Os dados coletados por sensores, câmeras, redes sociais e aplicativos podem contribuir para detecção automática de eventos atípicos no trânsito. A natureza heterogênea das fontes de dados traz como vantagem a redundância de informação, aumentando o grau de confiabilidade de eventos detectados. Este trabalho propõe um arcabouço de detecção de eventos anômalos e alertas em tempo real, com uma interface que suporta fontes de dados heterogêneos. Para isto, ao receber os eventos de uma via, o arcabouço os agrupa como séries temporais diárias. É aplicada clusterização nestas séries temporais para criar um histórico padrão, que permite detectar anomalias e emitir alertas em tempo real. Para validar o arcabouço, foram implementadas interfaces para dados disponibilizados pela prefeitura de Vitória-ES, provenientes da plataforma Waze, e Twitter, e um conjunto de algoritmos de clusterização e de detecção de anomalias. Utilizando dados reais da cidade, os resultados mostraram que o arcabouço proposto é escalável e os alertas podem auxiliar os gestores nas tomadas de decisões.
Participatory sensing networks rely on gathering personal data from mobile devices to infer global knowledge. Participatory sensing has been used for real-time traffic monitoring, where the global traffic conditions are based on information provided by individual devices. However, fewer initiatives address asphalt quality conditions, which is an essential aspect of the route decision process. This article proposes Streetcheck, a framework to classify road surface quality through participatory sensing. Streetcheck gathers mobile devices' sensors such as Global Positioning System (GPS) and accelerometer, as well as users' ratings on road surface quality. A classification system aggregates the data, filters them, and extracts a set of features as input for supervised learning algorithms. Twenty volunteers carried out tests using Streetcheck on 1,200 km of urban roads of Minas Gerais (Brazil). Streetcheck reached up to 90.64% of accuracy on classifying road surface quality.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.