Use este identificador para citar ou linkar para este item:
https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10325| Tipo: | Trabalho de Conclusão de Curso |
| Título: | Soluções Inteligentes para Semáforos |
| Autor(es): | Silva, Erick Lucas Machado Figueiredo da |
| Primeiro Orientador: | Dantas, Maria José Pereira |
| metadata.dc.contributor.advisor-co1: | Silva, Solange da |
| metadata.dc.contributor.referee1: | Cavalcante, Gildenor de Souza Amorim |
| metadata.dc.contributor.referee2: | Martins, Rafael Leal |
| Resumo: | RESUMO A revisão de literatura apresenta soluções inteligentes para semáforos (ITS) voltadas à mitigação de congestionamentos urbanos. Uma busca sistemática na WoS, no período de 2006-2024, com termos como “Smart Traffic Light”, “Intelligent Traffic Light System”, “Heuristic” e “IA” resultou em 5.618 artigos, analisados via planilha Excel com Methodi Ordinatio, pybibx e VOSviewer. A análise bibliométrica revelou clusters focados em deep learning, IoT e edge computing, segurança e blockchain, otimização de fluxo e lógica fuzzy. A combinação de Excel e Python refinou a seleção para 351 artigos, possibilitando gráficos de publicações e citações ao longo dos anos. Observou-se crescimento expressivo de publicações a partir de 2016, embora com menor média de citações recentes. Entre os 22 artigos avaliados, destacaram-se contribuições de frameworks fog/edge, modelos ML quantizados, metaheurísticas híbridas, RL multiagente e blockchain para controle adaptativo de semáforos. Desafios incluem integração com sistemas legados, sobrecarga computacional e necessidade de calibração contínua. |
| Abstract: | The literature review presents intelligent traffic light (ITS) solutions aimed at mitigating urban congestion. A systematic search in WoS, covering the period 2006–2024 and using terms such as “Smart Traffic Light,” “Intelligent Traffic Light System,” “Heuristic,” and “AI,” retrieved 5.618 articles, analyzed with Excel spreadsheets using Methodi Ordinatio, pybibx, and VOSviewer. The bibliometric analysis revealed clusters focused on deep learning, IoT and edge computing, security and blockchain, flow optimization, and fuzzy logic. Combining Excel and Python refined the selection to 351 articles, enabling the construction of publication and citation graphs over time. A significant growth in publications was observed from 2016 onward, although recent works show lower citation averages. Among the 22 core studies, notable contributions included fog/edge frameworks, quantized ML models, hybrid metaheuristics, multi-agent reinforcement learning, and blockchain for adaptive traffic light control. Key challenges remain in legacy system integration, computational overhead, and the need for continuous calibration. |
| Palavras-chave: | Semáforo Sistema de Semáforo Inteligente Heurística IA |
| CNPq: | CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editor: | Pontifícia Universidade Católica de Goiás |
| Sigla da Instituição: | PUC Goiás |
| metadata.dc.publisher.department: | Escola Politécnica |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10325 |
| Data do documento: | 5-Dez-2025 |
| Aparece nas coleções: | TCC Engenharia de Computação |
Arquivos associados a este item:
| Arquivo | Tamanho | Formato | |
|---|---|---|---|
| SBPO_com_merged.pdf | 837,74 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.
Ferramentas do administrador