Um Arcabouço para Agregação de Informação e Predições em Sistemas Públicos de Ônibus Urbanos
A mobilidade urbana por meio de transporte público de qualidade é um dos principais desafios para a consolidação de cidades inteligentes. Pesquisadores desenvolveram diferentes abordagens para melhorar a confiabilidade do sistema de ônibus e a qualidade das informações disponibilizadas, incluindo algoritmos de previsão de tempo de viagens, avaliações do estado da rede e estratégias de prevenção de agrupamento de ônibus. As informações fornecidas por essas abordagens são interdependentes e poderíamos agregá-las para obter melhores previsões. Neste trabalho, propomos a arquitetura de um arcabouço que permite a integração de várias abordagens em modelos compostos escaláveis e eficientes. Por exemplo, os modelos de previsão de tempo de viagem podem usar estimativas de posições dos ônibus, do estado da rede, das distâncias entre ônibus e outras informações relacionadas a sistemas de ônibus para fornecer previsões mais precisas e confiáveis. Aqui, mostramos a implementação de um protótipo da estrutura e avaliamos sua escalabilidade, o uso da CPU dos componentes do arcabouço e as previsões de modelos simples de tempo de viagem. Simulamos previsões em tempo real e mostramos que o uso dessa estrutura pode ser viável em grandes áreas metropolitanas, como a cidade de São Paulo. Por fim, descrevemos as etapas finais necessárias para concluir este trabalho, incluindo o processamento de dados coletados em tempo real e a proposta de algoritmos de previsão mais complexos.