Tipo:	Trabalho de Conclusão de Curso
Título:	Redes neurais aplicadas a semáforos de trânsito
Autor(es):	Siqueira Filho, Luciano Apolinário de
Primeiro Orientador:	Vinhal, Gustavo Siqueira
metadata.dc.contributor.referee1:	Amaral, Nilson Cardoso
metadata.dc.contributor.referee2:	Vieira, Sibelius Lellis
Resumo:	A mobilidade urbana é um desafio recorrente nas grandes cidades, impactando diretamente o bem-estar da população. O tráfego intenso, causado pelo crescente número de veículos e pela falta de planejamento eficiente, resulta em congestionamentos, aumento da poluição e estresse para os moradores. Nesse contexto, a Inteligência Artificial (IA) surge como uma solução para melhorar o fluxo do trânsito. Esta pesquisa tem como objetivo aplicar redes neurais artificiais para otimizar o controle de semáforos em sistemas de tráfego urbano. Após uma revisão da literatura sobre controle de tráfego e aprendizado de máquina, identificou-se uma a possibilidade do uso de redes neurais para melhorar a eficiência do trânsito em ambientes urbanos. Para a realização dos experimentos, foi utilizado um simulador de tráfego baseado no modelo Intelligent Driver Model (IDM), que foi customizado a partir de um código-fonte existente, permitindo a integração de novas funcionalidades e a implementação da rede neural para controle dinâmico dos ciclos semafóricos. A metodologia incluiu a coleta de dados da simulação, como a taxa de veículos, o número de veículos que passaram, o número de veículos aguardando nos sinais e a velocidade média dos veículos. Esses dados foram utilizados para treinar a rede neural, que ajusta em tempo real a duração dos ciclos semafóricos de acordo com as condições do tráfego. O modelo foi validado com base em métricas de desempenho, como a previsão de tempos ideais de sinalização, e comparado com os ciclos de semáforos tradicionais. Os resultados mostraram que a aplicação da rede neural proporcionou uma leve redução no tempo de espera dos veículos e uma melhora moderada na fluidez do tráfego em relação ao controle tradicional. A pesquisa sugere que o uso de aprendizado de máquina para o controle de semáforos pode ser uma solução promissora para otimizar o fluxo de veículos em interseções urbanas, contribuindo para a mitigação de congestionamentos.
Palavras-chave:	Redes neurais Controle de tráfego Semáforos Simulação Aprendizado de máquina
CNPq:	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/123456789/8632
Data do documento:	12-Dez-2024
Aparece nas coleções:	TCC Ciência da Computação

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