A maior rede de estudos do Brasil

Grátis
10 pág.
arq0167

Pré-visualização | Página 2 de 4

do trecho, QVF e ITT. Cabe ressaltar que para cada linha foram informadas 53 
QVF, que se referem à contagem de veículos por faixa realizada a cada 15 minutos no intervalo 
compreendido entre as 6:15hs e 19:15hs. Assim, para cada linha também foram geradas 53 ITT 
(Viana Jr., 2004a). O SPRING permite a utilização de vários tipos de bases de dados diferentes. 
Atualmente, a aplicação desenvolvida utiliza uma base de dados relacional MS-Access. 
V ENIA 694
2.2. A aquisição automática de dados 
A instalação de sensores de monitoramento do fluxo de veículos nas vias urbanas de Belo 
Horizonte pela BHTrans, os CIT (Controle Inteligente de Tráfego), possibilita, dentre outras 
funções, que sejam emitidos relatórios sobre o número de veículos que passam por cada uma das 
vias monitoradas. Estes dados podem alimentar a ferramenta aqui desenvolvida, a qual gera a 
ITT e atualiza os valores da respectiva faixa de horário na base de dados do SIG. 
Os dados captados pelos sensores são transmitidos para a central de processamento da 
BHTrans, onde é gerado um arquivo de dados contendo a quantidade de veículos em cada uma 
das vias. A ferramenta aqui proposta faz a leitura dos dados deste arquivo e os utiliza como 
entrada para a geração da ITT. 
2.3. O Sistema de Inferência Fuzzy 
O sistema criado possui duas variáveis de entrada (Comprimento e QVF) e uma de saída (ITT). 
Para a definição dos universos de discurso de cada variável de entrada foi observado o intervalo 
real em que estão contidos todos os seus dados levantados. Para a variável de saída, foi definido 
um intervalo de 0 a 10, obedecendo ao seguinte critério: valores pequenos indicam um trecho de 
fácil transposição e valores grandes, trechos de difícil transposição. 
As partições dos universos das variáveis de entrada, Comprimento e QVF, foram feitas 
acompanhando a distribuição dos dados em seus respectivos universos de discurso, o que 
resultou em maiores quantidades de partições próximas aos menores valores. As partições da 
variável de saída, ITT, foram feitas uniformemente ao longo de seu universo de discurso. As 
partições destas variáveis, Comprimento, QVF e ITT, são apresentadas de forma agrupada na 
Figura 4, a seguir. 
a) 
Partição do universo da variável Comprimento
COMP1 COMP2 COMP3 COMP4 COMP5 COMP6 COMP7 COMP8
0
0,25
0,5
0,75
1
0 40 80 120 160 200 240 280 320 360 400 440
COMPRIMENTO (m)
P
E
R
TI
N
Ê
N
C
IA
 
b) 
Partição do universo da variável QVF
QVF1 QVF2 QVF3 QVF4 QVF5 QVF6 QVF7 QVF8
0
0,25
0,5
0,75
1
0 200 400 600 800 1000 1200 1400 1600 1800 2000 2200 2400
QVF
P
E
R
T
IN
Ê
N
C
IA
 
c) 
Partição do universo da variável ITT
0 1 2 3 4 5 6 7 8 9 10
0
0,25
0,5
0,75
1
0 1 2 3 4 5 6 7 8 9 10
ITT
P
E
R
T
IN
Ê
N
C
IA
 
Figura 4. Partição do universo das variáveis fuzzy. Fonte: (Viana Jr., 2004a) 
 
V ENIA 695
O sistema de inferência construído utiliza o método de inferência Máx-Min e o método 
do centróide para a conversão fuzzy-escalar (Almeida, 2003). O banco de regras fuzzy possui 
um total de 64 regras, que são todas as combinações possíveis dos 8 conjuntos fuzzy das duas 
variáveis de entrada. O Quadro 1 apresenta as regras definidas. 
Quadro 1 – Relação dos universos de entrada e de saída 
 QUANTIDADE CLASSIFICADA DE VEÍCULOS (QVF) 
 QVF 1 QVF 2 QVF 3 QVF 4 QVF 5 QVF 6 QVF 7 QVF 8 
Comp1 0 1 2 2 3 4 5 6 
Comp2 1 2 3 3 4 5 6 7 
Comp3 2 3 4 4 5 6 7 7 
Comp4 2 3 4 5 5 6 7 8 
Comp5 3 4 5 5 6 7 8 8 
Comp6 4 5 6 6 7 8 8 9 
Comp7 5 6 7 7 8 8 9 10 
C
O
M
P
R
IM
E
N
T
O
 
