André Luiz Barbosa Nunes da Cunha.

Este projeto visa repensar a modelagem de tráfego em redes de transportes para a nova geração de cidades inteligentes e conectadas. A proposta visa propor modelos de simulação de tráfego mais eficientes que permitam o monitoramento de dados do tráfego e desenvolvimento de modelos ajustados às cidades brasileiras, subsidiando a elaboração de políticas públicas que irão preparar as cidades para as transformações que a mobilidade passará nas próximas décadas. Além disso, modelos de visualização de ambiente e de simulação de direção serão adicionados a modelos calibrados para avaliar o comportamento do usuário em diferentes cenários de tráfego. A proposta espera gerar conhecimentos em modelagem de tráfego urbano, desenvolvendo uma abordagem inovadora para inferir as condições de tráfego e o comportamento do usuário a partir de diversas fontes de dados, assim como automatizar a calibração de modelos de simulação de tráfego. Os resultados esperados abordam a transição para cidades inteligentes e tecnologias de veículos autônomos e conectados buscando proporcionar significativos benefícios sociais, econômicos e ambientais por meio de ações eficientes de planejamento e operação do tráfego urbano. Um importante produto almejado com a proposta é a viabilidade da gestão de grandes bancos de dados de redes urbanas, o que consolidará o grupo proponente e fortalecerá as pesquisas desenvolvidas e futuras em cada instituição colaboradora.

O projeto proposto situa-se na linha de pesquisa Sistemas Inteligentes de Transportes, iniciado em 2018 pelo proponente, a qual busca desenvolver e utilizar ferramentas computacionais em problemas de transportes. A longo prazo, o objetivo dessa linha é obter um corpo de conhecimentos que possibilite o desenvolvimento de métodos de análise espaço-tempo de redes viárias urbanas, visando a utilização eficiente da vias e rodovias. Para o triênio 2023-2026, a meta global proposta é desenvolver modelos e ferramentas computacionais que permitam modelar o fluxo de tráfego e seus efeitos na rede viária, e criar sistemas de coleta automática e fusão de dados de tráfego que permitam o gerenciamento das redes urbanas e rodoviárias. Dentro dessa meta, propõem-se os seguintes estudos:#1. Classificação automática de dados de tráfego a partir de imagens#2. Modelagem espaço-tempo dos eventos no tráfego

projeto proposto visa atender a solicitação da CONTRATANTE (grupo CCR) em verificar o impacto dos Fatores de Equivalência de Caminhões (ET) da metodologia atualmente empregada no cálculo de Nível de Serviço em trechos rodoviários, proposto pelo Highway Capacity Manual, no EUA. Este método é obrigatório para a definição e verificação do desempenho operacional de acordo com os editais de concessão rodoviária no estado de São Paulo. A CONTRATANTE relata que os fatores aplicados não comportam a realidade observada da frota de caminhões e o impacto dos mesmos nos seus trechos de operação.

Este projeto tem como objetivo propor uma abordagem baseada em grafos para representar dados espaço-tempo de tráfego que permitam uma visualização efetiva e a caracterização de padrões dinâmicos em redes viárias urbanas. Com o advento de sensores, smartphones, e tecnologias da Internet das Coisas (IoT), os deslocamentos dos usuários de sistemas de transportes estão sendo coletados em escala massiva e estão se tornando fontes de informação dos padrões de tráfego e comportamentos dos usuários.

A infraestrutura do tráfego impacta drasticamente na qualidade da vida em ambientes urbanos. Para otimizar essa infraestrutura, engenheiros e operadores de sistemas de transportes necessitam explorar dados de tráfego. Ao fazer isso, enfrentam dois desafios importantes: a dispersão de sensores de velocidade que cobrem apenas um número limitado de segmentos de vias e a complexidade dos padrões de tráfego que precisam analisar. Dados capturados em ambientes urbanos fornecem informações valiosas sobre o comportamento de muitos componentes de uma cidade. A análise de tais dados tem o potencial de derivar conhecimento que pode ser usado para tornar as cidades mais eficientes, bem como informar políticas e decisões de planejamento. O tráfego é um componente fundamental de um ecossistema urbano.

