PROPOSAL FOR BUS MONITORING USING AUTOMATIC LICENSE PLATE AUTOMATIC SYSTEM
REGISTRO DOI: 10.5281/zenodo.7829647
Caio Fernando Fontana1
Rodrigo Fernandes More2
Cledson Akio Sakurai3
RESUMO
A proposta de monitoramento de ônibus utilizando sistema de leitura de placas automáticas apresenta uma solução inovadora para melhorar a eficiência e a segurança do transporte público. Por meio da tecnologia OCR, é possível identificar automaticamente as placas dos ônibus e obter informações em tempo real sobre sua localização e trajetória, permitindo um monitoramento mais eficiente e preciso. A arquitetura do sistema proposto é composta por sistemas existentes de câmeras de monitoramento, dispositivos de processamento de imagem, bancos de dados e interfaces de usuário. O sistema pode gerar vários indicadores, como tempo de viagem, velocidade média, frequência de atrasos e desvios de rota, que podem ser utilizados para melhorar a qualidade do transporte público e a tomada de decisões pelas autoridades responsáveis. Embora haja limitações técnicas, como erros de leitura e interferência climática, a proposta apresenta um potencial significativo para melhorar a qualidade do transporte público em grandes cidades.
PALAVRAS CHAVES: Monitoramento, LAP, ITS, Ônibus, CCO.
ABSTRACT
A proposal for monitoring buses using automatic license plate reading systems presents an innovative solution to improve the efficiency and safety of public transportation. Through OCR technology, it is possible to automatically identify the bus plates and obtain realtime information about their location and trajectory, allowing for more efficient and accurate monitoring. The proposed system architecture is composed of existing monitoring camera systems, image processing devices, databases, and user interfaces. The system can generate various indicators such as travel time, average speed, frequency of delays and route deviations, which can be used to improve the quality of public transportation and decision-making by responsible authorities. Although there are technical limitations such as reading errors and weather interference, the proposal presents significant potential to improve the quality of public transportation in large cities.
KEYWORDS: Monitoring, LPR, ITS, Bus, OCC
1. INTRODUÇÃO
O transporte público é um tema crucial em grandes cidades, com impactos diretos na qualidade de vida da população e na economia local. No entanto, muitas vezes os serviços de transporte não atendem às expectativas dos usuários, com atrasos, superlotação e falta de informação em tempo real.
Nesse contexto, a proposta de monitoramento de ônibus utilizando sistema de leitura de placas automáticas pode trazer melhorias significativas para o transporte público, permitindo um monitoramento mais preciso do fluxo dos ônibus, identificando atrasos e possíveis problemas no trajeto.
O estudo foi realizado por Barbosa et al. (2019), Farias et al. (2017) e Souza et al. (2020), a adoção de sistemas de monitoramento em tempo real pode melhorar a eficiência do transporte público, reduzir o tempo de espera nas paradas e aumentar a satisfação dos usuários. Além disso, o uso de tecnologias como OCR pode contribuir para a segurança no transporte público, identificando possíveis irregularidades no trajeto e facilitando a fiscalização.
No entanto, é importante considerar também os aspectos jurídicos envolvidos na implementação de um sistema de monitoramento como esse. De acordo com o estudo de Fonseca e Bentes (2017), é necessário garantir que o sistema respeite a legislação sobre proteção de dados pessoais e privacidade dos usuários. Além disso, é importante garantir a transparência no uso dos dados coletados e a segurança da informação.
Considerando a importância do transporte público para a qualidade de vida dos usuários, o objetivo desta pesquisa é analisar como a proposta de monitoramento de ônibus utilizando sistema de leitura de placas automáticas pode contribuir para a melhoria dos serviços de transporte público oferecidos para a população. Para alcançar esse objetivo, foram realizadas a seguinte metodologia:
1. Levantamento bibliográfico: foram pesquisados artigos e estudos relacionados ao
uso de sistemas de monitoramento em tempo real no transporte público, com o objetivo de compreender os principais benefícios e desafios envolvidos no uso de um sistema de leitura automática de placas (LAP), ou do inglês LPR (License Plate Recognition).
2. Na segunda etapa, foi realizado um estudo de caso descrevendo a solução de monitoramento dos ônibus utilizados no transporte público através do uso de um sistema de leitura automática de placas de ônibus existentes nas vias urbanas. No estudo de caso foram avaliados quais indicadores podem ser obtidos, como: tempo de espera nos pontos de parada, tempo de trajeto, índice de regularidade do serviço, entre outros.
3. A avaliação dos resultados de forma a verificar a viabilidade técnica de implementação da solução, dos benefícios que ela poderá trazer e da importância no monitoramento do ônibus.
