IoT solutions for traffic characterization in smart cities

Abstract

As agências que administram o tráfego rodoviário têm de tomar decisões importantes, a fim de definir quais as secções de estrada que têm o maior risco de impactes relacionados com o tráfego. Neste contexto, reconhece-se que a implementação do Sistema Avançado de Gestão de Tráfego (SAGT) pode melhorar não apenas a eficiência da rede, mas também minimizar outras externalidades de tráfego. Neste contexto, novas soluções de software e hardware, capazes de fornecer informações melhoradas a partir da dinâmica do tráfego, podem desempenhar um papel essencial no conhecimento que temos e a forma como o SAGT é executado. Em particular, a disponibilidade de dados georreferenciados está a aumentar rápidamente, seja em dispositivos móveis, como em redes sociais e monitoramento de redes de sensores. Um dos desafios é combinar e melhorar o potencial de cada fonte de informação, e depois juntar várias fontes num modelo agregado. Nesta dissertação é descrita a arquitetura e implementação de diferentes dispositivos para recolha de dados, um protótipo para monitorização com integração de parâmetros do motor em tempo-real e uma aplicação móvel, o desenvolvimento de toda a infra-estrutura necessária e ainda uma aplicação web que combine estes dados e forneça ferramentas de análise e visualização. Nesta dissertação é possível que os utilizadores possam utilizar estas ferramentas para adotarem escolhas mais sustentáveis e uso de estradas menos congestionadas, contribuindo para a diminuição do congestionamento do tráfego, poupando tempo, aumentando o fluxo de tráfego, e contribuindo positivamente para o impacte ambiental.

Agencies managing road traffic need to make informed decisions, in order to define which road sections have the highest risk of traffic-related impacts. In this context, it is recognized that the implementation of Advanced Traffic Management System (ATMS) may improve not only network efficiency but also minimize other traffic externalities. In this context, novel software and hardware solutions, capable of providing improved information from the traffic dynamics, can play an essential role in the knowledge we have, and the way ATMS is executed. In particular, the availability of geo-referenced data is increasing quickly, either from nomadic devices as well as from social media, and monitoring sensors networks. One of the challenges is to combine and to improve the potential of each source of information, and then combine multiple sources together in an aggregate model. This dissertation describes the architecture and implementation of an accurate, high-frequency vehicle tracker, with the integration of real-time engine statistics, and enhanced with an autonomous inertial model as well as a mobile application for data collection from the embedded sensors and positioning, the development of all necessary infrastructure and a web application that combine these data and provide analysis and visualization tools. In this dissertation it is possible for users to use these tools to adopt more sustainable choices and use of less congested roads, contributing to the reduction of traffic congestion, saving time, improving traffic throughput, and contributing positively to the environmental impact.