Banca de QUALIFICAÇÃO: ANDREIA ALEXANDRE FELIX

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANDREIA ALEXANDRE FELIX
DATA : 26/08/2025
HORA: 10:00
LOCAL: Link da videochamada: https://meet.google.com/gas-dnen-evh
TÍTULO:

Prevenção de Colisões Veiculares com IA e Comunicação V2X: Uma Abordagem Baseada em Simulação

PÁGINAS: 67
RESUMO:

A segurança veicular tem se consolidado como um dos principais desafios no contexto da mobilidade urbana inteligente, especialmente diante do crescimento no número de veículos e da complexidade do tráfego nas cidades. Nesse cenário, tecnologias emergentes, como a inteligência artificial (IA) e a comunicação entre veículos e infraestrutura (V2X), têm se destacado como promissoras alternativas para mitigar riscos e reduzir acidentes. Esta qualificação propõe uma abordagem inovadora baseada em modelos de aprendizado de máquina para a previsão de colisões em redes veiculares, investigando como a comunicação V2X pode influenciar a tomada de decisão em diferentes janelas de tempo.

Para isso, são exploradas técnicas supervisionadas de Machine Learning, incluindo K-Nearest Neighbors (KNN), Árvores de Decisão e Random Forest, bem como modelos de Redes Neurais Artificiais, com ênfase nas arquiteturas Multilayer Perceptron (MLP) e Long Short-Term Memory (LSTM), capazes de capturar padrões temporais complexos. O objetivo central é avaliar a acurácia desses modelos na detecção precoce de situações de risco e analisar como o uso da comunicação V2X contribui para a melhoria da previsibilidade e da resposta dos sistemas embarcados em veículos.
Os experimentos serão conduzidos no ambiente de simulação Veins (Vehicles in Network Simulation), utilizando os dados de mobilidade gerados a partir do trace do projeto TAPASCologne, que fornece uma representação realista do tráfego urbano.

Além disso, a qualificação analisa o impacto da taxa de perda de pacotes e da latência da comunicação V2X sobre a eficácia das previsões. Os resultados obtidos evidenciam que a integração entre modelos de aprendizado de máquina e comunicação V2X pode melhorar significativamente a segurança no trânsito, viabilizando a identificação antecipada de cenários potencialmente perigosos e permitindo respostas mais rápidas e precisas por parte dos sistemas embarcados.
Em conclusão, esta qualificação busca contribuir para o avanço do estado da arte em segurança veicular, oferecendo uma abordagem multidisciplinar que combina IA, redes de comunicação e simulação veicular.

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1138738 - HELDER MAY NUNES DA SILVA OLIVEIRA
Membro Titular - Examinador(a) Interno ao Programa - 1603840 - JOAO HENRIQUE KLEINSCHMIDT
Membro Titular - Examinador(a) Externo à Instituição - RODOLFO IPOLITO MENEGUETTE - USP
Membro Suplente - Examinador(a) Externo à Instituição - LUCAS DE LIMA BASTOS - UNIFESSPA