Upload
duongnhu
View
217
Download
0
Embed Size (px)
Citation preview
ESTUDO DE VIABILIDADE DO USO DE REDE DE SENSORES INTEGRADA A
SISTEMAS INTELIGENTES DE TRANSPORTES PARA MONITORAMENTO DE
CONDIÇÕES AMBIENTAIS
Alessandro Santiago dos Santos
Claudio Luiz Marte
Leopoldo Rideki Yoshioka
Jorge Pimentel Cintra Universidade de São Paulo
Escola Politécnica de São Paulo
RESUMO
A questão ambiental é atualmente uma das preocupações fundamentais que permanecem na agenda dos gestores
públicos. Os congestionamentos do tráfego urbano são considerados como um dos principais agentes
influenciadores nos índices de poluição e que provocam impactos na qualidade de vida. É um desafio definir
mecanismos tecnológicos para mensurar os índices destes efeitos, no entanto é importante criar instrumentos de
medida que possibilitem ao gestor público uma visão geral destes índices, auxiliando assim nas estratégias de
melhoria de condições de vida dos cidadãos. Nesse sentido, este trabalho propõe uma rede de sensores sem fio,
hospedados em veículos de transporte público coletivo urbano, que irão coletar informações ambientais pela
região onde trafegam. São propostos modelos de uso, com simulação de padrões de mobilidade realísticos de um
corredor de ônibus na capital paulista, de forma a definir quais serão os padrões tecnológicos visando melhor
disseminar as informações coletadas pelos sensores embarcados.
ABSTRACT
The environmental issue is currently one of the key concerns that remain on the agenda of public managers, and
urban traffic. The urban traffic jams are considered key factor in gas emissions and impacts on quality of life. It
is a challenge to define technological mechanisms to measure the impacts. Whereas, it is important to create
measurement instruments that allow the public manager to get an overview of these indexes, thus aiding
strategies for improving the living conditions of citizens. Accordingly, this paper proposes a wireless sensors
network, hosted on urban public transport vehicles, which will collect environmental information. We propose to
establish usage models, realistic mobility patterns of a bus corridor in São Paulo, in order to define technological
standards aiming to better disseminate the information collected by sensors embedded.
1. INTRODUÇÃO
Atualmente a mobilidade urbana consta como prioridade na agenda de grandes cidades, onde
são incluídas discussões envolvendo impactos e benefícios gerados pelo transporte. Na cidade
de São Paulo existe uma restrição de circulação de veículos em áreas delimitadas (centro
expandido), assim como se discutem diferentes iniciativas para minimizar os efeitos nas
emissões de CO2, como por exemplo a “EcoFrota” - programa de ônibus urbanos que
possuem características de baixa emissão de gases em relação aos níveis tradicionais - com
mais de 2.500 unidades implantadas, chegando atualmente em 16% da frota (SPTRANS,
2012).
No contexto das cidades, surge a dúvida de como medir os índices ambientais de poluição, de
forma que se possam avaliar os resultados de iniciativas de mitigação das emissões. Além dos
objetivos de redução de emissões, uma análise de outros parâmetros (nível de ruído,
luminosidade, eficiência no fluxo de trafego entre outros) pode ser utilizada para apoiar a
decisão do gestor público na definição de estratégias para melhorar a qualidade de vida dos
cidadãos.
Os Sistemas Inteligentes de Transportes (Intelligent Transport Systems – ITS) referem-se ao
estado da arte de matrizes tecnológicas destinadas a proporcionar experiências de mobilidade
melhores. Envolvem atores como: veículos, condutores, passageiros, operadores rodoviários e
gestores. Contemplam elementos de infraestrutura tais como Operações de Gerenciamento de
Tráfego, Serviços de Transporte Público Coletivo, Monitoramento das Condições Climáticas
e Ambientais entre outros (Williams, 2008) (ABNT, 2011).
