Em cidades inteligentes, aplicações de monitoramento de frotas veiculares encontram problemas de classificação de trajetórias, devido a problemas variados como limitações dos dispositivos e falhas de comunicação ou de configuração. Uma solução frequentemente usada é a classificação em nuvem dos dados de trajetória coletados, feita com o uso algoritmos de similaridade de trajetórias. Porém, algoritmos como o Dynamic Time Warping (DTW) e o Longest Common Subsequence (LCSS) podem se tornar custosos em cenários com grande volumes de dados. Assim, neste artigo é proposto o Unordered and Vectorized Common Segment Ratio Classifier (UV-CSRC), que propõe classificar segmentos de trajetórias com o uso de aceleração de hardware. Através de testes com dados reais e sintéticos demonstra-se que o algoritmo, em cenários reais, obtém uma acurácia semelhante ao do DTW e do LCSS, com tempo de processamento ao menos 28 vezes mais rápido.

Para avaliar o desempenho do sistema de transporte de ônibus urbanos, é necessário o monitoramento constante da operação de cada linha. Esse processo, executado manualmente, é custoso e ineficiente. Neste artigo é proposto o FAS-Bus (Fleet Analysis System for urban Buses), um sistema que visa agilizar esse processo tirando proveito da localização dos ônibus por GPS. O FAS-Bus é composto de módulos que fazem a coleta, armazenamento, correção e visualização das trajetórias. Os resultados são os dados estatísticos de um sistema de ônibus, que podem ser usados para avaliar, por exemplo, mudanças de tamanho de frota e nível de serviço das linhas. O sistema é demonstrado com o uso dos dados da frota de ônibus da cidade do Rio de Janeiro.