PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/8632
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSiqueira Filho, Luciano Apolinário dept_BR
dc.date.accessioned2024-12-18T15:29:26Z-
dc.date.available2024-12-18T15:29:26Z-
dc.date.issued2024-12-12-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/8632-
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRedes neuraispt_BR
dc.subjectControle de tráfego-
dc.subjectSemáforos-
dc.subjectSimulação-
dc.subjectAprendizado de máquina-
dc.titleRedes neurais aplicadas a semáforos de trânsitopt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Vinhal, Gustavo Siqueirapt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5227400971565575pt_BR
dc.contributor.referee1Amaral, Nilson Cardosopt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6824122529171550pt_BR
dc.contributor.referee2Vieira, Sibelius Lellispt_BR
dc.contributor.referee2Latteshttp://lattes.cnpq.br/0345972428103987pt_BR
dc.description.resumoA 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
REDES NEURAIS APLICADAS A SEMÁFOROS DE TRÂNSITO.pdf912,49 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


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

Ferramentas do administrador