Nesse sentido, os avanços tecnológicos têm proporcionado novas possibilidades nas análises
de perspectivas urbanas. As cidades podem contar com um arsenal de mecanismos
tecnológicos (sensores) que coletam informações de forma automatizada, criando uma base de
conhecimento que permite estabelecer correlações entre informações históricas e condições
mensuráveis de um conglomerado urbano. Estas correlações permitem a criação de uma
camada de inteligência que tornam as cidades mais eficientes. No entanto, os conglomerados
urbanos devem ser repensados para se adaptarem e usufruírem dessas novas possibilidades,
motivando um novo olhar do gestor público.
Uma alternativa para criar um arcabouço tecnológico de coleta de informações ambientais é
instrumentar toda cidade com sensores. Por outro lado, para se proporcionar uma visão
abrangente seria necessário um grande número de sensores, além de um incremento constante
destes, de forma a acompanhar o crescimento da própria cidade.
Diante disso, verifica-se que a malha de transporte público coletivo cobre as principais áreas
povoadas, possui uma postura dinâmica de crescimento e se adapta de forma coerente com a
mutabilidade populacional e geográfica das cidades. Aproveitando destes princípios, este
trabalho propõe a utilização de ônibus urbanos como hospedeiros móveis de sensores
ambientais, capturando dados por onde trafegam. Permitem cobrir uma vasta região
geográfica, com leituras periódicas.
Neste trabalho é analisada a viabilidade do uso de rede de sensores para serem incorporados
nas unidades de transporte público urbano (ônibus). As informações coletadas são enviadas
para uma central de monitoramento, onde serão visualizadas por Sistemas de Informações
Geográficas (Figura 1). Para tanto, serão simulados cenários com diferentes tecnologias de
comunicação, de forma a avaliar a viabilidade da solução de redes de sensores como
mecanismo de coleta de dados que possibilitarão a visualização das condições ambientais da
cidade, de uma forma instantânea e histórica. Assim, o gestor público poderá ter uma visão
abrangente das condições da cidade e correlacionar com estratégias adotadas para mitigar os
efeitos indesejáveis gerados pelo transporte nas grandes cidades.
Ecossistema ITS
Camadas de informação
ambiental
Sensores
Figura 1. Arquitetura de monitoramento ambiental por sensores embarcados em ônibus
Sistemas de Informação
Geográfica
Gestor público
2. REDE DE SENSORES EM AMBIENTE VEÍCULAR
Um conjunto de nós sensores interligados é chamado de rede de sensores. Estes nós são
pequenos dispositivos, geralmente consistindo de um micro controlador, uma unidade de
rádio de curto alcance e de um ou mais transdutores atuando como sensores (Rosales et al.,
2009).Uma rede de sensores é um sistema baseado em eventos, com vários nós sensores que
transferem dados por um elemento especial denominado sorvedouro, o qual comporta-se
como gateway para encaminhar as informações para outras redes (Lee et al., 2012).
Vários pesquisadores têm estudado redes de sensores em ambientes veiculares, sendo este
ambiente caracterizado como Vehicular Ad-hoc Network (VANET), que é um tipo especial de
Mobile Ad-hoc Network (MANET) (Stanica, et al., 2011). Nesses tipos de redes, uma
propriedade importante é o modelo de mobilidade, que pode ser tratado em um sistema de
simulação. As simulações de VANETs devem levar em consideração os modelos de
mobilidade e de tráfego.
Na comunidade de transporte, modelos de tráfego são geralmente classificados com base em
seu nível de detalhe (Lieberman, 2005):
Macro Modelo: os veículos são incorporados a modelos relacionados com a dinâmica
de fluídos, ao invés de serem considerados individualmente. Caracterizam-se pela
análise integrada das correntes de tráfego, sendo os diversos estados do tráfego
determinados através das relações entre as entre as variáveis fundamentais do tráfego:
fluxo, densidade e velocidade (Vasconcelos, .
Meso Modelo: geralmente descrevem entidades individuais que permitem a simulação
de fenômenos de tráfego causados por comportamentos individuais.
Micro Modelo: representam as entidades e interações com um nível elevado de
detalhe. O comportamento de um veículo depende do estado dos carros vizinhos e até
mesmo das características do condutor.
A seguir são discutidos trabalhos relacionados, considerando arquiteturas e metodologias
empregadas em micro modelos de simulação para VANETs.
