Resumo: A identificação da categoria de um veículo que trafega em uma via é um importante parâmetro para sistemas de gerenciamento de tráfego. A classificação veicular tem aplicações como planejamento do sistema viário, estimativa de emissões veiculares e fiscalização de tráfego. Várias técnicas são empregadas para realizar a tarefa de classificação de veículos, sendo que a maioria processa informações provenientes dos sensores indutivos. Neste trabalho, é avaliado um sistema para classificação de veículos tanto em seis categorias, como em oito categorias. O sistema utiliza rede neural perceptron multicamada (Multi-Layer Perceptron - MLP) e é comparado com outras técnicas lineares de classificação como as medidas de similaridade Distância Euclidiana e Distância de Mahalanobis. As variáveis de entrada utilizadas para a rede neural foram extraídas a partir dos perfis magnéticos adquiridos. Este estudo apresenta uma análise da seleção dos parâmetros de entrada para a classificação. O sistema avaliado foi capaz de alcançar índices de acerto na classificação de 97% em seis categorias e 90% em oito categorias. Os resultados dos testes mostram a viabilidade técnica de se utilizar o sistema em equipamentos fixo de fiscalização eletrônica, permitindo a diferenciação de categorias muito semelhantes entre si como, por exemplo, caminhonetes de camionetas.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/26884 |
| Date | 23 October 2012 |
| Creators | Cicarelli, Lucas Costa |
| Contributors | Ribeiro, Eduardo Parente, Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduaçao em Engenharia Elétrica |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds