Banca de DEFESA: MAYURÍ ANNEROSE MORAIS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MAYURÍ ANNEROSE MORAIS
DATA : 06/12/2022
HORA: 09:00
LOCAL: por participação remota
TÍTULO:

Um Arcabouço para a Detecção de Incidentes em Sistemas Públicos de Ônibus de Large Escala

PÁGINAS: 72
RESUMO:

Proporcionar mobilidade urbana eficiente por meio de transporte público de qualidade é um dos principais objetivos do uso de tecnologias de cidades inteligentes pelas administrações públicas. As interrupções causadas por incidentes de trânsito são uma causa significativa de atrasos nos sistemas públicos de ônibus. A literatura mostra diversos Sistemas de Detecção de Incidentes (ID) utilizando múltiplas fontes de informação, como imagens de câmeras, radares (sensores fixos) e veículos ou smartphones com Sistema de Posicionamento Global (sensores móveis). No entanto, os sistemas de identificação propostos usando sensores móveis usam principalmente carros e dados de GPS de carros simulados, enquanto poucos trabalhos usam dados de GPS de ônibus.

Este trabalho apresenta um modelo de Detecção de Incidentes para sistemas de ônibus utilizando dados de GPS de ônibus em redes urbanas. Utilizamos dados históricos de GPS de ônibus para extrair as características de cada segmento do sistema de ônibus. Propusemos dois modelos para ID: uma abordagem estatística baseada no tempo de viagem dos ônibus em cada segmento e uma abordagem de aprendizado de máquina aplicada a vários atributos que descrevem a dinâmica dos ônibus em tempo real em cada segmento. Para implementar esses modelos, também propusemos a arquitetura de um arcabouço que permite a integração de modelos compostos escaláveis e eficientes. Implementamos o arcabouço e avaliamos sua escalabilidade e as previsões de modelos simples de tempo de viagem. Mostramos que o uso em tempo real desse arcabouço é viável em grandes áreas metropolitanas, como a cidade de São Paulo. Por último, implementamos e avaliamos os modelos de ID propostos.

Definimos os incidentes de trânsito com base nas mudanças nos intervalos entre os ônibus. Mostramos que nossos modelos alcançaram uma taxa de detecção de mais de 80% para incidentes de longa duração (mais de 10 minutos) com um tempo médio para detectar menos de 6,5 minutos e uma taxa de alarme falso de 3%.

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 1676329 - RAPHAEL YOKOINGAWA DE CAMARGO
Membro Titular - Examinador(a) Externo ao Programa - 1768318 - HUMBERTO DE PAIVA JUNIOR
Membro Titular - Examinador(a) Externo à Instituição - DANIEL DE ANGELIS CORDEIRO - USP
Membro Titular - Examinador(a) Externo à Instituição - CIRO BIDERMAN - FGV
Membro Titular - Examinador(a) Externo à Instituição - ROBERTO SPEICYS CARDOSO
Membro Suplente - Examinador(a) Interno ao Programa - 1673092 - RONALDO CRISTIANO PRATI
Membro Suplente - Examinador(a) Interno ao Programa - 3008052 - EMILIO DE CAMARGO FRANCESQUINI