Namboodiri (2004) explora a possibilidade de colocação de gateways móveis em veículos
selecionados para fornecer conectividade para outros veículos na sua vizinhança. As suas
simulações utilizaram um cenário, onde os nós e gateways móveis eram distribuídos
uniformemente em uma estrada reta e longa. Além disso, assume modelos de Markov para
caracterizar o movimento dos veículos. A principal diferença com relação a este trabalho é o
padrão de mobilidade adotado, que considera traçados e movimentos realísticos de ônibus
dentro de uma cidade metropolitana, particularmente um corredor de ônibus na cidade de São
Paulo (Expresso Tiradentes).
Huang (2005) propõe a aplicação de dispositivos móveis em redes ad hoc, para ser utilizado
em um sistema de expedição de táxis, com intenção de investigar a sua viabilidade técnica e
financeira. Em suas avaliações, utilizou-se um modelo de cidade como uma grade de
dimensões 5 km x 5 km, com 300 táxis distribuídos dentro desta área. Foi avaliado o efeito de
parâmetros como a densidade de nós, congestionamento e cobertura. Concluiu-se que a rede
apresentou comportamento satisfatório na maioria das condições de operação. O foco, porém,
era estudar o desempenho de um aplicativo em uma rede puramente ad hoc, diferentemente
deste trabalho que busca verificar a viabilidade de capturar informações em uma Rede
Tolerante a Atrasos (DTN), onde o desempenho não é um fator primordial (Dong, 2012).
Lan (2007) realizou um estudo de caso da utilização de ônibus urbanos como Data Mules para
coletar informações de sensores de tráfego (detecção e contagem de veículos) implantados em
vias urbanas. Os dados coletados eram enviados para um centro de gestão de tráfego, por
meio de gateways estáticos ou móveis. Apesar de um cenário similar a esse trabalho, o mesmo
realiza um estudo estatístico e não através de simulações. Outra diferença deste trabalho
reside no fato do ônibus ser hospedeiro dos sensores.
3. CENÁRIO DE AVALIAÇÃO
Este trabalho avalia um cenário realístico de transporte público (ônibus) que hospeda sensores
ambientais, com mobilidade inerente. Assim sendo, a coleta de dados ambientais poderá ser
feita, de forma abrangente, de acordo com a região geográfica coberta pelas linhas de ônibus.
Neste sentido, foi escolhida como base de simulações a malha de corredores de ônibus
urbanos na cidade de São Paulo, como cenário conceitual do projeto (Figura 2).
Figura 2: Malha de corredores de ônibus da Cidade de São Paulo, com destaque para o
Expresso Tiradentes. Fonte: (SPTRANS, 2012).
Para realizar a simulação do cenário foi escolhido especificamente o corredor Expresso
Tiradentes (em destaque na Figura 2), pois este possui características da infraestrutura que são
favoráveis para a simulação, são elas:
Velocidade média constante.
Distancia regular entre paradas de ônibus.
Tempo de parada regular nos pontos de ônibus.
Cobertura geográfica de uma região bem determinada, pois o corredor situa-se numa
via elevada sobre a Av. do Estado, acima do fluxo tradicional de veículos.
Quantidade de frota determinada e limitada, com regularidade de programação.
Figura 3: Visão aérea do expresso Tiradentes, trajeto e marcadores de paradas no Google
Earth.
Para obter um cenário real, foram identificados o trajeto do ônibus e os pontos de parada do
Expresso Tiradentes, via Google Earth (Figura 3). As posições das paradas, em termos de
latitude e longitude, foram obtidas por localização visual no Google Earth, e convertidas para
coordenadas UTM (coordenadas x,y,z em metros), via serviços on-line do INPE (INPE,
2012). Além disso, as coordenadas do Terminal Parque Dom Pedro foram utilizadas como
referencial zero no ambiente de simulação (Tabela 1).
