Este documento discute as aplicações de redes neurais artificiais em cidades inteligentes. Apresenta exemplos como previsão de demanda de passageiros, gerenciamento de vagas de estacionamento e reconhecimento de objetos usando redes neurais. Redes neurais podem melhorar a gestão de tráfego, reduzir desperdícios e aumentar a segurança nas cidades.
3. Introdução
● Redes Neurais Artificiais (RNAs)
○ Abstração da biologia trazida para a computação
○ Modelos computacionais
○ Inspirados pelo SNC (sistema nervoso central)
○ Capazes de efetuar
■ Aprendizado de máquina (machine learning)
■ Reconhecimento de padrões (pattern recognition)
○ Apresentadas como: rede de neurônios
■ Podem computar valores de entrada
4. Aplicações
● Redes neurais têm sido usadas para resolver uma grande variedade de tarefas
○ Difíceis de resolver utilizando programação baseada em regras comuns
○ Incluindo
■ Visão computacional
■ Reconhecimento de voz
● Reconhecimento de escrita manual
○ Definida por um conjunto de neurônios de entrada
○ Ativados pelos pixels de uma imagem de entrada
○ Os dados adquiridos pela ativação dos neurônios
■ Repassados, ponderados e transformados por uma função
■ O processo é repetido até que, finalmente, um neurônio de saída é ativado
● Determina que caractere foi lido
5. Aplicações
● Luzes de rua conectadas inteligentes
○ Podem incluir câmeras de vigilância e pontos de WiFi
○ Proporcionam aos moradores um ambiente mais seguro,
○ Diminuem as luzes durante períodos de inatividade ou baixo tráfego
○ Ajudando os municípios a reduzir os custos de energia de iluminação
● Outras aplicações:
○ Reconhecimento Automático de Alvos;
○ Reconhecimento de Caracteres;
○ Robótica;
○ Diagnóstico Médico;
○ Sensoriamento Remoto;
○ Processamento de Voz;
○ Biometria;
○ Análise de dados (Data Mining)
○ Reconhecimento de Objetos;
○ Reconhecimento de Fala;
○ Buscas na Web;
○ Tradução e
○ Carros autônomos
6. Redes Neurais vs Cidades Inteligentes
● Funcionam analisando dados coletados
○ Treinamento
● Fornece aos computadores a capacidade de identificação de padrões básicos de dados
brutos
○ Formas, sequências, frequências, cores, ordem e muito mais
○ Ao empilhar camadas sobre camadas de padrões em um modelo de rede neural, eles
são capazes de identificar com precisão padrões de maior complexidade
● Proporciona às cidades
○ Melhoria do gerenciamento do tráfego
○ Redução do desperdício de água e eletricidade
○ Melhoria da segurança pública no ambiente urbano
■ Identificando e prevendo as tendências do crime, e autorizando as autoridades
a alocar recursos para as áreas certas
8. Demanda de Passageiros no Transporte Público
● Aspecto fundamental do planejamento operacional
de um sistema de transporte coletivo
● Advento de Sistemas Inteligentes de Transporte
● Aquisição de quantidades massivas de dados
● Técnicas de análise tradicionais não se mostram
suficientes
● Alternativa: técnicas provenientes do Aprendizado
de Máquina e da Mineração de Dados
● Redes Neurais Artificiais (RNAs)
● Previsão de demanda de passageiros por dia em
uma linha específica do transporte público por
ônibus da cidade de Joinville - SC
9. ● Santander, Espanha
○ Vista como um modelo para o
desenvolvimento de cidades inteligentes
● Projeto
○ Usar sensores: coleta de dados
■ Reduzir o tempo desperdiçado por
motoristas que procuram vagas de
estacionamento disponíveis
■ Diminuição da poluição do ar resultante
● Redes neurais artificiais
○ Usadas para prever a disponibilidade de um
estacionamento
○ No futuro: gratuito
Vagas de Estacionamento
10. “We use a totally different approach. We apply a single neural network to the full image. This network divides the image into regions
and predicts bounding boxes and probabilities for each region. These bounding boxes are weighted by the predicted probabilities.”
Reconhecimento de Objetos
12. Referências
Artificial neural networks – the future of smart cities , acesso em 17 out 2018.
Smart Cities and Image Recognition, acesso em 17 out 2018.
Uma aplicação de redes neurais artificiais para previsão da demanda de passageiros no transporte
público da cidade de Joinville, acesso em 17 out 2018.
YOLO: Real-Time Object Detection, acesso em 17 out 2018.