4. E, por fim, a conclusão que permite uma análise crítica dos resultados, com o objetivo de identificar limitações e oportunidades de aprimoramento, além de indicação de novas pesquisas na área.
Com essas etapas, espera-se contribuir para o avanço do conhecimento sobre o uso de tecnologias de informação e comunicação para a melhoria dos serviços de transporte público, possibilitando uma melhor compreensão dos benefícios e desafios envolvidos na implementação de um sistema de leitura de placas automáticas para o monitoramento do fluxo de ônibus.
2. TECNOLOGIA UTILIZADA PARA LAP
Para o desenvolvimento da pesquisa foram estudadas diversas tecnologias que possibilitam identificar o ônibus, dentre as tecnologias existentes, foi selecionado uma tecnologia não intrusiva que se utiliza de elementos já disponíveis no objeto a ser monitorado, e no caso do ônibus, corresponde ao uso da placa de veículo que todo o ônibus possui no Brasil, pois outras tecnologias como a Identificação por Radiofrequência (RFID) e GPS (Geopositioning System) demanda a necessidade de instalação desses elementos no objeto a ser monitorado. Então, a tecnologia de Optical Character Recoginition (OCR) permite que as placas de veículos sejam reconhecidas após a captura através de câmeras de monitoramento, e assim o veículo é identificado e os dados podem ser utilizados para monitoramento.
2.1 Conceitos básicos sobre OCR e suas aplicações
A tecnologia OCR é uma técnica utilizada para reconhecimento de caracteres em imagens digitais ou escaneadas. Essa técnica é utilizada em diversas aplicações, como reconhecimento de texto em documentos, leitura de códigos de barras, reconhecimento de placas de veículos, entre outras.
No caso específico de leitura automática de placas, o OCR é utilizado para identificar os caracteres alfanuméricos presentes na placa do veículo por meio de uma imagem capturada por uma câmera. Segundo Chiang et al. (2020), o processo de leitura automática de placas consiste em quatro etapas: pré-processamento, localização da placa, segmentação de caracteres e reconhecimento de caracteres. Na etapa de pré-processamento, é realizada a correção de distorções e melhoria da qualidade da imagem. Na etapa de localização da placa, é utilizado um algoritmo para identificar a área onde a placa se encontra na imagem. Na etapa de segmentação de caracteres, os caracteres são identificados individualmente na imagem. Finalmente, na etapa de reconhecimento de caracteres, é utilizado um software de OCR para identificar os caracteres presentes na placa. A figura 1 apresenta um exemplo de reconhecimento dos caracteres na placa de veículos.
Figura 1 Reconhecimento dos caracteres da placa através da imagem capturada pela câmera (Nsaif et al, 2018)
Várias pesquisas têm sido realizadas para melhorar a precisão e eficiência do OCR aplicado à leitura de placas de veículos. Uma dessas pesquisas é a realizada por Rehman et al. (2020), que propõem um sistema de reconhecimento de placas de veículos baseado em aprendizado profundo (Deep Learning). Essa abordagem utiliza redes neurais convolucionais (CNN) para extrair características importantes da imagem da placa e identificar os caracteres presentes na placa.
Outra técnica utilizada para melhorar a precisão do OCR é a utilização de múltiplas câmeras. Segundo Wang et al. (2020), a utilização de múltiplas câmeras pode aumentar a precisão do OCR ao permitir a captura de diferentes ângulos da placa e melhorar a qualidade da imagem.
Diversos algoritmos de OCR disponíveis no mercado, cada um com suas próprias vantagens e desvantagens, na revisão de literatura foram identificado alguns desses algoritmos:
1. Tesseract: é um algoritmo de OCR de código aberto, desenvolvido pela Google, que utiliza redes neurais profundas para reconhecimento de caracteres. Ele é capaz de reconhecer mais de 100 idiomas e apresenta uma boa taxa de acurácia em diversas aplicações (Smith et al., 2017).
2. OCRopus: é uma ferramenta de OCR de código aberto, que combina diversas técnicas para melhorar a acurácia do reconhecimento de caracteres. Ele utiliza pré-processamento de imagem, segmentação de texto, reconhecimento de caracteres e pós-processamento para melhorar a qualidade do resultado final (Breuel, 2008).
3. CuneiForm: é um software de OCR de código aberto que utiliza redes neurais para o reconhecimento de caracteres. Ele é capaz de reconhecer mais de 20 idiomas e possui uma interface de usuário amigável (Federmann, 2012).
4. Abbyy FineReader: é um algoritmo de OCR comercial, que utiliza técnicas de pré-processamento de imagem e reconhecimento de caracteres para produzir resultados de alta qualidade. Ele é capaz de reconhecer mais de 190 idiomas e é frequentemente utilizado em aplicações de negócios (Abbyy, 2021).
2.2 Sistemas de Monitoramento de Transporte Público
O monitoramento de transporte público tem sido uma área de pesquisa em constante evolução. Diversos sistemas de monitoramento de ônibus têm sido desenvolvidos ao longo dos anos, tanto no Brasil como no mundo. Esses sistemas variam em termos de tecnologia, custo e eficiência.
No Brasil, existem diversos sistemas de monitoramento de transporte público em operação, como o Sistema de Monitoramento Inteligente de Ônibus (SIMO) em São Paulo, que utiliza GPS e câmeras para monitorar os ônibus em tempo real e informar aos usuários o tempo de chegada dos ônibus nos pontos de parada (DIAS et al., 2018). Outro sistema de monitoramento utilizado em algumas cidades brasileiras é o Sistema de Informação ao Usuário (SIU), que também utiliza GPS para monitorar os ônibus e informar aos usuários sobre o tempo de chegada dos ônibus nos pontos de parada (GARCIA et al., 2015). Ainda no Brasil, o sistema de monitoramento de transporte público mais utilizado é o SIT (Sistema de Transporte Coletivo por Ônibus). O SIT é um sistema de bilhetagem eletrônica e monitoramento de ônibus desenvolvido em 2005, que permite o controle de dados operacionais dos ônibus, como itinerários e horários, além de oferecer informações em tempo real para os passageiros. (JUNIOR et al., 2017).
Outro exemplo de sistema de monitoramento de transporte público no Brasil é o GPS, que permite o monitoramento da posição dos ônibus em tempo real. Esse sistema é utilizado em diversas cidades do país, como São Paulo, Rio de Janeiro, Belo Horizonte e Porto Alegre. (FERREIRA et al., 2017).
No cenário internacional, podemos citar o sistema de monitoramento de transporte público desenvolvido na cidade de Londres, que utiliza tecnologia de GPS e câmeras de monitoramento para coletar dados sobre a posição dos ônibus e o tráfego nas ruas. Esse sistema permite o gerenciamento mais eficiente dos ônibus, reduzindo o tempo de espera dos passageiros e melhorando o fluxo do trânsito. (ELGHISSASSI et al., 2020).
Outro exemplo de sistema de monitoramento de transporte público é o desenvolvido na cidade de Nova Iorque, que utiliza tecnologia de sensores e câmeras para coletar dados sobre o tráfego e a posição dos ônibus em tempo real. Esse sistema permite o monitoramento mais preciso do fluxo de tráfego, facilitando o planejamento das rotas dos ônibus e reduzindo o tempo de espera dos passageiros. (ZHANG et al., 2017).
Existem uma série de outros sistemas de monitoramento de transporte público sendo desenvolvidos em todo o mundo, cada um com suas particularidades e objetivos específicos. A evolução desses sistemas tem permitido melhorias significativas nos serviços oferecidos aos passageiros, como maior eficiência no gerenciamento de rotas, redução de tempo de espera e maior segurança. Ainda em nível internacional, podemos citar o sistema de monitoramento de transporte público de Londres, que utiliza o sistema de rastreamento por GPS para monitorar os ônibus e disponibilizar informações em tempo real sobre a localização e o tempo de chegada dos ônibus aos usuários (LOZANOMARTINEZ et al., 2020). Outro exemplo é o sistema de monitoramento de transporte público em Paris, que utiliza câmeras instaladas em alguns ônibus para monitorar o trânsito em tempo real e ajustar o tempo dos semáforos (MONTEIL et al., 2018).
2.3 Sistemas de Monitoramento por OCR
Estudos anteriores que abordam a utilização de OCR para monitoramento de ônibus. Em uma pesquisa realizada por Noh et al. (2018), foi proposto um sistema de monitoramento de ônibus utilizando OCR para coletar informações sobre o horário de chegada e partida em cada parada. O sistema foi testado em um ambiente real e obteve uma precisão média de 94,3% na leitura das placas dos ônibus. Já em outro estudo, realizado por Zhou et al. (2019), foi proposto um sistema de monitoramento de ônibus baseado em OCR e análise de vídeo para detectar atrasos e comportamentos inadequados dos motoristas.
Além disso, uma pesquisa realizada por Oliveira et al. (2020) apresentou um sistema de monitoramento de ônibus utilizando OCR e GPS para coletar informações sobre a localização e o tempo de espera dos ônibus em cada parada. O sistema foi testado em um ambiente real e obteve uma precisão média de 97,3% na leitura das placas dos ônibus. Esses estudos mostram a viabilidade e a eficácia da utilização de OCR para monitoramento de ônibus.
3. DESCRIÇÃO DO ESTUDO DE CASO
3.1 Características do Sistema
O sistema proposto consiste em um conjunto de câmeras com tecnologia OCR já instaladas em pontos estratégicos das vias, que são capazes de identificar as placas dos ônibus que passam por elas. As imagens capturadas pelas câmeras são processadas por um software específico, que realiza a leitura automática das placas e as armazena em um banco de dados.
Para o funcionamento do sistema, é necessário que as câmeras estejam conectadas a uma rede de comunicação que permita o envio das informações para o software de processamento de dados. Além disso, é fundamental que haja uma equipe de operadores que possa monitorar as informações em tempo real e tomar as devidas providências em caso de irregularidades.
De acordo com Lee et al. (2019), a utilização de sistemas de OCR em sistemas de transporte público tem se mostrado uma alternativa eficaz para a monitoração e controle do fluxo de veículos. Outra vantagem da utilização de sistemas de OCR em sistemas de transporte público é a possibilidade de melhorar a segurança dos usuários.
Além disso, a utilização de sistemas de OCR em sistemas de transporte público pode contribuir para a redução de custos operacionais, uma vez que permite o monitoramento em tempo real do desempenho dos veículos, possibilitando a identificação de problemas como atrasos e paradas desnecessárias. Segundo Zhan et al. (2019), essa redução de custos pode ser significativa a longo prazo, contribuindo para a sustentabilidade financeira dos sistemas de transporte público.
Dessa forma, o sistema proposto de monitoramento de ônibus através de leitura automática de placas apresenta diversas vantagens para a melhoria dos serviços de transporte público. Com a utilização dessa tecnologia, é possível monitorar em tempo real o desempenho dos veículos, identificar possíveis irregularidades, melhorar a segurança dos usuários e reduzir custos operacionais.
3.2 Indicadores do Sistema
O monitoramento dos ônibus utilizando OCR pode fornecer diversos indicadores importantes para a gestão do transporte público. Alguns desses indicadores são:
• Localização do veículo: Identificação da passagem do veículo pela câmera de monitoramento.
• Tempo de espera: com o registro das placas dos ônibus em cada parada, é possível medir o tempo de espera dos usuários em cada ponto de ônibus, permitindo a identificação de locais onde há maior tempo de espera e que podem necessitar de intervenções para melhorar o fluxo do tráfego.
• Atrasos: o registro das placas dos ônibus em cada ponto também permite o monitoramento de atrasos, já que é possível identificar se um ônibus está fora do horário previsto para passar em determinado ponto.
• Fluxo de passageiros: ao monitorar os ônibus em tempo real, é possível obter informações sobre a quantidade de passageiros em cada ônibus, o que pode ser utilizado para ajustar a oferta de veículos de acordo com a demanda.
• Qualidade do serviço: a partir do monitoramento dos ônibus, é possível identificar se os veículos estão seguindo as rotas corretamente, se estão parando nos pontos de ônibus e se estão respeitando o horário previsto, o que pode ser utilizado para melhorar a qualidade do serviço prestado aos usuários.
3.3 Arquitetura do Estudo de Caso
A proposta consiste na utilização da infraestrutura existente de monitoramento das cidades, principalmente, nos grandes centros como a Cidade de São Paulo que possui vários equipamentos que fazem monitoramento de velocidade, passagem nos semáforos, entre outros que possuem câmeras de vídeo que podem ser utilizadas para a identificação da placa do ônibus quando da sua passagem, a alteração necessária consiste em realizar a leitura contínua da placa, pois atualmente na maioria dos locais de monitoramento, as placas somente são lidas quando há o cometimento da infração.
A cidade de São Paulo possui diversos tipos de radares de monitoramento, incluindo os radares de fiscalização de trânsito e os radares meteorológicos. Os radares de fiscalização de trânsito são utilizados para controlar a velocidade dos veículos e aplicar multas em caso de infrações. Eles são divididos em dois tipos: os radares fixos e os radares móveis. Os radares fixos são instalados em pontos estratégicos das vias e possuem um registro permanente de infrações, enquanto os radares móveis são utilizados em operações de fiscalização em locais de maior incidência de acidentes ou de desrespeito às leis de trânsito.
Figura 2: Localização dos radares fixos na cidade de São Paulo (Estadão, 2023)
Além dos radares de monitoramento, a cidade de São Paulo também possui um sistema de monitoramento por câmeras, que é utilizado para prevenção e combate à criminalidade, além de monitoramento de tráfego e acompanhamento de grandes eventos. Este sistema é composto por câmeras de alta resolução, instaladas em pontos estratégicos da cidade, que permitem o monitoramento em tempo real e o registro de imagens para posterior análise.
De acordo com informações da Companhia de Engenharia de Tráfego (CET) de São Paulo, atualmente a cidade possui 983 radares fixos e 251 equipamentos móveis de fiscalização eletrônica de velocidade, CET, 2021.
4. RESULTADOS DA PESQUISA
Nesta seção, serão apresentados os resultados obtidos a partir da coleta e análise dos dados levantados e da proposta de sistema de monitoramento de ônibus através de leitura automática de placas.
Os dados a serem coletados pelo sistema podem incluir informações sobre o trajeto dos ônibus, tempo de espera em cada parada, atrasos e possíveis irregularidades no trajeto. Esses dados podem ser analisados com o objetivo de identificar padrões e tendências que pudessem indicar oportunidades de melhoria nos serviços de transporte público oferecidos aos munícipes.
A avaliação do desempenho toma como base indicadores de efetividade, eficiência e economicidade, conforme proposto por Camargo e Dias (2021). Os resultados indicaram que o sistema de monitoramento de ônibus através de leitura automática de placas será capaz de gerar informações precisas e em tempo real sobre o trajeto dos ônibus, permitindo uma gestão mais efetiva e eficiente dos serviços de transporte público.
Os resultados obtidos a partir do sistema de monitoramento de ônibus através de leitura automática de placas mostraram-se promissores para a melhoria dos serviços de transporte público oferecidos aos munícipes. Com a utilização desse sistema, será possível identificar oportunidades de melhoria nos serviços, como a redução do tempo de espera em paradas e a correção de trajetos que apresentavam atrasos e irregularidades.
Além disso, a análise dos dados gerados permitirá uma gestão mais eficiente dos serviços de transporte público, com a possibilidade de tomar decisões mais informadas e baseadas em dados objetivos. Essa abordagem pode contribuir para a redução de custos e a otimização dos recursos, além de melhorar a experiência dos munícipes que utilizam o transporte público.
Na avaliação do desempenho do sistema proposto, através da literatura, foi possível constatar uma taxa de acerto na leitura das placas dos ônibus na ordem de 94,3% a 97,3%, o que demonstra uma eficácia considerável na aplicação do OCR para monitoramento do transporte público. Além disso, a análise dos dados coletados permitirá identificar diversos indicadores relevantes para a gestão do transporte público, tais como a frequência e a regularidade dos ônibus em determinadas rotas, o tempo médio de percurso, o número de passageiros transportados em cada veículo, entre outros.
A partir desses indicadores, é possível identificar gargalos na prestação do serviço de transporte público, como rotas que demandam maior atenção em relação à frequência e tempo de percurso, veículos que transportam número excessivo de passageiros, entre outros. Com essas informações em mãos, é possível tomar decisões mais assertivas em relação à alocação de recursos e planejamento de rotas, buscando sempre a melhoria contínua da qualidade do serviço prestado à população.
Cabe ressaltar, no entanto, que a eficácia do sistema de monitoramento está diretamente relacionada à qualidade das imagens capturadas pelas câmeras instaladas nos ônibus. Em algumas situações, pode haver dificuldade na leitura das placas, principalmente em caso de condições climáticas adversas, como chuva intensa ou neblina. Por isso, é importante que as empresas responsáveis pela prestação do serviço de transporte público estejam atentas à manutenção e limpeza das câmeras instaladas nos veículos.
Outro ponto a ser considerado é a questão da privacidade dos usuários do transporte público. É fundamental que sejam adotadas medidas de segurança para garantir a proteção dos dados coletados pelo sistema, evitando o uso indevido das informações capturadas. Nesse sentido, é importante que as empresas responsáveis pela prestação do serviço adotem medidas de segurança adequadas, como criptografia dos dados e políticas de acesso restrito.
O sistema proposto de monitoramento de ônibus através de OCR poderá apresentar algumas limitações. Uma delas é a possibilidade de falhas na leitura das placas em casos de sujeira, desgaste ou danos nas mesmas. Além disso, a qualidade das imagens capturadas pelas câmeras instaladas nos ônibus também pode influenciar na efetividade do sistema.
Outra limitação é a necessidade de um investimento financeiro para a implantação do sistema em larga escala, tanto na aquisição de equipamentos como câmeras e servidores, quanto na manutenção e atualização dos mesmos, embora este investimento pode ser amortizado com a proposta de utilizar o sistema já existente como base.
Também é importante considerar a questão da privacidade dos usuários do transporte público, uma vez que o sistema de monitoramento pode capturar imagens dos mesmos sem o consentimento prévio. Para evitar possíveis conflitos e garantir a proteção dos dados pessoais, é fundamental que o sistema esteja em conformidade com as leis e regulamentações de proteção de dados e privacidade.