Para entender e otimizar a infraestrutura viária, os planejadores urbanos precisam explorar e analisar padrões de tráfego a partir de dados históricos em diferentes períodos de tempo e em diferentes partes da cidade. As perguntas referentes aos padrões de tráfego em uma cidade podem ser categorizadas como baseadas em escalar e baseadas em mobilidade. As questões baseadas em escalar envolvem uma propriedade fixa do tráfego, como velocidade e densidade do tráfego. As tarefas de interesse dessa categoria incluem a exploração de como as velocidades de tráfego variam em toda a cidade durante horários diferentes em determinados dias. Já as baseadas na mobilidade, por outro lado, envolvem o estudo do fluxo de tráfego ao longo de várias ruas da cidade. Isso inclui explorar o fluxo de tráfego lento, livre e cada direção.

Além disso, para garantir que uma mudança nessa infraestrutura não tenha efeitos adversos, o planejador também deve ser capaz de simular várias restrições do tráfego. Entretanto, pela dispersão dos dados que são obtidos e pela complexidade das análises que precisam ser realizadas, isso se torna desafiador. As informações da corrente de tráfego são geralmente obtidas de câmeras de tráfego ou sensores fixos. Os veículos rastreados por GPS são outra fonte potencial de informações de tráfego. Um subconjunto desses sensores já está sendo usado por serviços populares de mapas (como Google Maps, HereWeGo, TomTom Maps), para fornecer informações de trânsito em tempo real aos usuários. No entanto, algumas cidades apresentam cobertura incompleta e limitada aos segmentos das principais vias, dificultando o uso por analistas de transportes.

O transporte é crítico em nossa vida diária. Congestionamentos, filas e veículos pesados resultam em grandes danos e problemas para a sociedade. Caminhões e outros veículos sobrecarregados aceleram a deterioração da infraestrutura de transporte e reduzem a velocidade operacional do tráfego. As classificações dos veículos pesados são vitais para quase todos os tipos de aplicações de gerenciamento em engenharia de transporte, como projeto de pavimentação, semaforização, operação de tráfego e muitas outras aplicações de segurança.

As principais informações sobre a caracterização da frota são a contagem veicular e o peso dos veículos. Esses dados são extremamente caros de se obter, especialmente o peso que depende da infraestrutura da estação de pesagem ou dos sensores de peso em movimento. No entanto, a classificação do tipo caminhão é um indicador suficiente para muitos projetos de engenharia de transporte, já que é possível inferir, pelo limite legal, a relação peso/eixo de cada categoria de caminhão que está viajando na determinada seção da via.

Esta proposta visa desenvolver um sistema de classificação de veículos baseados em segmentação de imagens usando visão computacional e deep learning. O principal foco deste trabalho é investigar a viabilidade do uso de eixos para classificar caminhões. Os desafios desta pesquisa são: (1) um sistema de classificação robusto e rápido, (2) flexibilidade para ser aplicado em uma fonte de vídeo móvel ou locais com vídeos de monitoramento de tráfego disponíveis e (3) criar e disponibilizar um banco de dados de imagem de caminhão rotulado com configuração de eixo.

A classificação veicular é um problema difícil de resolver. Categorizar veículos de forma abrangente é uma tarefa árdua, dada a variedade de veículos e similaridades entre eles ao mesmo tempo. Diferentes formas e tamanhos dentro de uma única categoria de veículo contribuem para esse dilema. Para isso, a abordagem proposta visa: (1) coletar imagens de tráfego de caminhões em rodovias e postos de pesagem, (2) desenvolver um método robusto e eficiente para detectar e segmentar caminhões a partir de imagens, (3) criar um banco de imagens de caminhões baseado no eixo configuração, (4) criar um sistema automático de classificação de caminhões usando deep learning, (5) aplicar o modelo calibrado em vídeos móveis em tempo real.

Os critérios de sucesso desta pesquisa serão medidos pela realização de cada uma das etapas propostas, cada uma resultando em publicações em anais de conferências ou periódicos de relevância, nos tópicos de visão computacional, reconhecimento de padrões, deep learning ou "Intelligent Transportation System" (ITS). Também é esperado ter a conclusão bem-sucedida de uma dissertação de mestrado e uma iniciação científica, bem como fornecer um banco de dados de imagens rotuladas de configurações de eixos e caminhões, ainda ausente na comunidade de visão computacional.

Trata-se de um convênio entre a USP e o Ministério de Obras Públicas e Comunicações do Paraguai (MOPC). O Convênio Acadêmico Internacional é subscrito no âmbito de um Acordo de Cooperação assinado entre a USP e o MOPC para o desenvolvimento de um Programa de cursos de Extensão em Infraestruturas de Transportes e Saneamento, tendo por objeto a colaboração no oferecimento e gerenciamento administrativo e financeiro do Curso de Especialização em Infraestrutura de Transportes, a fim de promover a vinda de Engenheiros da República do Paraguai de acordo com a proposta e pelo cumprimento do programa estabelecido na respectiva Caracterização Acadêmica, constante do Plano de Atividades.

Trata-se de um convênio entre a USP e o Ministério de Obras Públicas e Comunicações do Paraguai (MOPC). O Convênio Acadêmico Internacional é subscrito no âmbito de um Acordo de Cooperação assinado entre a USP e o MOPC para o desenvolvimento de um Programa de cursos de Extensão em Infraestruturas de Transportes e Saneamento, tendo por objeto a colaboração no oferecimento e gerenciamento administrativo e financeiro do Curso de Especialização em Infraestrutura de Transportes, a fim de promover a vinda de Engenheiros da República do Paraguai de acordo com a proposta e pelo cumprimento do programa estabelecido na respectiva Caracterização Acadêmica, constante do Plano de Atividades.

Este projeto está sendo realizado dentro do Termo de Cooperação Técnica-Científica que a ARTESP (Agência de Transporte do Estado de São Paulo) e a USP-EESC (Escola de Engenharia de São Carlos) celebram entre si. O plano de trabalho compreende a realização de uma série de atividades e ações integradas, visando subsidiar o desenvolvimento de um Manual de Capacidade para as rodovias do estado de São Paulo, baseado na edição de 2016 e posteriores do Highway Capacity Manual (HCM 2016).

A pesquisa visa investigar o comportamento e aspectos dinâmicos em ambientes rodoviários pormeio de inferências coletivas pela correlação entre as variáveis detectadas em bancos de dados de acidentes e as localizações geográficas.

Programa de Mobilidade docente entre USP-EESC (Universidade de São Paulo, Escola de Engenharia de São Carlos) e UNIZG-FFTS (University of Zagreb, Faculty of Traffic and Transport Sciences). O objetivo deste programa de intercâmbio é compartilhar experiências entre pesquisadores na área de Sistemas Inteligentes de Transportes (ITS). Neste programa o docente ministrou aulas de graduação e pós-graduação sobre os seguintes assuntos: 1) Calibração de simulação com Algoritmo Genético; 2) Cluster em dados de tráfego; 3) Dados compartilhados pelos usuários de tráfego; 4) Aplicação de Visão Computacional em tráfego viário; 5) Análise de Componentes Principais (PCA) em transportes. Foi apresentada a palestra "Estimating motorized travel mode choice using classifiers: An application for high-dimensional multicollinear data" aos pesquisadores da Croácia e discutido propostas de parceria de pesquisas em Sistemas Inteligentes de Transportes Cooperativos.

The aim of this small project is to investigate the possibility of applying the paradigms of deep and reinforcement learning for traffic control on urban motorways. Emphasis will be set on variable speed limit control applied on a representative simulation model of an urban motorway. Additionally, bachelor and master students working in the scope of their theses will investigate the possibility of applying fuzzy logic for traffic light control of signalized urban intersections. All of this with the goal to improve the existing traffic control algorithms and the throughput of the existing urban road network. The budget of this short-term support will be used to obtain one new high-end server and desktop computer, finance mobilities of young researchers to summer schools and international scientific conferences, and for an advanced grammar checking software. In scope of this small project, existing cooperation with foreign researchers from Brazil, Bosnia and Herzegowina, Macedonia, and Romania will be continued and extended. The project is financed in the scope of the University of Zagreb short-term support program

Com o advento de sensores, smarphones, e Internet das Coisas (IoT), o deslocamento dos usuários de transportes estão sendo coletados em uma escala massiva e se tornando fontes de informação do comportamento dos usuários do tráfego. A infraestrutura viária impacta diretamente na qualidade da vida em ambientes urbanos. A análise espacial da forma e conexões das redes de transportes retratam a mobilidade disponível ao usuário. Por outro lado, as viagens feitas pelos usuários são dinâmicas e a disponibilidade de sensores de tráfego cobre uma limitada parcela dos segmentos viários e uma porção do padrão de tráfego. Assim, com o uso de dados de GPS de telefonia móvel, grandes empresas são capazes de monitorar a velocidade média do tráfego nas vias das cidades, facilitando a compreensão do movimento urbano.

Promoção de uma mobilidade segura. Caracterização completa dos acidentes de trânsito ocorridos em trechos de rodovias inseridos em áreas urbanizadas e avaliação dos níveis de exposição ao risco de acidentes em diferentes modos (veículos, motociclistas, bicicletas e peões). Análise do desempenho da segurança viária usando técnicas de análise espacial de dados. Investigação do impacto de diferentes abordagens metodológicas no desenvolvimento de modelos de previsão da frequência e modelos de previsão da severidade de acidentes ocorridos em vias urbanas e trechos rodoviários inseridos em áreas urbanizadas. Estudo das relações entre as condições de fluidez do tráfego e a segurança viária nessas vias e trechos rodoviários.

Utilização de processamento de imagens para a análise da corrente de tráfego. As pesquisas buscam investigar e testar algoritmos para a detecção, rastreamento, classificação e extração do comportamento de veículos, pedestres, ciclistas e motociclistas nas vias. A meta é desenvolver métodos para a coleta automática de dados do fluxo de tráfego a partir de câmeras de vídeo, seguindo as seguintes etapas:(1) Detectar e rastrear objetos de imagens de vídeo do tráfego, em tempo de processamento e pós-processado; (2) Classificar os veículos quanto a categoria e o número de eixos; (3) Obter parâmetros do comportamento de pedestres, ciclistas, motociclistas e motoristas; (4) Criar e disponibilizar bancos de dados de imagens e de modelos comportamentais para suporte aos modelos de simulação de tráfego.

Há quase 15 anos, os simuladores de direção realísticos são utilizados em investigações e pesquisas para desenvolvimento de veículos e treinamento de condutores - de trens, aeronaves, veículos militares e mais recentemente de caminhões e veículos de passeio - e também em estudos de comportamento de condutores de veículos - notadamente em países como os Estados Unidos, França, Alemanha, Itália, Suécia, China entre outros. E são diversas as razões que justificam o uso de simuladores de direção nos estudos sobre segurança viária: alterações no projeto geométrico da via, investigação do uso de dispositivos de segurança e sinalização, que ainda não existem e são caros para serem construídos apenas para teste, e no auxílio ao estudo do comportamento do usuário na via. Outra razão forte para utilizar os simuladores de direção se apoia no fato de que, neste equipamente, as situações potencialmente perigosas podem ser investigadas sem riscos à vida. E desta forma, os motoristas podem ser repetidamente confrontados com eventos que podem ocorrer raramente na realidade. Assim, os comportamentos em diferentes circunstâncias, incluindo condições climáticas específicas - como neblina, chuva - podem ser estudados. Esta pesquisa propõe o uso de um simulador de direção realístico estático nos estudos voltados para a geometria de vias associados à detecção do comportamento do condutor - para fins de apoio à segurança viária.

Este projeto, com duração prevista de 24 meses, insere-se em uma linha de pesquisa no âmbito transportes e análise espacial de dados, iniciada pela proponente com participação interinstitucional, com orientações de mestrado concluídas e em andamento. O projeto visa à continuidade do desenvolvimento da pesquisa que emprega a utilização de técnicas de geoestatística à modelagem em transportes. O objetivo principal é incorporar a krigagem a previsões de escolha modal, buscando boas estimativas de probabilidades de escolha do modo de transporte em coordenadas geográficas pesquisadas e também desconhecidas. Inicialmente serão calibradas as funções utilidades dos modos de transporte, considerando características desagregadas dos indivíduos, de suas viagens e da zona de tráfego de residência, com a finalidade de estimar a probabilidade de escolha do modo em domicílios pesquisados e determinar a variável numérica a ser krigada. A aplicação da técnica de Análise Espacial de dados (geoestatística - krigagem ordinária) será realizada através das probabilidades de escolha modal obtidas por modelos de escolha discreta, possibilitando a estimação das probabilidades da escolha modal em domicílios não amostrados na pesquisa. Os dados utilizados serão da Pesquisa Origem-Destino realizada em 2007/2008 na cidade de São Carlos (SP). Espera-se trazer benefícios ao meio acadêmico, constituindo referências para futuras aplicações.

O objetivo deste projeto é utilizar ferramentas de Inteligência Artificial para a análise operacional e qualidade de serviço em rodovias e vias urbanas. As pesquisas estão envolvidas em inferência comportamental do tráfego, obtenção de dados de tráfego, reconhecimento de padrões e detecção de anomalias na corrente de tráfego.