Sistemas de Controle adaptativo de semáforos com coleta de dados em tempo real do tráfego nas vias urbanas

Resumo

Este artigo apresenta uma abordagem para a coleta e processamento de dados em tempo real do tráfego urbano, com o objetivo de ajustar dinamicamente os tempos dos semáforos com base nas condições atuais do tráfego. A metodologia proposta utiliza a biblioteca OpenCV em um ambiente Python para capturar imagens do tráfego, que são processadas por uma rede neural YOLO (You Only Look Once) para extrair informações, como os tipos e a quantidade de veículos que passam nas vias. Em seguida, foi desenvolvido um algoritmo para ajustar os tempos dos semáforos dinamicamente, de acordo com as condições de tráfego em tempo real. A eficácia do sistema foi avaliada através de um simulador contendo um cruzamento com quatro vias e por meio de simulações que compararam um sistema de semáforo dinâmico com um sistema estático. Os resultados da simulação demonstraram que o sistema dinâmico reduziu o tempo médio de espera dos veículos nas interseções e aumentou o número de veículos que atravessam a interseção por unidade de tempo, destacando a importância da ciência de dados em tempo real na criação de sistemas de controle de tráfego inteligentes, capazes de atender às demandas de uma infraestrutura urbana moderna e eficiente.