Uma das aplicações da Internet das Coisas é a gestão e manutenção inteligente
de linhas de ônibus do transporte público urbano. Neste contexto, uma análise detalhada da geolocalização dos veículos que realizam um determinado trajeto permite melhorias na experiência dos seus usuários. Na prática essa tecnologia permite a predição do tempo de chegada do ônibus em cada ponto utilizando como base dados o histórico das leituras de dispositivos GPS presentes em cada veículo.
Um grupo de pesquisadores do Instituto de Computação da Unicamp analisou algoritmos que inferem em tempo real trajetos do veículo circular interno da Universidade de modo a minimizar a possibilidade de falha humana ao se indicar manualmente qual itinerário está sendo realizado pelo motorista.
Para poder comportar todos os mais de 31 mil alunos do campus de Barão Geraldo, a Unicamp oferece um serviço de transporte conhecido como “Veículo Circular Interno”, o qual é composto por ônibus que fazem diferentes trajetos dentro da universidade. Como forma de melhorar esse serviço, a iniciativa Smart Campus – um conjunto de projetos que visa implementar o conceito de Internet das Coisas na Unicamp, propôs colocar sensores GPS em cada veículo, de modo a coletar seus dados de coordenadas geográficas e enviar em tempo real para um servidor, permitindo que os usuários do serviço pudessem visualizar o ônibus em tempo real por meio do aplicativo “Unicamp Serviços”.
Atualmente, o motorista do ônibus deve apertar um botão no aparelho que contém
o GPS para identificar qual o trajeto que ele realizará. Eventualmente pode ocorrer do
motorista apertar o botão errado ou simplesmente esquecer de apertá-lo, gerando uma
inconsistência e fazendo com que usuários de uma determinada linha não possam encontrá-la por meio do aplicativo.
No projeto foi possível investigar as características dos dados de geolocalização dos
veículos dos circulares internos da Unicamp, bem como propor um algoritmo que alerte
ao motorista em tempo real que provavelmente o percurso realizado difere do trajeto configurado no dispositivo do ônibus, podendo assim reduzir o número de falhas humanas.
O melhor algoritmo investigado alcançou 96% de acerto entre os dados de caminhos completos e com ele foi possível propor uma melhoria para o sistema. É esperado que como continuação deste projeto que novos algoritmos sejam testados e que a porcentagem de acerto possa ser tal que o ajuste do dispositivo seja automática.
O artigo completo pode ser acessado aqui.
