Modelo RBFNN de Ondas Fuzzy para Detecção de Incidentes em Rodovias

Os incidentes de tráfego são eventos não recorrentes e pseudorrandomicos que interrompem o fluxo normal de tráfego e criam um gargalo na rede viária. A probabilidade de incidentes é maior durante períodos de pico, quando o efeito sistêmico dos incidentes é mais severo. Soluções baseadas em modelos para o problema da detecção de incidentes não produziram resultados práticos e úteis, principalmente porque a complexidade do problema não se presta a representações matemáticas e baseadas em conhecimento precisas. Uma nova abordagem de sistema inteligente multiparadigma é apresentada para a solução do problema, empregando técnicas avançadas de processamento de sinal, reconhecimento de padrões e classificação. A metodologia integra efetivamente técnicas de computação fuzzy, wavelet e neural para melhorar a confiabilidade e robustez. Uma técnica de filtragem baseada em wavelet é empregada para eliminar flutuações indesejáveis nos dados observados dos sensores de tráfego. A clusterização c-mean fuzzy é utilizada para extrair informações significativas dos dados observados e reduzir sua dimensionalidade. Uma rede neural de função de base radial (RBFNN) é desenvolvida para classificar os dados observados denoised e agrupados. O novo modelo produziu excelentes taxas de detecção de incidentes sem alarmes falsos quando testado usando dados reais e simulados.