Use este identificador para citar ou linkar para este item: http://www.monografias.ufop.br/handle/35400000/1288
Título: Sistema para classificação de malha viária baseado em smartphones por meio de aprendizado supervisionado
Autor(es): Nunes, Davidson Esteves
Orientador(es): Medeiros, Talles Henrique de
Mota, Vinícius Fernandes Soares
Silva, Erik de Britto e
Membros da banca: Medeiros, Talles Henrique de
Alexandre, Rafael Frederico
Brito, Samuel Souza
Palavras-chave: Machine learning
Qualidade viária
Acelerômetro
Crowdsensing
Data do documento: 2018
Referência: NUNES, Davidson Esteves. Sistema para classificação de malha viária baseado em smartphones por meio de aprendizado supervisionado. 2018. 82 f. Monografia (Graduação em Sistemas de Informação) - Instituto de Ciências Exatas e Aplicadas, Universidade Federal de Ouro Preto, João Monlevade, 2018.
Resumo: O transporte rodoviário é o mais utilizado no país e ainda assim, a estrutura rodoviária é um dos grandes problemas enfrentados pelos brasileiros. Segundo a Confederação Nacional dos Transportes (NOTíCIAS, 2017) 61,8% da extensão das rodovias pesquisadas foram consideradas ruins ou péssimas. Tal fator influi diretamente nos custos logísticos associados, uma vez que a má qualidade pode incorrer em um gasto de até 50% a mais de combustível (RODRIGUES, 2002), sem contar ainda o risco de acidentes. O conforto ou desconforto percebido no uso da via também são fatores relevantes uma vez que, segundo a norma ISO 2631 (STANDARDIZATION, 1978), existem limites toleráveis para a exposição humana à vibrações. Saber de antemão a qualidade do trecho, levando em conta o referencial de conforto do usuário, pode influenciar na escolha entre uma rota e outra. Existem diversas iniciativas para mensurar a qualidade do pavimento com uso de smartphones, contudo, as mesmas levam em consideração apenas os dados objetivos mensurados a partir de leituras feitas com o dispositivo. Um dos objetivos deste trabalho é considerar a opinião dos usuários da via como fator qualificante. Isso traz alguns desafios para um cenário que já era difícil, uma vez que sistemas dessa natureza estão sujeitos a uma grande variedade de ruídos na informação. Este trabalho propõe um sistema de classificação de vias que mensura a qualidade do asfalto baseado no sensoriamento participativo coletando dados como: geolocalização, acelerômetro e opinião dos usuários sobre a qualidade da via. O sistema é composto por uma aplicativo Android para a atividade de sensoriamento, um servidor em nuvem para recepcionar e classificar os dados coletados por diversos usuários e um painel de visualização web para consulta dos trechos classificados pelos usuários. Algoritmos de aprendizado supervisionado utilizam a opinião dada pelos usuários como argumento para a formação de clusters que serão utilizados no processo de classificação da massa de dados. Neste trabalho foram percorridos 1.218,34 km entre ruas e estradas nas cidades de João Monlevade, Belo Horizonte, Santa Luzia, Ipatinga, Caratinga e Ouro Preto. Os dados foram coletados pelo autor e usuários voluntários que utilizaram o aplicativo, sendo 1.036,64 km em carros e 181,70 km em ônibus. Deste volume, considerando apenas os dados classificados 63,72% foram de trechos considerados bons e 36,28% ruins.
Resumo em outra língua: Road transport is the most used in the country and yet, the road structure is one of the great problems faced by Brazilians. According the Confederação Nacional de Transportes (NOTíCIAS, 2017) 64.8% of the surveyed road extension was considered bad or terrible. This factor has a direct bearing on the associated logistical costs, since poor quality can cost up to 50% more fuel (RODRIGUES, 2002), and increase the risk of accidents. The comfort or discomfort perceived in the use of the roadway are also relevant factors since, according to ISO 2631 (STANDARDIZATION, 1978) there are tolerable limits for human exposure to vibrations. Knowing in advance the quality of the pavement, taking into account the user comfort reference, can influence the choice between one route and another. There are several initiatives to measure the quality of the pavement with the use of smart phones, however they take into account only the objective data measured from readings made with the device. One of the objectives of this work is to consider the users’ opinions as a qualifying factor. This brings some challenges to a scenario that was already difficult, since systems of this nature are subject to a wide variety of information noises. This work proposes a road classification system that measures the quality of asphalt based on participatory sensing, collecting data such as: geolocation, accelerometer and opinion of the users on the quality of the road. The system consists of a textitAndroid application for the sensing activity, a cloud server to receive and classify the data collected by several users and a web visualization panel to query the pavement classified by the users. Supervised learning algorithms use the opinion given by users in the formation of clusters that will be used in the classification process of the data mass. In this work 1,218.34 km were traveled among streets and roads in the cities of João Monlevade, Belo Horizonte, Santa Luzia, Ipatinga, Caratinga and Ouro Preto. Data was collected by the author and volunteer users who used the application, where 1,036.64 km in cars and 181.70 km in buses. Of this volume, considering only the data classified 63.72 % were of good and 36.28 % bad segments.
URI: http://www.monografias.ufop.br/handle/35400000/1288
Licença: Autorização concedida à Biblioteca Digital de TCC’s da UFOP pelo autor em 06/09/2018 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece nas coleções:Sistema de Informação - JMV

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
MONOGRAFIA_SistemaClassificaçãoMalha.pdf11,04 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.