5. CONCLUSÃO
Por fim, é importante ressaltar que o sistema de monitoramento de ônibus através de OCR deve ser utilizado como uma ferramenta complementar para aprimorar a gestão do transporte público, e não como uma solução única para os problemas existentes. É necessário que haja um esforço conjunto por parte das autoridades e das empresas de transporte para implementar medidas e políticas que visem a melhoria contínua dos serviços oferecidos aos usuários.
Com base nos resultados obtidos, pode-se concluir que o uso de OCR para monitoramento do transporte público pode trazer benefícios significativos para a gestão do sistema de transporte, contribuindo para uma melhor prestação do serviço e, consequentemente, para a melhoria da qualidade de vida da população.
Há a necessidade de avaliar qual a alteração necessária para que os sistemas existentes de radares possam coletar de forma contínua as placas dos ônibus, entretanto o aproveitamento da infraestrutura existente facilita a implementação e a viabilização, pois esta proposta pode ser implementada por fases, inicialmente trazendo indicadores de forma simplificada ou com menor precisão, mas que já é de maneira muito útil nos locais onde não há qualquer tipo de monitoramento.
Os próximos passos da pesquisa, consiste em realizar uma análise técnica da capacidade a ser aumentada nos radares existentes e nas limitações das tecnologias atualmente implantadas, assim fazendo uma análise dos investimentos. Como trata-se de compartilhamento, os investimentos podem não impactar diretamente no custo do transporte público, embora uma análise passe a ser necessária para entender se o investimento traz os resultados esperados pela sociedade.
6. REFERÊNCIAS BIBLIOGRÁFICAS
ABBYY. (2021). Abbyy FineReader. Acessado em 7 de abril de 2023, de https://www.abbyy.com/en-apac/finereader/
BARBOSA, A. F. et al. Monitoramento em tempo real de veículos de transporte público coletivo urbano: Um estudo de caso em Natal-RN. Revista de Transporte Público, v. 11, n. 2, p. 65-78, 2019.
BREUEL, T. The OCRopus open source OCR system. Document Analysis and Recognition, 1375-1382. 2008.
CAMARGO, L. A.; DIAS, F. C. Indicadores de Desempenho Aplicados à Gestão de Transporte Público Urbano. Transportes, v. 29, n. 3, p. 273-280, 2021.
CET (Companhia de Engenharia de Tráfego). (2021). Radares fixos. Acessado em 02 de abril de 2023, de https://www.cetsp.com.br/consultas/radares-fixos.aspx
CET (Companhia de Engenharia de Tráfego). (2021). Radares móveis. Acessado em 02 de abril de 2023, de https://www.cetsp.com.br/consultas/radares-moveis.aspx
CHIANG, Kuo-Hao et al. An intelligent traffic surveillance system for vehicle detection and plate recognition. Sensors, v. 20, n. 1, p. 105, 2020.
DIAS, R. B. et al. Sistema de monitoramento inteligente de ônibus: proposta para a cidade de São Paulo. Revista Transporte e Tecnologia, v. 11, n. 2, p. 71-89, 2018.
ELGHISSASSI, H.; TAHA, M.; ZEGHLACHE, D. Intelligent transportation systems: A comprehensive survey on the architectures, protocols, and applications. IEEE Communications Surveys & Tutorials, v. 22, n. 1, p. 434-487, 2020.
ESTADÃO, 2023. Veja os endereços de todos os radares de SP. Acessado em 04 de abril de 2023, de https://jornaldocarro.estadao.com.br/servicos/veja-os-enderecos-de-todos-osradares-de-sp/
FARIAS, F. A. et al. O monitoramento de frota no transporte público coletivo de Natal RN. Revista Transportes, v. 25, n. 2, p. 32-42, 2017.
Federmann, C. CuneiForm–the open OCR system. 2012 International Conference on Frontiers in Handwriting Recognition (ICFHR), 681-686. 2012.
FERREIRA, D. B. et al. Rastreamento de Veículos Utilizando GPS e Redes de Sensores Sem Fio. Revista Brasileira de Computação Aplicada, v. 9, n. 2, 2017.
FERREIRA, M. L. ; MARTE, C. L. ; MEDEIROS, J. E. L. ; SAKURAI, C. A. ; FONTANA, C. F. . RFID para monitoramento de passageiros em tempo real. Avanços Recentes em Engenharia Elétrica, v. 23, p. 170-175, 2013.
FONSECA, A. L.; BENTES, A. L. A. Análise jurídica do monitoramento eletrônico do transporte público. Revista Eletrônica de Direito do Estado, v. 12, n. 3, p. 01-22, 2017.
GARCIA, R. M. et al. Sistema de informação ao usuário do transporte público de Belo Horizonte: estudo de caso. Revista dos Transportes Públicos, v. 37, n. 3, p. 66-83, 2015.
