Roteiro para a mobilidade inteligente

No panorama dinâmico dos Sistemas de Transporte Inteligentes esta investigação é pioneira em estratégias de previsão de rotas eficientes particularmente vitais para veículos de emergência (VEs). O modelo HL-CTP emprega aprendizagem incremental aumentando a precisão através do ajuste fino das previsões com base em dados históricos. Como complemento o modelo SG-TSE ajusta os semáforos minimizando o impacto negativo do congestionamento no tráfego regular e na preempção de VEs. Reconhecendo as limitações do aprendizado de máquina tradicional em redes de Internet de Veículos nosso terceiro objetivo utiliza o monitoramento de tráfego baseado em YOLOv4 incorporando o filtro Kalman para modelagem de ambiente IoV em tempo real. Os decisores políticos podem tirar partido destes dados para tomar decisões informadas melhorando a eficiência dos transportes reduzindo o congestionamento e reforçando a segurança. A integração de RSUs gere eficazmente os recursos da rede contribui para sistemas de transporte mais inteligentes e eleva os padrões de vida urbanos. Em conclusão esta investigação não só faz avançar a previsão de rotas e a preempção de VE como também acrescenta valor ao panorama mais vasto dos sistemas de transporte inteligentes e reactivos beneficiando a sociedade em geral.