Comp8 6 7 7 8 8 9 10 10 
 
2.4. A atualização automática da base de dados do SIG 
A base de dados utilizada trata-se de um banco de dados relacional, mais especificamente o MS-
Access. Em um banco de dados desse tipo é utilizada a SQL - Structured Query Language 
para a sua manipulação. A SQL apresenta uma série de comandos que permitem a definição 
dos dados chamada de DDL e uma outra, a DML, destinada a manipulação dos dados. A 
ferramenta desenvolvida utiliza apenas os comandos de manipulação, pois é necessário realizar 
apenas a atualização dos dados referentes à ITT de cada via nos seus 53 horários diferentes. 
Para permitir a conexão à base de dados do SIG, é necessário definir uma fonte de dados 
ODBC (Open Database Connectivity) que permita que as aplicações desenvolvidas acessem 
diferentes fontes de dados. 
Entretanto, quando o SPRING está em execução, a edição da base de dados é 
bloqueada, a fim de garantir a integridade dos dados. Para que a ferramenta possa alterar os 
dados da base de dados é necessário fechar o SIG. Esse problema será solucionado em uma 
próxima etapa deste projeto que pretende utilizar o TerraLib, um projeto também desenvolvido 
pelo INPE que tem o objetivo de inovar a tecnologia de geoinformação através do 
desenvolvimento de uma biblioteca de código aberto para a criação de aplicativos geográficos 
voltados a necessidades específicas. Esses aplicativos são chamados small SIG. 
 
3. O desenvolvimento da ferramenta RTIGIS 
Este trabalho tem como objetivo desenvolver uma ferramenta que permita a aquisição dos dados 
fornecidos pela BHTrans, a geração da ITT e a atualização da base de dados do SIG em tempo 
real, denominada RTIGIS – Real Time Intelligent Geographical Information System. O 
desenvolvimento desta aplicação é um grande avanço para a escolha de trajetos utilizando a 
lógica fuzzy. O sistema de aquisição da BHTrans permite a geração dos dados de entrada com 
um intervalo fixo de tempo. Assim, ao se realizar uma consulta no SIG sobre um determinado 
trajeto, a escolha do mesmo será processada tendo como parâmetros dados bastante recentes, o 
que aumenta a eficiência da sua sugestão. Para se comprovar a eficiência da aplicação 
desenvolvida, foi realizada uma comparação entre as ITT geradas por Viana Jr. (2004) utilizando 
o Matlab e as geradas pela aplicação automática aqui proposta. 
A ferramenta desenvolvida utiliza, para a realização da inferência fuzzy, um framework 
V ENIA 696
chamado FuzzyF (Bittencourt, 2002). Este framework foi descoberto durante a realização de 
uma pesquisa sobre máquinas de inferência fuzzy desenvolvidas sob a General Public License 
(GPL). O FuzzyF foi desenvolvido em linguagem Java, o que levou à escolha desta linguagem 
para o desenvolvimento da ferramenta. Porém, durante a realização de testes com o FuzzyF 
utilizando um modelo simples, com apenas duas variáveis (uma entrada e uma saída), foram 
identificadas algumas diferenças entre os resultados obtidos pela sua inferência e os obtidos ao 
se realizar a mesma inferência no toolbox fuzzy do Matlab ©. Modelos mais complexos, 
utilizando mais variáveis, foram desenvolvidos e um estudo foi realizado a fim de identificar o 
motivo do erro. Constatou-se que se tratava de uma incoerência no cálculo do método do 
Centróide, utilizado para a conversão fuzzy-escalar (Almeida, 2003). O problema foi informado 
ao desenvolvedor e corrigido em parceria com o mesmo, conforme descrito em Silva (2004). 
Uma vez constatada a exatidão das saídas obtidas com a utilização do FuzzyF corrigido, 
foi desenvolvido o arquivo de domínio do modelo referente ao sistema de inferência fuzzy para 
geração da ITT, descrito na sub-seção 2.3. O conteúdo desse arquivo é a definição das variáveis 
e regras do conjunto fuzzy em questão, o qual é utilizado pelo framework . Em seguida, foi 
realizada a modelagem da ferramenta RTIGIS. Nessa etapa, foram definidos parâmetros como 
o formato e layout do arquivo contendo os dados de entrada gerado pela BHTrans e o tipo de 
base de dados utilizada pelo SIG. As faixas de tempo definidas em Viana Jr. (2004a) foram 
mantidas, levando à geração de 53 ITT para cada trecho de via. Para a manipulação dos dados, 
entendida aqui como a leitura do arquivo de entrada e a atualização da base de dados, foram 
utilizadas classes pertencentes a um outro framework , o DATAFW (FrameWork para 
Manipulação de Dados nos paradigmas Relacional, Textual e XML (Silva, 2003).