Modelagem, previsão e controle de congestionamento de trânsito em redes veiculares

Página do item simplificado
dc.creatorAnna Izabel Joao Tostes Ribeiro
dc.date.accessioned2019-08-12T17:58:22Z
dc.date.accessioned2025-09-08T23:09:08Z
dc.date.available2019-08-12T17:58:22Z
dc.date.issued2015-09-17
dc.identifier.urihttps://hdl.handle.net/1843/ESBF-A3GMXT
dc.languagePortuguês
dc.publisherUniversidade Federal de Minas Gerais
dc.rightsAcesso Aberto
dc.subjectRedes bayesianas
dc.subjectComputação ubíqua
dc.subjectComputação
dc.subjectTrânsito Congestionamento
dc.subjectRedes de sensores sem fio
dc.subjectRedes veículares
dc.subject.otherComputação Urbana
dc.subject.otherCongestionamento de trânsito
dc.subject.otherControle de Congestionamento
dc.subject.otherPrevisão de Congestionamento
dc.subject.otherRedes Veiculares
dc.titleModelagem, previsão e controle de congestionamento de trânsito em redes veiculares
dc.typeTese de doutorado
local.contributor.advisor-co1Fatima de Lima Procopio de Figueiredo
local.contributor.advisor1Antonio Alfredo Ferreira Loureiro
local.contributor.referee1Fatima de Lima Procopio de Figueiredo
local.contributor.referee1Felipe Maia Galvão França
local.contributor.referee1Pedro Olmo Stancioli Vaz de Melo
local.contributor.referee1Raquel Aparecida de Freitas Mini
local.contributor.referee1Renato Martins Assuncao
local.description.resumoCongestionamento 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.
local.publisher.initialsUFMG

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
annaisabel.pdf
Tamanho:
49.16 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Pós-Graduação em Ciência da Computação - Teses

Logo UFMG