TÍTULO: Algoritmo para priorização de pedestres em intersecções semaforizadas


TITLE: Algorithm for pedestrian prioritization at traffic light intersections

autor/author(s): Gomes, L.B., Marte, C.L., Amadio, A.T., Siqueira, C.S., Silva, I.B.O. & Dos Santos, I.R.

RESUMO: Tendo em mente o alto número de atropelamentos registrados na cidade de São Paulo e a necessidade de aumentar a segurança para pedestres em interseções semaforizadas, o presente estudo visa à criação de uma base de dados a ser usada  para treinar uma rede neural, cuja função será implementar um algoritmo para os controladores semafóricos, de forma a priorizar o fluxo de pedestres. Para isto, foi criado um micromodelo de tráfego no software VISSIM, da empresa alemã PTV, no qual foram propostos 5.320 cenários futuros. Estes foram gerados programando o VISSIM com um script, em linguagem Python, através de interface COM. A análise destes cenários gerou uma grande quantidade de dados, como: velocidades, tempo de espera de pedestres e veículos, assim como a formação de filas de  veículos. Esses dados são usados para treinar a inteligência artificial de aprendizado profundo – a rede neural. Este estudo demonstrou que a automação de tarefas, através da interface COM, permite obter um número elevado de análises em tempo reduzido, além de dados que podem ser utilizados em outras análises, ou para o preparo de novas ferramentas, como a que se busca neste artigo.

​

​

ABSTRACT: Bearing in mind the high number of pedestrians being run over in the city of São Paulo and the need to increase pedestrian safety at traffic light intersections, the present study aims to create a database to be used to train a neural network, whose function will be implement an algorithm for traffic light controllers, in order to prioritize the flow of pedestrians. For this, a traffic micromodel was created in the VISSIM software, from the German company PTV, in which 5,320 future scenarios were proposed. These were generated by programming the VISSIM with a script, in Python language, through the COM interface. The analysis of these scenarios generated a large amount of data, such as: speeds, pedestrian and vehicle waiting times, as well as the formation of vehicle queues. This data is used to train the deep learning artificial intelligence – the neural network. This study demonstrated that the automation of tasks, through the COM interface, allows obtaining a high number of analyzes in a reduced time, in addition to data that can be used in other analyses, or for the preparation of new tools, such as the one sought in this article.

PALAVRAS-CHAVE: Simulação, micromodelo, VISSIM, Python, Interface COM.

​

KEYWORDS: Simulation, micromodel, VISSIM, Python, COM Interface.

CITAÇÃO / CITATION: Gomes et al. Algoritmo para priorização de pedestres em intersecções semaforizadas. The Academic Society Journal, 7(1) 13-27, 2023. DOI: doi.org/10.32640/tasj.2023.1.13.