DESENVOLVIMENTO DE UM SISTEMA DE CONTROLE DE TRÁFEGO INTELIGENTE BASEADO EM VISÃO COMPUTACIONAL E MINERAÇÃO DE DADOS
Controle de tráfego inteligente. OpenCV. YOLO. Inteligência Artificial. Deep Learning. Visão Computacional. CRISP-DM. mineração de dados. Semáforo inteligente. Redundância.
Devido ao rápido crescimento da população urbana e ao aumento da quantidade de veículos nas estradas, a gestão do trânsito está se tornando uma das questões mais importantes atualmente. Os semáforos que operam com tempo fixo para controlar o fluxo de veículos não são eficientes em algumas situações como por exemplo quando uma via está vazia, ou com fluxo mínimo, mas permanece com o tempo da luz verde alto em relação a via que faz o cruzamento com ela e tem alta densidade de veículos aguardando o sinal abrir. Nessa mesma situação pode ocorrer do sinal com a via vazia, ou com fluxo mínimo, abrir e fechar inúmeras vezes até que um veículo, que está na fila do outro semáforo, consiga atravessá-lo. 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 da Inteligência Artificial (IA), e sua subárea Deep Learning (DL), foi possível que algoritmos como o Open Source Computer Vision Library (OpenCV) e o You Only Look Once (YOLO) pudessem evoluir no reconhecimento de imagens, também subcampo da IA chamado de Computer Vision (CV). Com essas tecnologias é possível transformar objetos reconhecidos nas imagens em dados com precisão cada vez melhor. Contabilizando os veículos através da CV é possível controlar o semáforo com base na densidade de veículos ou ainda utilizar técnicas de mineração de dados para prever padrões e comportamentos de veículos no trânsito. Com a densidade de veículos calculada através da CV e a aplicação de técnicas de mineração de dados com a metodologia CRISP-DM para descobrir padrões implícitos neles, espera-se melhorar a fluidez do trânsito nas vias promovendo inúmeros benefícios para a população. A proposta desse trabalho é desenvolver um sistema de controle de tráfego que opere em conjunto com computadores de placa única, como o Raspberry Pi 3, e controle semáforos de acordo com a densidade de veículos (MDV) ou com base na mineração de dados (Mi) prevendo tendências e padrões para otimizar o trânsito e ainda conte com redundância para o modo de tempo fixo (MTF), em caso de impossibilidade do funcionamento dos modos MDV e Mi garantindo a operacionalidade do sistema. Esse sistema visa utilizar a infraestrutura de câmeras e redes atualmente existentes, promovendo baixo custo, baixo consumo de energia e alta eficiência.