Escolar Documentos
Profissional Documentos
Cultura Documentos
São Paulo - SP
2023
1
UNIVERSIDADE VIRTUAL DO ESTADO DE SÃO PAULO
São Paulo - SP
2023
2
ROCHA DOS SANTOS, Alberto; GILMAR RANGEL CORDEIRO, Anderson; JOSE DA
SILVA LIMA, Cristiano; DOMINGUES QUEIROS DE OLIVEIRA, Daniela; ALVES
RIBEIRO, Milena; SOUZA SANTOS, Rafael; JUSTINIANO DE CASTRO FERREIRA,
Rodrigo. Sistema de Monitoramento de tráfego urbano usando análise de dados para
otimizar a fluidez e melhorar a mobilidade no transporte. Relatório Técnico-Científico.
Nome do curso – Universidade Virtual do Estado de São Paulo. Tutor: Angélica Fermann.
Polos: UNICEU Alvarenga, Casablanca, Cidade Dutra, Parque Veredas, Vila Curuçá e Alto Alegre,
2023.
RESUMO
3
LISTA DE ILUSTRAÇÕES
4
SUMÁRIO
1 Introdução 5
2 Desenvolvimento 6
2.1 Objetivos 6
2.1.1 Objetivo geral 6
2.1.2 Objetivos específicos 6
2.2 Justificativa e delimitação do problema 7
2.3 Fundamentação teórica 8
2.4 Metodologia 10
2.5 Pesquisa de campo 11
2.5.1 Gráficos da Pesquisa de Campo 12
2.6 Resultados preliminares 15
2.6.1 Solução inicial 15
Referências 17
5
1 Introdução
5
2 Desenvolvimento
2.1 Objetivos
Nesta seção serão descritas as etapas necessárias para a implementar a solução proposta e a
abordagem pretendida.
a) Objetivos exploratórios:
● Conhecer as necessidades e requisitos da comunidade externa para planejar uma
solução de análise de dados de tráfego eficiente;
● Identificar as fontes de dados relevantes para realizar o estudo desejado;
● Levantar padrões de tráfego em diferentes horários e locais da cidade com base
nos dados obtidos;
● Definir as principais rotas utilizadas pelos motoristas para refinar a pesquisa e
criar algoritmos capazes de retornar as informações pertinentes ao estudo.
b) Objetivos descritivos:
● Classificar os dados de tráfego em função da intensidade com base no volume,
velocidade média, horários e capacidade de fluidez da via;
● Detectar os padrões de tráfego e atribuir sua relação com os congestionamentos;
6
c) Objetivos explicativos:
● Analisar a eficácia de rotas alternativas sugeridas pela solução de análise de
dados apresentando valores mensuráveis que podem ser facilmente interpretados
pelo motorista;
● Avaliar o impacto da solução na redução dos congestionamentos e na otimização
da mobilidade urbana do ponto de vista dos usuários;
● Avaliar a viabilidade de implementação da solução de análise de dados de
tráfego em diversos cenários como outros municípios;
7
A relevância da contribuição social e acadêmica desta pesquisa também é evidente, pois
a mobilidade é um tema de interesse crescente para a sociedade. A solução proposta pode ter
impacto significativo na vida dos cidadãos e estudiosos, pois contribuirá para incrementar os
conhecimentos nas áreas de sistemas, análise de dados e inteligência artificial.
Sobre o campo da avaliação dos dados, Bonabeau e Theraulaz (2000) entendem que a
coleta e análise de dados de tráfego é fundamental para melhorar a mobilidade urbana. A partir
dos dados coletados, se compreende como o tráfego flui em diferentes regiões da cidade,
possibilita identificar gargalos e encontrar soluções para melhorar a fluidez.
Segundo Provost e Fawcett (2013), a análise de dados é a ciência de extrair informações
úteis a partir de dados complexos. Aplicando esse contexto ao monitoramento de tráfego
urbano, a análise de dados permite identificar padrões de comportamento dos veículos e dos
pedestres, analisar a efetividade de medidas adotadas para melhorar o trânsito, e desenvolver
modelos preditivos para prever o fluxo de tráfego em diferentes horários e dias da semana.
Como destaca Zhang et al. (2018), o estudo de dados é a chave para a implementação
de sistemas inteligentes de transporte, que podem ajudar a reduzir congestionamentos e
melhorar a mobilidade urbana. Essas possibilidades são fundamentais para melhorar a fluidez
e a segurança do tráfego urbano.
Como apontado por Kerner (2018), o uso de tecnologias avançadas de comunicação e
análise de dados pode transformar a mobilidade urbana, tornando-a mais eficiente, segura e
sustentável. Além disso, os insights gerados podem ser combinados com outras tecnologias,
como sistemas de comunicação veicular (V2V) e sistemas de transporte inteligentes (ITS), para
criar soluções ainda mais efetivas.