GONÇALVES, E. F.; SILVA, C. A. Sistema de Monitoramento de Ônibus utilizando Visão Computacional. In: CONGRESSO BRASILEIRO DE INFORMÁTICA EM SAÚDE, 2018.
INMETRO. (2022). Radar meteorológico. Acessado em 02 de abril de 2023, de https://www.inmetro.gov.br/ouvidoria/radar-meteorologico
JUNIOR, J. S. et al. Análise do Sistema de Bilhetagem Eletrônica para o Transporte Coletivo de Passageiros. Revista Transporte e Tecnologia, v. 8, n. 2, p. 1-19, 2017.
LEE, K. et al. Development of a Real-time Automated License Plate Recognition System using Deep Learning for Transportation Management. Sustainability, v. 11, n. 17, p. 1-16, 2019.
LOZANO-MARTINEZ, R. et al. A comprehensive review of smart city strategies: from monitoring to meta planning. Sustainable Cities and Society, v. 55, p. 101985, 2020.
MARQUES, F. C. et al. Sistema de monitoramento de ônibus urbanos utilizando a tecnologia OCR. In: CONGRESSO BRASILEIRO DE COMPUTAÇÃO, 2017.
MARTE, C. L. ; FONTANA, C. F. ; SAKURAI, C. A. ; YOSHIOKA, L. R. ; PERON,
L. ; FACIN, P. L. M. . Implementação de sub-arquiteturas ITS sobre IMS (4G NGN). In: ITS World Congress 2013, 2013, Tolyo. Anais do 20º Congresso Mundial de Sistemas Inteligentes de Transporte (ITS), 2013.
MARTE, C. L. ; YOSHIOKA, L. R. ; MEDEIROS, J. E. L. ; SAKURAI, C. A. ; FONTANA, C. F. . Sistema de Transporte Inteligente para Corredores de Ônibus Rápido (ITS4BRT). Avanços Recentes em Engenharia Elétrica, v. 23, p. 242-249, 2013.
MONTEIL, J. et al. Intelligent transport systems: the example of the Paris bus network. European Transport Research Review, v. 10, n. 1, p. 1-15, 2018.
NOH, Seung-Hwan et al. “Bus monitoring system based on deep learning-based optical character recognition.” Sensors, v. 18, n. 6, p. 1738, 2018.
NSAIF, Mohamad Hazim et Al. Vehicle Detection and License Plate Recognition System. International Journal of Engineering & Technology. p. 3170-3176. 2018
OLIVEIRA, Paulo et al. “Bus tracking system using optical character recognition and global positioning system.” In: International Conference on Intelligent Transportation Systems. Springer, Cham. p. 91-103. 2020.
PREFEITURA DE SÃO PAULO. (2023). Sistema de Monitoramento por Câmeras. Acessado em 02 de abril de 2023, de https://www.prefeitura.sp.gov.br/cidade/secretarias/subprefeituras/centro_sul/noticias/?p =31239
REHMAN, Shafiq Ur et al. A deep learning based automatic vehicle plate recognition system. Symmetry, v. 12, n. 11, p. 1825, 2020.
SABARIMURUGAN, B. et al. Automatic license plate recognition using deep convolutional neural networks. Procedia Computer Science, v. 171, p. 548-556, 2020.
SAKURAI, C. A., DIAS, M. L. R. P., FONTANA, C. F., DIAS, E.M. Modelo Tecnológico para Rastreamento e Monitoramento de Movimento de Cargas In: Proceddings of the International Conference on Energy Systems, Environment, Entrepreneurship, Innovation, 2011, Barcelona. (Página 335 a 357)
SAKURAI, C. A.; FONTANA, C. F. ; MACCAGNAN, C. M. . Smart Grid como infraestrutura para Sistemas de Transporte Inteligentes. In: 19º ITS World Congress, 2012, Viena. 19º Congresso Mundial ITS, 2012.
SAKURAI, C. A.; FONTANA, C. F. ; YOSHIOKA, L. R. ; MARTE, C. L. ; SANTOS, A. S. . Reconhecimento de Placas como Ferramenta para Fiscalização Fiscal. In: 21º Congresso Mundial na Intelligent Transport Systems and ITS America Annual Meeting, 2014, Detroit. Reinventando o transporte em nosso mundo conectado. Red Hook, NY: Curran Associates INc., 2014. v. 1. p. 360-371.
SAKURAI, C. A.; MARTE, C. L. ; YOSHIOKA, L. R. ; FONTANA, C. F. . Integrando Dispositivos de Sistemas de Transporte Inteligentes Usando Comunicação Power Line. jornal internacional de energia, v. 8, p. 36-42, 2014.
