Workshop on Smart Cities, WBCI 2018, pages 1–10.
Zhang, J., Wang, F.-Y., Wang, K., Lin, W.-H., Xu, X., and Chen, C. (2011). Data-driven intelligent transportation systems: A survey. IEEE Transactions on Intelligent Transportation Systems, 12(4):1624–1639.
