ICARUS: Improvement of traffic Condition through an Alerting and Re-routing System

Souza, Allan M. de; Yokoyama, Roberto Sadao; Boukerche, Azzedine; Maia, Guilherme; Cerqueira, Eduardo; Loureiro, Antônio A. F.; Villas, Leandro A.

doi:10.1016/j.comnet.2016.09.011

Cited by 43 publications

(55 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…After reviewing previous works, we observed that one of the most used scenarios to evaluate proposals is the scenario known as Manhattan (or grid type) [25][26][27]. In our case, two synthetic networks were designed based on the Manhattan scheme: one of the 4 × 4 (M4) and another 5 × 5 (M5).…”

Section: Test Scenariomentioning

confidence: 99%

Deep Learning System for Vehicular Re-Routing and Congestion Avoidance

et al. 2019

View full text Add to dashboard Cite

Delays in transportation due to congestion generated by public and private transportation are common in many urban areas of the world. To make transportation systems more efficient, intelligent transportation systems (ITS) are currently being developed. One of the objectives of ITS is to detect congested areas and redirect vehicles away from them. However, most existing approaches only react once the traffic jam has occurred and, therefore, the delay has already spread to more areas of the traffic network. We propose a vehicle redirection system to avoid congestion that uses a model based on deep learning to predict the future state of the traffic network. The model uses the information obtained from the previous step to determine the zones with possible congestion, and redirects the vehicles that are about to cross them. Alternative routes are generated using the entropy-balanced k Shortest Path algorithm (EBkSP). The proposal uses information obtained in real time by a set of probe cars to detect non-recurrent congestion. The results obtained from simulations in various scenarios have shown that the proposal is capable of reducing the average travel time (ATT) by up to 19%, benefiting a maximum of 38% of the vehicles.

show abstract

Section: Test Scenariomentioning

confidence: 99%

Deep Learning System for Vehicular Re-Routing and Congestion Avoidance

et al. 2019

View full text Add to dashboard Cite

show abstract

“…Por fim, é importante salientar que a combinação de todas essas soluções deu origem ao ICARUS (Improvement of Traffic Condition through an Alerting and Re-routing System) [ de Souza et al 2016a], um sistema de gerenciamento de tráfego para melhorar a eficiência da infraestrutura de transporte. O ICARUS é capaz de detectar a origem dos congestionamentos e controlá-los devidamente de acordo com a origem.…”

Section: Principais Contribuiçõesunclassified

“…Gargalos na infraestrutura de transporte, incidentes inesperados e o grande aumento no número de veículos devido ao crescimento populacional, geram diversos problemas de mobilidade nos grandes centros urbanos [de Souza et al 2017]. Diante desse cenário, congestionamentos tornam-se um problema recorrente, não só provocando uma imprevisão do tempo de viagem, mas também gerando outros problemas, incluindo degradação da qualidade de vida, impactos negativos na economia regional e danos ambientais [de Souza et al 2016a].…”

Section: Introductionunclassified

“…Dessa forma, a fim de minimizar os congestionamentos e seus danos, Sistemas de Transporte Inteligentes (ITS -Intelligent Transportation Systems) emergiram [de Souza et al 2017, Djahel et al 2015. Utilizando Redes Veiculares (VANETs -Vehicular Ad hoc Networks) como um de seus pilares, os ITSs permitem a integração e comunicação entre sensores, veículos e infraestruturas [de Souza et al 2016a].…”

Section: Introductionunclassified

“…Por outro lado, Google Maps, TomTom e WAZE são algumas soluções existentes para minimizar os congestionamentos baseados em recomendações de rotas alternativas [Djahel et al 2015]. Entretanto, essas soluções estão longe de atingirem os objetivos de um ITS e possuem limitações como: i) ausência de um mecanismo para planejamento de rota dinâmica, ii) não evitam o surgimento de congestionamentos causados por eventos inesperados e iii) as rotas sugeridas podem potencialmente transferir congestionamentos para outras áreas [de Souza et al 2016a].…”

Section: Introductionunclassified

See 2 more Smart Citations

Controle de Congestionamento de Veículos Utilizando Sistemas de Transporte Inteligentes

Souza¹,

Villas²

2017

Anais Do XXX Concurso De Teses E Dissertações (CTD 2017)

Self Cite

View full text Add to dashboard Cite

Mobilidade em grandes centros urbanos tornou-se um grande desafio devido aos congestionamentos de veículos recorrentes. Nesse contexto, Sistemas de Transporte Inteligentes emergiram para melhorar a eficiência do tráfego de veículos, porém, como detectar tais congestionamentos, principalmente na ocorrência de incidentes inesperados, e como controlá-los ainda são problemas em aberto. Este trabalho destina-se não apenas a evitar a iminência de congestionamentos mediante à incidentes inesperados, como também detectar, classificar e controlar congestionamentos constantes. Além disso, devido as características inerentes das redes veiculares, um novo protocolo para disseminação de alertas em redes veiculares foi proposto. As soluções propostas têm sido extensivamente comparadas com o estado da arte e os resultados mostram que elas são mais eficientes para reduzir os congestionamentos e melhorar a mobilidade em centros urbanos. Esta dissertação resultou em três artigos em periódicos e 8 trabalhos em conferências.

show abstract