Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/ESBF-A3GMXT
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Antonio Alfredo Ferreira Loureiro | pt_BR |
dc.contributor.advisor-co1 | Fatima de Lima Procopio de Figueiredo | pt_BR |
dc.contributor.referee1 | Fatima de Lima Procopio de Figueiredo | pt_BR |
dc.contributor.referee2 | Felipe Maia Galvão França | pt_BR |
dc.contributor.referee3 | Pedro Olmo Stancioli Vaz de Melo | pt_BR |
dc.contributor.referee4 | Raquel Aparecida de Freitas Mini | pt_BR |
dc.contributor.referee5 | Renato Martins Assuncao | pt_BR |
dc.creator | Anna Izabel Joao Tostes Ribeiro | pt_BR |
dc.date.accessioned | 2019-08-12T17:58:22Z | - |
dc.date.available | 2019-08-12T17:58:22Z | - |
dc.date.issued | 2015-09-17 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/1843/ESBF-A3GMXT | - |
dc.description.resumo | Congestionamento de trânsito é um problema que causa perdas econômicas e de tempo, maior consumo de combustível e maiores emissões de CO2. Esta tese modela, prevê e procura controlar o congestionamento usando redes veiculares. Os objetivos são: (1) coletar diferentes fontes de dados sobre as condições de trânsito; (2) caracterizar condições de trânsito reais e correlacionar com essas fontes de dados; (3) prever as condições de trânsito e seus efeitos; e (4) propor serviços de sugestão de rotas para fazer um balanceamento de carga do fluxo de veículos na cidade. Os resultados mostraram que os modelos de previsão melhoram a acurácia em até 80% para prever o congestionamento com base em dados históricos e de tempo real, atingindo mais de 90% de acurácia quando utilizam-se dados de redes de sensores participativos. Essas soluções reduzem o tempo de viagem em até 56%, e consumo de combustível e emissão de CO2 em 18%, em média. | pt_BR |
dc.language | Português | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Computação Urbana | pt_BR |
dc.subject | Congestionamento de trânsito | pt_BR |
dc.subject | Controle de Congestionamento | pt_BR |
dc.subject | Previsão de Congestionamento | pt_BR |
dc.subject | Redes Veiculares | pt_BR |
dc.subject.other | Redes bayesianas | pt_BR |
dc.subject.other | Computação ubíqua | pt_BR |
dc.subject.other | Computação | pt_BR |
dc.subject.other | Trânsito Congestionamento | pt_BR |
dc.subject.other | Redes de sensores sem fio | pt_BR |
dc.subject.other | Redes veículares | pt_BR |
dc.title | Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares | pt_BR |
dc.type | Tese de Doutorado | pt_BR |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
annaisabel.pdf | 50.34 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.