Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/83508
Author(s): Joaquim Rui Rocha Barros
Title: Caraterização de estradas em tempo real através de métodos preditivos
Issue Date: 2015-07-14
Abstract: The increasing number of people visiting cities has led to a greater number of vehicles traveling through main access roads. Queues and more frequent incidents require wider network monitoring, faster incident detection and quicker response times. This situation happens on Via de Cintura Interna (VCI), a highway that surrounds Porto and Vila Nova de Gaia cities.In order to improve performance and capacity of this road, it is proposed the development of algorithms, methods or frameworks which allow to understand network state, dynamics and places where incidents could occur. After completing this process, it should be possible to forecast network state in real-time within a maximum interval of 30 minutes. The resulting computation should be based on data collected by loop sensors installed on VCI. The final solution will be integrated on a traffic management system currently in use.This dissertation presents some concepts and related work following model-driven and data-driven approaches. Relatively to the first approach, study is focused on mesoscopic simulation which allows representation and simulation of road networks and entities with adequate levels of detail and performance. Relatively to data-driven approach, it is referred the statistical learning concept and some frequently used algorithms. All these concepts supported the development of a new framework and different forecasting algorithms which will be compared and assessed.
Description: Nos últimos anos tem-se verificado um crescimento cada vez maior do número de pessoas que visitam as cidades, conduzindo a um aumento do número de veículos que viajam através das principais estradas de acesso. Filas e incidentes cada vez mais frequentes obrigam a uma monitorização alargada da rede, rápida deteção de incidentes e melhores tempos de resposta. Esta situação verifica-se na Via de Cintura Interna (VCI), uma autoestrada em forma de anel que contorna as cidades do Porto e Vila Nova de Gaia.De forma a melhorar o desempenho e a capacidade desta via de acesso, propõe-se o desenvolvimento de algoritmos, métodos ou ferramentas que permitam perceber o estado da rede, bem como identificar a dinâmica e os locais onde se verificam os incidentes. A partir deste processo, pretende-se prever o estado da rede em tempo real com um intervalo máximo de previsão de 30 minutos. Os cálculos a realizar terão como base os dados recolhidos através de sensores em loop instalados ao longo da VCI. A solução desenvolvida deverá ser integrada num sistema de gestão de tráfego que se encontra em funcionamento atualmente.Esta dissertação apresenta alguns conceitos e trabalhos relacionados que seguem as abordagens model-driven e data-driven. Relativamente à primeira abordagem, o foco do estudo situa-se na modelação mesoscópica que permite a representação e simulação de redes rodoviárias com níveis de detalhe e eficiência adequados. No último caso são referidos alguns conceitos de aprendizagem estatística e algoritmos frequentemente utilizados. Todos estes conceitos suportaram o desenvolvimento de uma framework e de diferentes algoritmos de previsão que serão posteriormente comparados e avaliados.
Subject: Engenharia electrotécnica, electrónica e informática
Electrical engineering, Electronic engineering, Information engineering
Scientific areas: Ciências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
Engineering and technology::Electrical engineering, Electronic engineering, Information engineering
TID identifier: 201309025
URI: https://repositorio-aberto.up.pt/handle/10216/83508
Document Type: Dissertação
Rights: openAccess
License: https://creativecommons.org/licenses/by-nc/4.0/
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
35341.pdfCaraterização de estradas em tempo real através de métodos preditivos1.59 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons