Análise do atraso e da brecha aceita dos pedestres em travessias semaforizadas: um estudo na cidade de Fortaleza utilizando técnicas de visão computacional baseadas em deep learning

Autores

  • Francisco Altanizio Batista de Castro Junior Universidade Federal do Ceará, Fortaleza, Ceará, Brasil https://orcid.org/0009-0001-8265-0845
  • Manoel Mendonça de Castro Neto Universidade Federal do Ceará, Fortaleza, Ceará, Brasil
  • Flávio José Craveiro Cunto Universidade Federal do Ceará, Fortaleza, Ceará, Brasil

DOI:

https://doi.org/10.58922/transportes.v31i2.2845

Palavras-chave:

Travessia de pedestres, Atraso, Brecha aceita, Visão computacional

Resumo

O aumento da atenção ao transporte ativo em países em desenvolvimento tem motivado estudos sobre a compreensão dos fatores que afetam seus usuários. O atraso é um dos principais indicadores do nível de serviço de travessias de pedestres e ele é afetado pelas brechas disponíveis. Este trabalho visa relacionar atrasos e brechas aceitas em travessias semaforizadas de Fortaleza, além de comparar os atrasos coletados com os estimados pelo método do Highway Capacity Manual – 6ª. edição. Os dados foram coletados por meio de algoritmos visão computacional, em cinco travessias de interseções semaforizadas, obtendo-se 1642 observações. O método inclui uma análise de agrupamentos de pares de atraso e brecha aceita. Os resultados mostraram similaridade dos atrasos estimados com os do HCM, e as relações entre brecha aceita e atraso possibilitam uma inferência acerca do risco das travessias dos pedestres.

Downloads

Não há dados estatísticos.

Referências

Alhajyaseen, W.K.M. e M. Iryo-Asano (2017) Studying critical pedestrian behavioral changes for the safety assessment at signalized crosswalks. Safety Science, v. 91, p. 351-60. DOI: 10.1016/j.ssci.2016.09.002. DOI: https://doi.org/10.1016/j.ssci.2016.09.002

Alver, Y.; P. Onelcin; A. Cicekli et al. (2021) Evaluation of pedestrian critical gap and crossing speed at midblock crossing using image processing. Accident; Analysis and Prevention, v. 156, n. April, p. 106127. DOI: 10.1016/j.aap.2021.106127. PMid:33865175. DOI: https://doi.org/10.1016/j.aap.2021.106127

Bochkovskiy, A.; C. Wang e H.M. Liao (2020) YOLOv4: Optimal Speed and Accuracy of Object Detection. Disponível em: <http://arxiv.org/abs/2004.10934> (acesso em 04/04/2023).

Forgy, E. (1965) Cluster analysis of multivariate data: efficiency versus interpretability of classifications. Biometrics, v. 21, p. 768-80.

GitHub (2020) theAIGuysCode/yolov4-deepsort. Disponível em: <https://github.com/theAIGuysCode/yolov4- deepsort> (acesso em 13/04/2023).

Jacobsen, A.C. (2011) Microssimulação da travessia de pedestres. Dissertação (mestrado). Universidade Federal do Rio Grande do Sul, Porto Alegre. Disponível em: <https://www.lume.ufrgs.br/handle/10183/32007> (acesso em 04/04/2023).

Li, Q.; Z. Wang; J. Yang et al. (2005) Pedestrian delay estimation at signalized intersections in developing cities. Transportation Research Part A, Policy and Practice, v. 39, n. 1, p. 61-73. DOI: 10.1016/j.tra.2004.11.002. DOI: https://doi.org/10.1016/j.tra.2004.11.002

Lipovac, K.; M. Vujanic; B. Maric et al. (2013) Pedestrian behavior at signalized pedestrian crossings. Journal of Transportation Engineering, v. 139, n. 2, p. 165-72. DOI: 10.1061/(ASCE)TE.1943-5436.0000491. DOI: https://doi.org/10.1061/(ASCE)TE.1943-5436.0000491

Liu, R.; J.P. Silva e A.J. Seco (2000) A bi-modal micro-simulation tool for the assessment of pedestrian delas and traffic management. In 9th International Association of Travel Behavior Research Conference. Gold Coast, Australia: University of Sydney.

Ma, W.; D. Liao; Y. Liu et al. (2015) Optimization of pedestrian phase patterns and signal timings for isolated intersection. Transportation Research Part C, Emerging Technologies, v. 58, p. 502-14. DOI: 10.1016/j.trc.2014.08.023. DOI: https://doi.org/10.1016/j.trc.2014.08.023

Al Malki, A.; M.M. Rizk; M.A. El-Shorbagy et al. (2016) Hybrid genetic algorithm with K-means for clustering problems. Open Journal of Optimization, v. 5, n. 2, p. 71-83. DOI: 10.4236/ojop.2016.52009. DOI: https://doi.org/10.4236/ojop.2016.52009

Martín, L.E.; T.P. Bandeira; L.D.G. Pinto et al. (2019) Atraso de pedestres em travessias semaforizadas: uma comparação entre as modelagens pelo HCM e pelo microssimulador VISSIM. Transportes, v. 27, n. 1, p. 128-40. DOI: 10.14295/transportes.v27i1.1581. DOI: https://doi.org/10.14295/transportes.v27i1.1581

Mesquita, K.G.A.; F.A.B. Castro Jr e M.G. H. Cunha (2020) Caracterização de pedestres obedientes e oportunistas em travessias semaforizadas de Fortaleza. In Associação Nacional de Pesquisa e Ensino em Transportes (ed.) 34o Congresso de Pesquisa e Ensino em Transporte da ANPET. 100% digital: ANPET, p. 2474-2485. DOI: https://doi.org/10.36229/978-65-5866-111-5.CAP.07

Mohamad Nor, S.N.; B. David Daniel; R. Hamidun et al. (2017) Analysis of pedestrian gap acceptance and crossing decision in Kuala Lumpur. In: MATEC Web of Conferences. Melaka, Malaysia: EDP Sciences. DOI: 10.1051/matecconf/201710308014 DOI: https://doi.org/10.1051/matecconf/201710308014

Redmon, J., e A. Farhadi (2018) YOLOv3: an incremental improvement. Computer Vision and Pattern Recognition. DOI: 10.48550/arXiv.1804.02767

Rouphail, N.; J. Hummer; J. Milazzo et al. (1998) Recommended procedures – Chapeter 13: Pedestrians. In: Transportation Research Board (ed.), Highway Capacity Manual. Washington, DC: Transportation Research Board. (Report FHWA-RD-98-107).

Suh, W.; D. Henclewood; A. Greenwood et al. (2013) Modeling pedestrian crossing activities in an urban environment using microscopic traffic simulation. Simulation, v. 89, n. 2, p. 213-24. DOI: 10.1177/0037549712469843. DOI: https://doi.org/10.1177/0037549712469843

Tang, L.; Y. Liu; J.L. Li et al. (2020) Pedestrian crossing design and analysis for symmetric intersections: efficiency and safety. Transportation Research Part A, Policy and Practice, v. 142, p. 187-206. DOI: 10.1016/j.tra.2020.10.012. DOI: https://doi.org/10.1016/j.tra.2020.10.012

TRB (2016) Highway Capacity Manual (6th ed.). Washington, DC: Transportation Research Board.