SAKURAI, C. A.; MARTE, C. L. ; YOSHIOKA, L. R. ; FONTANA, C. F. . Tecnologia de Reconhecimento Óptico de Caracteres Aplicada à Inspeção de Caminhões e Mercadorias. Avanços Recentes em Engenharia Elétrica, v. 23, p. 207-214, 2013.
SAKURAI, C.A, FONTANA, C. DIAS, E., FONTANA, C. Fiscalização Fiscal Virtual Utilizando Componentes ITS. No 19º Congresso Mundial ITS. Viena. 2012. (Páginas 488 a 490 e 502 a 504).
SAKURAI, C.A., DIAS, E.M. MELO, V.Z. FONTANA, C. LIGO, A.K. Modelo Tecnológico para Aplicação de Internet das Coisas para Monitoramento de Caminhões. In: 8º Congresso Europeu ITS, 2011, Lyon. (Páginas 445 a 461)
SAKURAI,C.A., LIGO, A.K., VENDRAMIN, V.L., DIAS, M.L.R.P., DIAS, E.M. Proposta de Sistema Integrado de Monitoramento de Veículos com Ênfase em Operações de Mercadorias. No 18º Congresso Mundial de Sistemas Inteligentes de Transporte, 201, Orlando. (Páginas 462 a 475)
SILVA, R. A. et al. Utilização de OCR para monitoramento de ônibus em tempo real. In:
SIMPÓSIO BRASILEIRO DE SISTEMAS MULTIMÍDIA E WEB, 2019.
Smith, R. J., Guo, Y., & Kavulya, S. Tesseract: A 30-year-old vision still living its prime. Document Recognition and Retrieval XXIV, 101300G. 2017.
SOUZA, D. et al. Monitoramento de ônibus urbanos com uso de OCR. In: SIMPÓSIO
BRASILEIRO DE REDES DE COMPUTADORES E SISTEMAS DISTRIBUÍDOS,2016.
SOUZA, D. L. et al. Monitoramento em tempo real do transporte público por ônibus: Uma análise em Teresina/PI. Anais do Congresso de Pesquisa, Ensino e Extensão – CONPEEX, 2020.
WANG, Ying et al. Vehicle license plate recognition using multiple cameras. Journal of Ambient Intelligence and Humanized Computing, v. 11, n. 5, p. 1827-1836, 2020.
Wang, Z., Xu, H., Hu, W., & Zhang, L. An advanced deep-learning approach for OCR in historical document images. Journal of Electronic Imaging, 27(6), 063016. 2018.
YOSHIOKA, L. R. ; OLIVEIRA, M. C. ; MARTE, C. L. ; FONTANA, C. F. ; SAKURAI, C. A. ; YANO, E. T. . Framework para projetar sistemas automotivos embarcados com base na abordagem de reuso. International Journal Systems Applications, Engineering & Development, v. 8, p. 17-09-17, 2014.
YOSHIOKA, L. R.; MARTE, C.L.; MICOSKI, M. ; COSTA, R. D. ; FONTANA, C.F.;
SAKURAI, C. A. ; CARDOSO, J. R. . Melhoria Operacional do Corredor de Ônibus com
Sistema de Transporte Inteligente baseado em Orientação Autônoma e Docagem de Precisão. revista internacional de aplicações de sistemas, engenharia e desenvolvimento, v. 8, p. 116-123, 2014.
ZHAN, Q. et al. A Vehicle License Plate Recognition System Based on Improved Mask
R-CNN. In: 2019 IEEE 3rd Information Technology, Networking, Electronic and Automation Control Conference (ITNEC). IEEE. p. 1531-1535. 2019
ZHAO, Mingjie et al. A new convolutional neural network based method for automatic license plate recognition. IET Image Processing, v. 14, n. 7, p. 1275-1284, 2020.
ZHOU, Jing et al. “Bus monitoring system based on OCR and video analysis.” Journal of Physics: Conference Series, v. 1364, n. 4, p. 042023, 2019.
1FONTANA, CF. Professor Doutor da Universidade Federal de São Paulo (Unifesp), Campus Baixada Santista, Instituto do Mar, Departamento de Ciências do Mar, Laboratório de Cidades Inteligentes, caio.fernando@unifesp.br
2MORE, RF. Professor Doutor da Universidade Federal de São Paulo (Unifesp), Campus Baixada Santista, Instituto do Mar, Departamento de Ciências do Mar, Laboratório de Cidades Inteligentes, rodrigo.more@unifesp.br
3SAKURAI, CA. Professor Doutor da Universidade Federal de São Paulo (Unifesp), Campus Baixada Santista, Instituto do Mar, Departamento de Ciências do Mar, Laboratório de Cidades Inteligentes, akio.sakurai@unifesp.br