Cabral (2018) destaca que a inteligência artificial (IA) refere-se ao desenvolvimento de
máquinas capazes de pensar e agir como seres humanos. Estes são programas de software com
a capacidade de destilar e aprender novas ideias. Dessa forma, pretende-se auxiliar nas tarefas
diárias, modernizar e avançar a pesquisa científica.
Um estudo divulgado no portal da empresa TOTVS destaca algumas vantagens da IA
as quais incluem auxílio nos processos analíticos, apoio à tomada de decisão, aumento da
velocidade do processamento das informações, aumento da automação, entre outros gerando
mais agilidade no processamento das informações, reduzindo assim os riscos operacionais,
erros e custos operacionais (TOTVS, 2019).
8
Evidenciando casos reais, atualmente várias cidades ao redor do mundo utilizam
tecnologias inteligência artificial nos seus meios de transporte e para melhorar a mobilidade
urbana. Cingapura conhecida por ser uma das cidades mais inteligentes do mundo, utiliza
técnicas de Machine Learning para melhorar o transporte público e melhor o tráfego nas suas
ruas. Nova York utiliza Machine Learning para prever a duração das viagens de táxi e melhorar
a alocação de recursos para o transporte público. Londres, por meio da Transport for Lodon
(TfL), utiliza técnicas de Machine Learning para melhorar a precisão dos horários de ônibus e
trens, além de identificar áreas com maior incidência de congestionamento. Já Pequim utiliza
Machine Learning para melhorar a segurança no trânsito, mapeando áreas com maior propensão
a acidentes.
Em São Paulo, por sua vez, temos que a Companhia de Engenharia e Tráfego (CET)
que utiliza várias tecnologias, como câmeras de vigilância, radares e sensores para monitorar o
tráfego em tempo real, direcionando esforços e recursos para os pontos críticos. Identifica
padrões e tendências como quais são os horários de pico e as rotas mais utilizadas, analisando
fatores como números de veículos, velocidades e as capacidades das vias. Realiza estudos
técnicos para mensurar o impacto de alterações no trânsito como a mudança no sentido de vias,
alargamento ou afunilamento de vias, bem como implantação de faixas exclusivas para ônibus.
Os estudos técnicos contemplam algumas etapas importantes: Levantamento de dados, análise
de acidentes, análise do impacto no tráfego, avaliação das alternativas e consulta pública para
ouvir a opinião dos usuários e moradores da região afetada.
9
2.4 Metodologia
11
2.5.1 Gráficos da Pesquisa de Campo
Figura 1
Figura 2
Figura 3
12
Figura 4
Figura 5
Figura 6
13
Figura 7
Figura 8
Figura 9
14
Figura 10
Com base nas informações coletadas, foi realizada uma análise dos dados obtidos
identificando as principais causas dos congestionamentos urbanos, bem como as necessidades
dos usuários em termos de deslocamento. Com isso, foram definidas as funcionalidades e
características que a solução precisa ter para atender às necessidades dos usuários.
Com base nesses resultados, foi desenvolvida uma aplicação web utilizando a
linguagem de programação Python para análise de dados integrada a um banco de dados SQL
e o framework ReactJS para a interface web.
15
Para obter uma análise mais precisa da situação do tráfego, seria necessário capturar
dados oriundos de informações em tempo real sobre a velocidade dos veículos e o volume de
tráfego em cada trecho da via. Outra proposta consiste em promover uma integração desta
solução de análise de tráfego com outras fontes de dados, como informações climáticas e
eventos locais, agregando valor à informação disponibilizada aos usuários.
Pela análise de dados de tráfego, é possível identificar gargalos, desenvolver soluções
mais efetivas e criar sistemas de transporte inteligentes que transformem a mobilidade urbana.
Com essa proposta, esperamos fornecer aos motoristas e passageiros uma solução eficaz
para lidar com os congestionamentos e reduzir o tempo perdido no trânsito. Além disso, a
solução também pode ajudar as autoridades de trânsito a tomar decisões mais sólidas sobre o
gerenciamento do tráfego e a melhoria da mobilidade urbana.
16
Referências
PROVOST, F. and FAWCETT, T. Data Science for Business: What You Need to Know
about Data Mining and Data-Analytic Thinking. O'Reilly Media, Inc., 2013.
ZHANG, J., YANG, L. and CHEN, W. A Comprehensive Review of Smart Urban Traffic
Management. IEEE Transactions on Intelligent Transportation Systems, v. 19, n. 12, p.
3838-3857, 2018.
KERNER, B. S. Introduction to Modern Traffic Flow Theory and Control: The Long
Road to Three-Phase Traffic Theory. Springer International Publishing, 2018.
CABRAL, Isabela. Tudo sobre inteligência artificial: 10 fatos que você precisa saber.
TechTudo, 2018. Disponível em: <https://www.techtudo.com.br/listas/2018/05/tudo-sobre-
inteligencia-artificial-10-fatos-que-voce-precisa-saber.ghtml/>. Acesso em: 15 abr. 2023.
17