Defesa de Dissertação de Mestrado de Morgana Duarte Campbell de Medeiros, 11/12/25, 14h, por videoconferência
Link para defesa: https://meet.google.com/cxn-acuu-udx
Gestão de Tráfego Otimizada Baseada em Teoria de Jogos e Sistemas Iot Adaptativos
Resumo:
O congestionamento do trânsito afeta não só a mobilidade e a acessibilidade da população, mas também outros indicadores que vão da qualidade de vida à poluição nas grandes cidades. Tendo em vista o aumento na concentração urbana com previsão de que um terço de toda a população global resida em áreas urbanas até 2050, pensar em uso eficiente da infraestrutura rodoviária é mandatório. Observa-se que, entre as principais causas de congestionamentos recorrentes, figuram as intersecções; logo, estar se apresentam como bons candidatos à otimização pela aplicação de tecnologias de gestão de semáforo. Dada sua relevância, os sistemas de controle de semáforos são tema de ampla literatura na atualidade, com diversas propostas de otimização pela aplicação de tecnologia; entretanto, a maioria dos modelos falha em considerar aspectos contextuais para além da demanda imediata de veículos e pedestres. O modelo proposto neste trabalho, chamado Sistema IoT Adaptativo de Gestão de Trânsito, apresenta-se como uma abordagem inovadora que visa considerar aspectos mais complexos do contexto na redução dos congestionamentos. Avaliando temperatura, dados de câmera e alagamentos das vias, o sistema visa reduzir a espera coletiva de pedestres e veículos, ao passo que busca reduzir o grau de exposição de pedestres às condições climáticas e otimizar a passagem de veículos de emergência ou em vias alagadas. O modelo proposto é validado por duas perspectivas, cobrindo desde uma simulação computacional comparando seu desempenho frente a abordagem tradicional de semáforos fixos, bem como apresenta uma prova de conceito com dados reais para demonstrar a viabilidade do processamento de câmeras de vigilância na obtenção das métricas necessárias. Como resultado, alcança uma redução de até um terço no tempo de espera geral, bem como indica reduções expressivas na exposição de pedestres a condições climáticas extremas, redução da espera de veículos prioritários e em vias alagadas, incluindo ainda redução expressiva no consumo de combustível e na emissão de gases poluentes. Por fim, apresenta-se uma discussão sobre possíveis calibragens do modelo e lacunas para trabalhos futuros.
Abstract:
Traffic congestion affects not only the population’s mobility and accessibility, but also other indicators ranging from quality of life to pollution in large cities. Given the increase in urban concentration, with a forecast that one-third of the entire global population will reside in urban areas by 2050, it is mandatory to consider the efficient use of road infrastructure. Intersections are among the main causes of recurring congestion; therefore, they present themselves as good candidates for optimization through the application of traffic light management technologies. Given their relevance, traffic light control systems are currently the subject of extensive literature, with various proposals for optimization through the application of technology; however, most models fail to consider contextual aspects beyond the immediate demand of vehicles and pedestrians. The model proposed in this work, known as the Sistema IoT Adaptativo para Gestão de Trânsito (Adaptive IoT Traffic Management System), presents an innovative approach that aims to consider more complex aspects of the context in order to reduce congestion. By evaluating temperature, camera data, and road flooding, the system aims to reduce collective waiting times for pedestrians and vehicles, while also reducing pedestrian exposure to weather conditions and optimizing the passage of emergency vehicles or flooded roads. The proposed model is validated from two perspectives: a computer simulation comparing its performance in contrast to the traditional fixed traffic light approach, and a proof-of-concept with real data demonstrating the feasibility of processing surveillance cameras to obtain the necessary metrics. As a result, it achieves a reduction of up to one-third in overall waiting time, as well as significant reductions in pedestrian exposure to extreme weather conditions, reduced waiting times for priority vehicles and flooded roads, and significant reductions in fuel consumption and pollutant emissions. Finally, a discussion is presented on possible model calibrations and gaps for future work.
Banca examinadora:
Profa. Flávia Coimbra Delicato, UFF – Presidente
Profa. Débora Christina Muchaluat Saade, UFF
Prof. Frederico Araújo da Silva Lopes, UFRN
Dr. Anselmo Luiz Éden Battisti, UFF/pós-doutorando