Wang, C., A. Bochkovskiy e H.M. Liao (2021) Scaled-YOLOv4: Scaling Cross Stage Partial Network. Disponível em: <https://openaccess.thecvf.com/content/CVPR2021/papers/Wang_ScaledYOLOv4_Scaling_Cross_Stage_Partial_Network_CVPR_2021_paper.pdf> (acesso em 13/04/2023). DOI: https://doi.org/10.1109/CVPR46437.2021.01283

Wang, X. e Z. Tian (2010) Pedestrian delay at signalized intersections with a two-stage crossing design. Transportation Research Record: Journal of the Transportation Research Board, v. 2173, n. 1, p. 133-8. DOI: 10.3141/2173-16. DOI: https://doi.org/10.3141/2173-16

Wojke, N. e A. Bewley (2018) Deep cosine metric learning for person re-identification. In 2018 IEEE Winter Conference on Applications of Computer Vision (WACV). Lake Tahoe, NV, USA: IEEE, p. 748-756. DOI: 10.1109/WACV.2018.00087 DOI: https://doi.org/10.1109/WACV.2018.00087

Wojke, N.; A. Bewley e D. Paulus (2017) Simple online and realtime tracking with a deep association metric. In International Conference on Image Processing.Beijing, China: IEEE, p. 3645-3649. DOI: 10.1109/ICIP.2017.8296962 DOI: https://doi.org/10.1109/ICIP.2017.8296962

Zhang, S.; M. Abdel-Aty; J. Yuan et al. (2020) Prediction of pedestrian crossing intentions at intersections based on long short-term memory recurrent neural network. Transportation Research Record: Journal of the Transportation Research Board, v. 2674, n. 4, p. 57-65. DOI: 10.1177/0361198120912422. DOI: https://doi.org/10.1177/0361198120912422

Imagem da capa, volume 31, número 2

Downloads

Publicado

24-08-2023

Como Citar

Batista de Castro Junior, F. A., Castro Neto, M. M. de, & Craveiro Cunto, F. J. (2023). Análise do atraso e da brecha aceita dos pedestres em travessias semaforizadas: um estudo na cidade de Fortaleza utilizando técnicas de visão computacional baseadas em deep learning. TRANSPORTES, 31(2), e2845. https://doi.org/10.58922/transportes.v31i2.2845

Edição

v. 31 n. 2 (2023)

Seção

Artigos Vencedores do Prêmio ANPET Produção Científica

Licença

Copyright (c) 2023 Francisco Altanizio Batista de Castro Junior, Manoel Mendonça de Castro Neto, Flávio José Craveiro Cunto

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

Ao submeter um manuscrito para publicação neste periódico, todos os seus autores concordam, antecipada e irrestritamente, com os seguintes termos:

  1. Os autores mantém os direitos autorais e concedem à Revista TRANSPORTES o direito de primeira publicação do manuscrito, sem nenhum ônus financeiro, e abrem mão de qualquer outra remuneração pela sua publicação pela ANPET.
  2. Ao ser submetido à Revista TRANSPORTES, o manuscrito fica automaticamente licenciado sob a Licença Creative Commons Attribution, que permite o compartilhamento do trabalho com reconhecimento da autoria e da publicação inicial neste periódico.
  3. Os autores têm autorização para assumir contratos adicionais separadamente, para distribuição não exclusiva da versão do trabalho publicada neste periódico (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento da publicação inicial nesta revista, desde que tal contrato não implique num endosso do conteúdo do manuscrito ou do novo veículo pela ANPET.
  4. Os autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) depois de concluído o processo editorial. Como a Revista TRANSPORTES é de acesso livre, os autores são estimulados a usar links para o site da Revista TRANSPORTES nesses casos.
  5. Os autores garantem ter obtido a devida autorização dos seus empregadores para a transferência dos direitos nos termos deste acordo, caso esses empregadores possuam algum direito autoral sobre o manuscrito. Além disso, os autores assumem toda e qualquer responsabilidade sobre possíveis infrações ao direito autoral desses empregadores, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.
  6. Os autores assumem toda responsabilidade sobre o conteúdo do trabalho, incluindo as devidas e necessárias autorizações para divulgação de dados coletados e resultados obtidos, isentando a ANPET e a Revista TRANSPORTES de toda e qualquer responsabilidade neste sentido.