| dc.contributor | Kraus Junior, Werner | |
| dc.contributor | Moreno, Ubirajara Franco | |
| dc.contributor | Universidade Federal de Santa Catarina | |
| dc.creator | Gurgel, Felipe Sanches | |
| dc.date | 2012-10-26T10:29:33Z | |
| dc.date | 2012-10-26T10:29:33Z | |
| dc.date | 2012 | |
| dc.date | 2012 | |
| dc.date.accessioned | 2017-04-03T21:19:36Z | |
| dc.date.available | 2017-04-03T21:19:36Z | |
| dc.identifier | 310139 | |
| dc.identifier | http://repositorio.ufsc.br/xmlui/handle/123456789/96279 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/713378 | |
| dc.description | Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Automação e Sistemas. | |
| dc.description | A fim de diminuir congestionamentos, poluição do ar, consumo de combustível, entre outros, tem-se buscado constantemente o desenvolvimento e modernização de sistemas de transporte público, pois sistemas mais eficientes, confortáveis e convenientes atraem um maior número de pessoas. A aplicação de linhas de ônibus em ambientes urbanos, tem sido um dos modos de transporte público mais utilizados. Para operação eficiente destas linhas, é importante conhecer a posição do veículo em tempo real, possibilitando o controle dos instantes de partida e a implantação de sistemas de informação sobre chegadas futuras, melhorando a percepção de qualidade do serviço prestado. A predição dos tempos de chegada do ônibus depende de uma série de fatores (por exemplo, atrasos em interseções sinalizadas, número de passageiros em pontos de parada, etc.). Estes fatores aumentam significativamente o nível das incertezas associadas ao processo e à medição. Este trabalho apresenta um algoritmo para predição dos tempos de chegada de ônibus urbano em pontos de parada, utilizando a abordagem de filtro de Kalman com análise de dados históricos. Fatores que aumentam o nível das incertezas associadas ao processo e à medição são considerados como propriedades estocásticas das perturbações do processo. A geração de dados de medição é realizada através de dois cenários distintos desenvolvidos e simulados no software de simulações microscópicas Aimsun 6.1. O teste de ajustamento de Kolmogorov-Smirnov é aplicado para análise das distribuições estatísticas destes dados. Os parâmetros necessários para configuração do filtro de Kalman são obtidos a partir de dados históricos através de dois métodos de análise estatística propostos: o método de análise longitudinal e o método de análise transversal. O filtro de Kalman é utilizado para estimação de dois estados do veículo, sua posição e sua velocidade. Por fim, é proposto um algoritmo que utiliza as estimações oriundas do filtro de Kalman para realizar a predição dos tempos de chegada do ônibus em pontos de parada. | |
| dc.description | In order to reduce traffic congestions, air pollution, fuel consumption, and others, it has been constantly sought the development and modernization of public transportation systems, because more efficient, comfortable, and convenient systems attract more people. The application of bus lines in urban environments has been one of the public transportation modes most used. However, for efficient operation of bus lines, its important to know the vehicle position in real-time, enabling the control of departure times and implantation of information systems about future arrivals. The prediction of bus arrival time depends on a number of factors (e.g., delays at signalized intersections, number of passengers at bus stops, etc.). These factors increase significantly the level of uncertainties associated to process and measurement. This work presents an algorithm for prediction of bus arrival times at bus stops using Kalman filter with historical data analysis approach. Factors that increase the level of uncertainties associated to process and measurement are considerate stochastic properties of process disturbance. The generating of measurement data is performed by two different scenarios developed and simulated on the microscopic simulation software Aimsun 6.1. The Kolmogorov-Smirnov goodness of fit test is applied for analysis of the statistical distributions of these data. The parameters required for configuration of the Kalman filter are obtained from historical data through two proposed methods of statistical analysis: the method of longitudinal analysis, and the method of transversal analysis. The Kalman filter is used for estimation of two vehicle states, its position and its velocity. Finally, an algorithm is proposed that uses the estimates given by the Kalman filter to perform the prediction of bus arrival times at bus stops. | |
| dc.format | 90 p.| il., grafs., tabs. | |
| dc.language | por | |
| dc.publisher | Florianópolis | |
| dc.subject | Engenharia de sistemas | |
| dc.subject | Automação | |
| dc.subject | Kalman, Filtragem de | |
| dc.subject | Sistemas inteligentes de controle | |
| dc.subject | Onibus - | |
| dc.subject | Linhas | |
| dc.subject | Transporte urbano | |
| dc.subject | Automação | |
| dc.title | Estimação de tempos de chegada de ônibus urbano utilizando filtros de Kalman | |
| dc.type | Tesis | |
