Detecção e controle de congestionamento veicular em ambiente urbano

Abstract

O congestionamento do tráfego urbano é um problema recorrente na maioria das grandes cidades do mundo. Normalmente, é decorrente do aumento repentino do número de veículos nas ruas e avenidas durante os horários de pico. Mesmo com a melhoria contínua do sistema de transporte urbano, o número de veículos tende a aumentar com o desenvolvimento da economia, portanto, o congestionamento do tráfego urbano se torna um problema recorrente. O congestionamento urbano causa impactos negativos na sociedade, podendo ser destacados, a perdas econômicas, a redução da produtividade e o aumento das emissões de dióxido de carbono (CO2), deixando os motoristas presos no trânsito. A demanda por uma solução para evitar o congestionamento do tráfego é muito clara. Com base nesse contexto, nesta dissertação são propostos algoritmos para detecção e controle de congestionamento. Para isso, o algoritmo deve identificar áreas de congestionamento e propor rotas alternativas de tráfego a partir de informações coletadas em tempo de simulação realística. Ressalta-se que, a importância deste trabalho está em minimizar os problemas de congestionamento que afeta uma parcela considerável da população dos grandes centros urbanos. Os resultados mostram, que em média e alta densidade, o algoritmo K Nearest Neighbors usando classificador Pareto II (KNNP) reduz o tempo médio de viagem, o tempo parado em congestionamento, o tempo perdido por deslocamento do veículo abaixo do limite permitido na via, o consumo médio de combustível e a redução na emissão de CO2 em até 55%, 79%, 68%, 28%, e 28% respectivamente.

Urban traffic congestion is a recurring problem in most large worldwide cities. It usually arises from the sudden increase in the totality of vehicles on streets and avenues during peak hours. Even with continuous improvement of the urban transportation system, the number of automobiles tends to increase with the development of the economy, therefore, urban traffic congestion becomes a recurring problem. Urban congestion causes negative impacts on society, which can be highlighted, such as economic losses, reduced productivity, and increased carbon dioxide (CO2) emissions, leaving the drivers stuck in transit. The demand for a solution to avoid traffic jams is crystalline. In addition, this dissertation proposed an algorithm for traffic congestion detection and minimization. The algorithm would find congestion areas and recommend alternative traffic routes from information collected in workable simulation time. The dissertation brings a solution to minimizing the congestion problems that affect a considerable part of the population in large urban centers. The obtained results, in medium and high density, the K Nearest Neighbors algorithm using Pareto II classifier (KNNP), reduces the average travel time, the stopped in traffic jams time, the time lost due to vehicle movement below the limit allowed on the road, the average fuel consumption, and reduction of CO2 emission by towards 55%, 79%, 68%, 28%, and 28% respectively.