Smart cities: otimização inteligente de parques de estacionamento

Abstract

O crescente aumento do número de pessoas que vivem em ambiente urbano tem acarretado alguns problemas na mobilidade urbana, isto porque o investimento em infraestruturas não tem acompanhado o aumento. A lotação das cidades é uma realidade à qual não se pode ficar indiferente, e diariamente os habitantes e pessoas que frequentam os ambientes urbanos deparam-se com situações que causam incómodo. Na atualidade, um dos principais problemas da mobilidade urbana é o congestionamento do trânsito. Isto deve-se muito ao facto dos cidadãos preferirem o uso de transportes motorizados próprios face aos coletivos, o que acaba por levantar algumas questões ambientais em grande parte das cidades europeias. Um dos principais fatores que contribui para o congestionamento do trânsito é o tempo despendido na procura de um lugar de estacionamento resultante da dificuldade em encontrar lugares disponíveis. Muitos destes problemas podem ser atenuados otimizando o dia-a-dia das cidades. É precisamente este o objetivo das Smart Cities, garantir mais eficiência e eficácia nas atividades citadinas. A otimização dos processos da cidade está, atualmente, dependente da evolução das tecnologias de informação e mais precisamente de áreas como a inteligência artificial, que possam dotar a cidade de ferramentas e mecanismos que lhes confira a versatilidade e inteligência necessária. A principal finalidade desta dissertação de mestrado inside na otimização do processo de busca de um lugar de estacionamento. Através da Inteligência Artificial e exploração de algoritmos de Machine Learning pretende-se fornecer ao cidadão informações que possibilitem a redução do tempo de procura de um lugar para estacionar. Para atingir a finalidade, foram recolhidos dados de diversas plataformas, tratando-os por forma a darem suporte aos modelos de Machine Learning desenvolvidos na fase de modelação. Depois de concluída esta fase, construiu-se uma API Rest que possibilita a utilização dos modelos inteligentes como um serviço. Por fim, foi desenvolvida uma aplicação móvel que representa o protótipo funcional do projeto.

The increase in the number of people living in an urban environment has caused some problems in urban mobility, because the investment in infrastructure has not kept pace with the increase. The crowding of cities is a reality to which no one can remain indifferent, and daily the inhabitants and people who frequent urban environments face situations that cause discomfort. Currently, one of the main problems of urban mobility is traffic congestion. This is largely due to the fact that citizens prefer the use of their own vehicles instead of using public services, which ends up raising some environmental issues in most European cities. One of the main factors that contributes to traffic congestion is the time spent looking for a parking lot resulting from the difficulty in finding available parking lot. Many of these problems can be mitigated by optimizing the daily lives in cities. This is precisely the objective of Smart Cities, to ensure more efficiency and effectiveness in city activities. The optimization of city processes is currently dependent on the evolution of information technologies and more precisely on areas such as artificial intelligence, which can provide cities tools and mechanisms that gives them the necessary versatility and intelligence. The main purpose of this master’s dissertation is the optimization of the parking lot searching process. Through Artificial Intelligence and exploration of Machine Learning algorithms, it is intended to provide citizens with information that will enable them to reduce the time spent finding a free parking lot. To achieve the purpose, data were collected from many platforms, treating them in order to support the Machine Learning models developed in the modeling phase. After this phase was completed, an API Rest was built, which allows the use of intelligent models as a service. Finally, a mobile application was developed that represents the project’s functional prototype.