Semáforos Inteligentes baseados em IoT: uma solução para
a redução de congestionamentos na cidade de Manaus
João Victor Melo de Oliveira
Escola Superior de Tecnologia
Universidade do Estado do Amazonas
DESCRIÇÃO DO PROBLEMA
O trânsito nas cidades brasileiras é um dos maiores problemas urbanos enfrentado por
praticamente todos os cidadãos. Diariamente, milhões de brasileiros perdem horas do dia devido à
lentidão nas rodovias urbanas. Além do tempo perdido, o trânsito intenso e diário causa problemas
de saúde, aumenta o consumo de combustível, diminui a produtividade e o crescimento geral do
país. Há maneiras de contornar e diminuir os tempos de trânsito, como construção de novas
rodovias e investimento em outros tipos de transporte (trens, metrôs, vias fluviais), porém esses
métodos exigem tempo, altos recursos e espaço físico livre (quase inexistente em áreas urbanas).
Uma das causas de grandes congestionamentos urbanos são os semáforos tradicionais. Estes
semáforos já centenários, também chamados se sinais, mostram-se ineficientes no controle do
tráfego das vias urbanas dos dias atuais. O seu modelo de temporização fixa para cada cor de
sinalização está ultrapassado, pois ele não é capaz de se adequar às mudanças de parâmetros e
variáveis que contribuem para criação de congestionamentos. Primeiro, o fluxo de veículos depende
da hora do dia e do mês do ano; segundo, os sinais tradicionais ficam em vermelho mesmo com o
cruzamento livre; terceiro, eles não se comportam de maneira diferente em situações de emergência.
O modelo de sinalização convencional precisa ser aprimorado para resolver os graves
congestionamentos, aliviar os problemas de transporte, reduzir os tempos de espera e o tempo
médio das viagens, reduzir os acidentes e melhorar a saúde dos motoristas e pedestres. Este trabalho
propõe um modelo simples e sofisticado, basado em Internet of Things (IoT), de semáforos
inteligentes para a cidade de Manaus.
SOLUÇÃO PROPOSTA
A proposta é implementar semáforos inteligentes interconectados via internet com uma nuvem
que fornece dados sobre a densidade de veículos nas rodovias captados por sensores de
infravermelho (IR) e, com o auxílio de uma IA (Inteligência Artificial), determinar com precisão o
tempo mais adequado para cada cor dos sinais, dentro das normas do Contran (Conselho nacional
de trânsito), como mostrado na Figura 1.
TECNOLOGIAS EMPREGADAS
No que diz respeito à complexidade, os algoritmos envolvidos são os carros-chefe. Antes de se
alcançar uma IA, os terabytes de dados sobre o trânsito da cidade devem ser processados por
algoritmos de Deep Learning e, consequentemente, Machine Learning. Também chamados de
modelos preditivos, esses algoritmos são definidos como “uma função matemática que, aplicada a
uma massa de dados, consegue identificar padrões ocultos e prever o que poderá ocorrer” [1].
Felizmente, a comunidade científica do ramo já desenvolveu diversos desses modelos que estão
prontos para aplicação.
A IA deve, então, agir baseado em dois parâmetros de entrada padrão e um especial: densidade
de veículos nas ruas e quantidade de pedestres nas travessias; e um sinal de emergência disparado
