Análise da Cobertura Espacial de uma Rede de Sensores Baseada em Ônibus Urbanos

• Pedro Cruz UFRJ
• Rodrigo S. Couto UERJ
• Luís Henrique M. K. Costa UFRJ

DOI: https://doi.org/10.5753/sbrc.2018.2468

Resumo

Cidades inteligentes podem utilizar ônibus urbanos equipados com sensores para aumentar a cobertura espacial, com pouca necessidade de infraestrutura. Nesse contexto, este trabalho estuda a cobertura de uma rede de sensores móveis com mobilidade provida por ônibus urbanos. Para tal, propõe-se um modelo de cobertura e formula-se um problema de otimização que maximiza a região coberta para um dado número de ônibus que realizam sensoriamento. O problema é aplicado a dados reais dos ônibus da cidade do Rio de Janeiro, determinando a maior área sensoriável com um número limitado de sensores. Os resultados mostram que 18% da frota cobre pelo menos 94% das ruas do Rio de Janeiro com circulação de ônibus, ou o equivalente a 5.606 km de ruas.

Referências

Church, R. e Velle, C. R. (1974). The maximal covering location problem. Papers in regional science, 32(1):101–118.

Cruz, P., Couto, R. S. e Costa, L. H. M. K. (2017a). An algorithm for sink positioning in bus-assisted smart city sensing. Future Generation Computer Systems.

Cruz, P., Couto, R. S. e Costa, L. H. M. K. (2017b). Um algoritmo de posicionamento de pontos de coleta para uma rede de sensores baseada em ônibus urbanos. XXXV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribudos.

Cruz, P., da Silva, F. F., Pacheco, R. G., Couto, R. S., Velloso, P. B., Campista, M. E. M. e Costa, L. H. M. K. (2017c). Sensingbus: um sistema de sensoriamento baseado em ônibus urbanos. XXXV Simpósio Brasileiro de Redes de Computadores e Sistemas Distribudos.

Current, J. R. e Schilling, D. A. (1990). Analysis of errors due to demand data aggregation in the set covering and maximal covering location problems. Geographical Analysis, 22(2):116–126.

Dong, W., Guan, G., Chen, Y., Guo, K. e Gao, Y. (2015). Mosaic: Towards city scale sensing with mobile sensor networks. Em IEEE International Conference on Parallel and Distributed Systems (ICPADS), p. 29–36. IEEE.

Du, R., Chen, C., Yang, B., Lu, N., Guan, X. e Shen, X. (2015). Effective urban trafc monitoring by vehicular sensor networks. IEEE Transactions on Vehicular Technology, 64(1):273–286.

Ekici, E., Gu, Y. e Bozdag, D. (2006). Mobility-based communication in wireless sensor networks. IEEE Communications Magazine, 44(7):56 – 62.

Fiore, M., Nordio, A. e Chiasserini, C.-F. (2016). Driving factors toward accurate mobile opportunistic sensing in urban environments. IEEE Transactions on Mobile Computing, 15(10):2480–2493.

Google (2017). Google maps API snap to roads. Disponível em https:// developers.google.com/maps/documentation/roads/snap.

Gubbi, J., Buyya, R., Marusic, S. e Palaniswami, M. (2013). Internet of things (IoT): A vision, architectural elements, and future directions. Future Generation Computer Systems, 29(7):1645–1660.

IPLANRIO (2016). Descrição do dataset conjunto GPS ônibus. Disponível em http://data.rio/dataset/gps-de-onibus.

Kamienski, C., Biondi, G. O., Borelli, F. F., Heideker, A., Ratusznei, J. e Kleinschmidt, J. H. (2016). Computação urbana: Tecnologias e aplicações para cidades inteligentes. Minicursos SBRC.

Kaplan, E. D. e Hegarty, C. J. (2006). Understanding gps-principles and applications second edition. artech house. Inc., MA, p. 153–173.

Liu, B., Brass, P., Dousse, O., Nain, P. e Towsley, D. (2005). Mobility improves coverage of sensor networks. Em Proceedings of the 6th ACM international symposium on Mobile ad hoc networking and computing. MobiHoc.

Marjovi, A., Arre, A. e Martinoli, A. (2015). High resolution air pollution maps in urban environments using mobile sensor networks. Em International Conference on Distributed Computing in Sensor Systems (DCOSS), p. 11 – 20. IEEE.

Passos, I. P. (2017). Rio em síntese. Disponível em http://www.data.rio/pages/rio-em-sntese-2.

Pipino, L. L., Lee, Y. W. e Wang, R. Y. (2002). Data quality assessment. Communications of the ACM, 45(4):211–218.

Santos, B. P., Silva, L. A., Celes, C. S., Borges, J. B., Neto, B. S. P., Vieira, M. A. M., Vieira, L. F. M., Goussevskaia, O. N. e Loureiro, A. A. (2016). Internet das coisas: da teoria à prática. p. 1–50.

Sta, H. B. (2016). Quality and the efciency of data in “smart-cities”. Future Generation Computer Systems.

Zanella, A., Bui, N., Castellani, A., Vangelista, L. e Zorzi, M. (2014). Internet of things for smart cities. IEEE Internet of Things Journal, 1(1):22–32.

Zhao, D., Ma, H., Liu, L. e Li, X.-Y. (2015). Opportunistic coverage for urban vehicular sensing. Computer Communications, 60:71–85.

Zhu, Y., Li, Z., Zhu, H., Li, M. e Zhang, Q. (2013). A compressive sensing approach to urban trafc estimation with probe vehicles. IEEE Transactions on Mobile Computing, 12(11):2289–2302.

Zoysa, K. D., Keppitiyagama, C., Seneviratne, G. P. e Shihan, W. W. A. T. (2007). A public transport system based sensor network for road surface condition monitoring. Em ACM SIGCOMM (NSDR). ACM.