OLIVEIRA, H. A. Sistema de reconhecimento de padrões para identificação de porte de veículos através de análise de perfil magnético. 69 f. 2011. Dissertação (Mestrado em Engenharia Elétrica) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2011. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2016-03-17T12:55:10Z
No. of bitstreams: 1
2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2016-03-17T15:47:12Z (GMT) No. of bitstreams: 1
2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5) / Made available in DSpace on 2016-03-17T15:47:12Z (GMT). No. of bitstreams: 1
2011_dis_haoliveira.pdf: 4210663 bytes, checksum: e0c70a7230381c8e38615ea48ab45615 (MD5)
Previous issue date: 2011-09-08 / Currently, transit agencies use traffic monitoring systems to reduce traffic accidents and as a fundamental tool for collecting statistical data for planning and management of road systems. These data are observed as the amount of information vehicles that travel at a certain point, the average speed and the identification of the category of vehicles. The identification of the category of vehicles that travels on a path allows you to control access lanes connecting to a specific class of vehicles. The objective of this work is to propose a solution for vehicle classification by analyzing signals collected from inductive sensors at the time the vehicle passes over the sensors. This set of signs for each vehicle is called the magnetic profile. This work used a classifier based on Artificial Neural Network (ANN) to identify the type of vehicle according to the pattern of magnetic profile collected. The implemented system used a Java framework that enabled the integration of ANN to the application that operates in the traffic monitoring equipment. It was developed a Java application that trains the ANN using data collected in the equipment and also allows evaluating further classification results obtained by the ANN. The vehicles were classified into the following categories: motorcycles, small vehicles, medium vehicles, buses and trucks. The developed system has been integrated into a traffic monitoring equipment manufactured by Fotosensores® and gave satisfactory results with an overall success rate above 97%. It represents an improvement in the equipment that carried out the classification. / Atualmente os órgãos de trânsito utilizam os sistemas de monitoramento de tráfego para redução de acidentes de trânsito e como ferramenta fundamental para a coleta de dados estatísticos para auxiliar no planejamento e gerenciamento dos sistemas viários. Nestes dados são observadas informações como a quantidade de veículos que trafegam em determinado ponto, a velocidade média e a identificação da categoria dos veículos. A identificação da categoria dos veículos que trafegam em uma via permite o controle de acesso a faixas de rolagem destinadas a uma classe de veículos específica. O objetivo desse trabalho é propor uma solução para classificação de veículos através da análise de sinais coletados de sensores indutivos no momento em que o veículo passa sobre os mesmos. O conjunto destes sinais para cada veículo é denominado perfil magnético. Foi utilizado um classificador baseado em Rede Neural Artificial (RNA) para identificar o tipo de veículo de acordo com o padrão do perfil magnético coletado. Na implementação do sistema foi utilizado um framework Java que possibilitou a integração da RNA ao aplicativo que opera no equipamento de monitoramento de tráfego. Também foi desenvolvido um aplicativo em Java que permite realizar o treinamento da rede utilizando dados coletados no equipamento e também permite avaliar posteriormente os resultados obtidos pela RNA. Os veículos foram classificados nas seguintes categorias: motos, veículos pequenos, veículos médios, ônibus e caminhões. O sistema desenvolvido foi integrado a um equipamento de fiscalização de tráfego fabricado pela empresa Fotosensores® e apresentou resultados satisfatórios, pois o índice de acerto geral do classificador foi de 97%, além de representar uma melhoria no equipamento que anteriormente realizava a classificação em somente quatro classes de veículos.
| Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/15545 |
| Date | 08 September 2011 |
| Creators | Oliveira, Herivelton Alves de |
| Contributors | Braga, Arthur Plínio de Souza, Almeida, Otacílio da Mota |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds