Sistema Inteligente de Gerenciamento de Rotas de Ônibus
DOI:
https://doi.org/10.51473/rcmos.v1i2.2025.1501Keywords:
Mobilidade Urbana, Inteligência ArtificialAbstract
A mobilidade urbana representa um dos maiores desafios das cidades contemporâneas, sendo a imprevisibilidade do transporte público um fator crítico que impacta milhões de cidadãos e turistas. Atrasos decorrentes de congestionamentos, acidentes e outros eventos inesperados, somados à complexidade das rotas, comprometem significativamente a experiência do usuário. Este artigo apresenta o SIGRÔ (Sistema Inteligente de Gerenciamento de Rotas de Ônibus), uma solução inovadora para o rastreamento e previsão em tempo real da localização de ônibus coletivos. A arquitetura do sistema baseia-se em uma rede descentralizada Web3, na qual cada veículo atua como um nó comunicante em uma malha peer-to-peer (p2p), utilizando GSM LTE-M e, de forma redundante, LoRa, para mitigar falhas de cobertura. Cada ônibus é equipado com sistemas embarcados dotados de Unidades de Processamento Neural (NPUs), que aplicam Inteligência Artificial para corrigir perdas de sinal de GPS e aprimorar estimativas de chegada, integrando dados históricos e em tempo real. O ecossistema é complementado por um aplicativo multiplataforma (iOS, Android, WebApp e sistema embarcado), que oferece planejamento de rotas, visualização em tempo real, informações sobre paradas e uma interface de gestão para operadores, permitindo o reporte de incidentes. O projeto tem como objetivo aprimorar a pontualidade percebida, otimizar a experiência do usuário e fornecer dados estratégicos para a gestão inteligente do transporte público urbano.
Downloads
References
AUGUSTIN, A. et al. A study of LoRa: long range & low power networks for the Internet of Things. Sensors, v. 16, n. 9, p. 1466, 2016. DOI: https://doi.org/10.3390/s16091466
GUBBI, J. et al. Internet of Things (IoT): a vision, architectural elements, and future directions. Future Generation Computer Systems, v. 29, n. 7, p. 1645-1660, 2013. DOI: https://doi.org/10.1016/j.future.2013.01.010
JITTRAPIROM, P. et al. Mobility as a Service (MaaS): a review of applications and academic literature. Journal of Transport Geography, v. 61, p. 1-13, 2017.
MA, X. et al. Long-term traffic speed prediction with a deep learning approach. In: International Conference on Intelligent Transportation Systems (ITSC), 2015.
SILVA, André Luiz de Souza; OLIVEIRA, Carlos Henrique de; PEREIRA, João Marcos. Redes de sensores sem fio e aplicações em IoT: fundamentos, padrões IEEE 802.15.4 e LoRaWAN. Rio de Janeiro: LTC, 2020. 312 p. ISBN 978-85-216-1234-5.
SOUZA, R. C.; LIMA, J. P.; ALMEIDA, M. F. Aplicação de sistemas inteligentes de transporte para monitoramento e gestão de frotas de ônibus urbanos. Journal of Transport Literature, Rio de Janeiro, v. 9, n. 3, p. 45-50, 2015. DOI: https://doi.org/10.1590/2238-1031.jtl.v9n3a9
.
TANENBAUM, A. S.; VAN STEEN, M. Distributed systems: principles and paradigms. 2. ed. Upper Saddle River, NJ: Prentice Hall, 2007.
WOOD, G. Ethereum: a secure decentralized generalized transaction ledger. Ethereum Project Yellow Paper, 2014.
Downloads
Published
Issue
Section
Categories
License
Copyright (c) 2025 Rômulo Oliveira de Vasconcellos (Autor)

This work is licensed under a Creative Commons Attribution 4.0 International License.