Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional

The vehicle fleet in Rio Grande do Norte has increased by 250 thousand vehicles in the last 5, or 7% per year. Considering that 80% of the population lives in urban areas, traffic management is becoming one of the most important issues today. The traffic lights that the flow operates with fixed t...

ver descrição completa

Na minha lista:
Detalhes bibliográficos
Autor principal: Cortez, Diogo Eugênio da Silva
Outros Autores: Barroca Filho, Itamir de Morais
Formato: Dissertação
Idioma:pt_BR
Publicado em: Universidade Federal do Rio Grande do Norte
Assuntos:
OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
Endereço do item:https://repositorio.ufrn.br/handle/123456789/47158
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id ri-123456789-47158
record_format dspace
spelling ri-123456789-471582022-05-10T23:21:57Z Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional Development of an intelligent traffic control system based on computational vision Cortez, Diogo Eugênio da Silva Barroca Filho, Itamir de Morais http://lattes.cnpq.br/1860470288478197 http://lattes.cnpq.br/1093675040121205 Silva, Gustavo Girão Barreto da http://lattes.cnpq.br/9491033611706611 Fontes, Aluisio Igor Rego Araújo, Daniel Sabino Amorim de http://lattes.cnpq.br/4744754780165354 OpenCV MOG2 YOLO-Tiny SSD MobileNetV2 Inteligência artificial The vehicle fleet in Rio Grande do Norte has increased by 250 thousand vehicles in the last 5, or 7% per year. Considering that 80% of the population lives in urban areas, traffic management is becoming one of the most important issues today. The traffic lights that the flow operates with fixed time (STF) to control the vehicles are not efficient in all traffic situations. At that time, in the literature, many studies have been published based on vehicle density as a solution to improve traffic flow. With the advancement of Computer Vision (VC) technologies, such as techniques for detecting and classifying moving objects and the requirement of little computational power to perform tasks, it was possible to develop an intelligence control system based on VC. This low-cost solution was implemented for the STF camera system and the logical network infrastructure already presented in the municipalities. A computer, equipped with an application, captured images of traffic at the traffic light, contoured the vehicles and calculated the time required for them to cross. The Raspberry Pi 3 controls the traffic lights. Compared to the STF, there was a gain of up to 33% in traffic flow. A VC was used to control what they cross or traffic lights, to alert about congestion, make decisions and also create a database that can be used for decision-making by the district bodies on the roads. A frota de veículos no Rio Grande do Norte aumentou em aproximadamente 250 mil veículos nos últimos 5 anos, ou 7% ao ano. Considerando que 80% da população vive em zonas urbanas, a gestão do trânsito está se tornando uma das questões mais importantes atualmente. Os semáforos que operam com tempo fixo (STF) para controlar o fluxo de veículos não são eficientes em todas as situações do trânsito. Nesse momento, na literatura, muitos estudos sugerem o controle do semáforo com base na densidade de veículos como solução para melhorar a fluidez do trânsito. Com o avanço das tecnologias de Visão Computacional (VC), as técnicas de detecção e classificação de objetos em movimento e a exigência de pouco poder computacional para realizar essas tarefas foi possível desenvolver um sistema de controle de tráfego inteligente baseado em VC. Esta solução de baixo custo foi implementada para aproveitar o sistema de STF, câmeras e infraestrutura de rede lógica já presentes nos municípios do Brasil. Um computador, equipado com uma aplicação, capturou imagens do trânsito no semáforo, contou os veículos e calculou o tempo necessário para que eles realizem a travessia. O Raspberry Pi 3 controlou as luzes do semáforo. Em comparação ao STF houve ganho de até 33% na fluidez do trânsito. A VC foi utilizada para contar os veículos que cruzam o semáforo, isso permite alertar sobre congestionamentos, tomar decisões e também criar uma base de dados que poderá ser utilizada para tomada de decisões por parte dos órgãos com circunscrição sobre as vias. 2022-05-10T23:21:07Z 2022-05-10T23:21:07Z 2022-03-04 masterThesis CORTEZ, Diogo Eugênio da Silva. Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional. 2022. 109f. Dissertação (Mestrado Profissional em Tecnologia da Informação) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2022. https://repositorio.ufrn.br/handle/123456789/47158 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM TECNOLOGIA DA INFORMAÇÃO
institution Repositório Institucional
collection RI - UFRN
language pt_BR
topic OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
spellingShingle OpenCV
MOG2
YOLO-Tiny
SSD
MobileNetV2
Inteligência artificial
Cortez, Diogo Eugênio da Silva
Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
description The vehicle fleet in Rio Grande do Norte has increased by 250 thousand vehicles in the last 5, or 7% per year. Considering that 80% of the population lives in urban areas, traffic management is becoming one of the most important issues today. The traffic lights that the flow operates with fixed time (STF) to control the vehicles are not efficient in all traffic situations. At that time, in the literature, many studies have been published based on vehicle density as a solution to improve traffic flow. With the advancement of Computer Vision (VC) technologies, such as techniques for detecting and classifying moving objects and the requirement of little computational power to perform tasks, it was possible to develop an intelligence control system based on VC. This low-cost solution was implemented for the STF camera system and the logical network infrastructure already presented in the municipalities. A computer, equipped with an application, captured images of traffic at the traffic light, contoured the vehicles and calculated the time required for them to cross. The Raspberry Pi 3 controls the traffic lights. Compared to the STF, there was a gain of up to 33% in traffic flow. A VC was used to control what they cross or traffic lights, to alert about congestion, make decisions and also create a database that can be used for decision-making by the district bodies on the roads.
author2 Barroca Filho, Itamir de Morais
author_facet Barroca Filho, Itamir de Morais
Cortez, Diogo Eugênio da Silva
format masterThesis
author Cortez, Diogo Eugênio da Silva
author_sort Cortez, Diogo Eugênio da Silva
title Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_short Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_full Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_fullStr Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_full_unstemmed Desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
title_sort desenvolvimento de um sistema de controle de tráfego inteligente baseado em visão computacional
publisher Universidade Federal do Rio Grande do Norte
publishDate 2022
url https://repositorio.ufrn.br/handle/123456789/47158
work_keys_str_mv AT cortezdiogoeugeniodasilva desenvolvimentodeumsistemadecontroledetrafegointeligentebaseadoemvisaocomputacional
AT cortezdiogoeugeniodasilva developmentofanintelligenttrafficcontrolsystembasedoncomputationalvision
_version_ 1773960714544742400

Registros relacionados