Tabela 1: Coordenadas dos pontos de referência do Expresso Tiradentes. Coordenadas obtidas por localização visual no Google Earth
Resultado Terminal I –
Dom Pedro Parada I Parada II Parada III Parada IV Parada V Parada VI
Terminal II -
sacomã
Longitude em GMS O 46 37 44.710 O 46 37 36.990 O 46 36 52.550 O 46 36 40.930 O 46 36 11.200 O 46 35 52.260 O 46 35 50.060 O 46 36 8.810
Longitude em GD -46,62908611 -46,62694167 -46,61459722 -46,61136944 -46,60311111 -46,59785 -46,59723889 -46,60244722
Coord. X UTM em
metros 333714,0023 333937,2370 335207,9796 335543,7395 336399,7476 336957,4250 337028,2010 336503,1075
Latitude em GMS S 23 32 50.050 S 23 33 2.380 S 23 33 32.710 S 23 33 50.810 S 23 34 28.610 S 23 35 28.840 S 23 35 53.330 S 23 36 11.980
Latitude em GD -23,54723611 -23,55066111 -23,55908611 -23,56411389 -23,57461389 -23,59134444 -23,59814722 -23,60332778
Coord. Y UTM em
metros 7394954,65 7394577,858 7393659,141 7393106,086 7391952,799 7390106,101 7389353,475 7388773,848
Coordenadas calculadas para referencial zero no ambiente simulado
X 0 223,23467 1493,977309 1829,73717 2685,745288 3243,422666 3314,198673 2789,105175
Y 0 376,79193 1295,50893 1848,56457 3001,85141 4848,54895 5601,17572 6180,80197
O fluxo de veículos nesta via é exclusivo para ônibus urbanos, trafegando em um trecho
elevado e segregado. As linhas que circulam no Expresso Tiradentes tem uma velocidade
média de 35 km/h, sem cruzamentos semafóricos. Nos horários de pico as partidas ocorrem a
cada 2 minutos (SPTRANS, 2012).
4. FERRAMENTAS PARA SIMULAÇÃO
Stanica et al (2011) apresenta uma série de ferramentas de simulação que englobam
simuladores de rede de computadores, tráfego de veículos e ferramentas de ligação entre os
dois modelos de simuladores. Para o estudo deste artigo serão utilizados os simuladores de
rede NS-2 e o simulador de tráfego de mobilidade urbana, denominado SUMO (Behrisch et
al., 2011). O SUMO é um simulador de código aberto para micro modelos de simulação de
tráfego. Em função de sua alta portabilidade e sua livre licença de uso tornou-se o simulador
de tráfego mais utilizado para redes veiculares (Stanica et al., 2011). Um componente chave
para simulações VANET é um modelo realista de mobilidade para garantir que as conclusões
da simulação sejam mais próximas de implementações reais. Neste sentido, o trabalho de
Karnadi e Mo (2007) apresenta ferramentas e metodologias para criar um modelo mais
realístico, cuja ferramenta é conhecida por MOVE (MObility model generator for VEhicular
networks). Além dos recursos de geração automática de artefatos para simulação, este expõe
uma metodologia que envolve o desenvolvimento de mapas de ruas urbanas, definição do
fluxo de movimentação e a criação de tráfego de rede (Figura 4).
Figura 4: Metodologia de criação de modelo realístico de simulação. Fonte: Chou (2011).
A metodologia e ferramenta apresentada pelo MOVE foi utilizada neste trabalho onde foram
mapeados os cenários do Expresso Tiradentes, considerando:
posições das paradas de ônibus
velocidade média de cada trecho
fluxo de veículos urbanos no horário de pico
georefenciamento das posições de paradas
configuração do simulador de rede.
5. SIMULAÇÃO
Para avaliar as principais alternativas de comunicação foram simulados cenários diferentes,
envolvendo os seguintes modelos de redes de comunicação sem fio:
Inicio
nó
aresta
Tipo
(opcional)
Configurar
Mapas
Criar
Mapas
Fluxo
Esquinas
Criar Rotas
Construir
as simulações
SUMO
Executar
NS-2
Gerador de Tráfego
para o
NS-2
Executar
ferramenta
NAM
Finalizado
Módulo de
Mapas
Módulo de
Mobilidade
Módulo de
Tráfego
Redes Ad-hoc (802.15.4): neste modelo a transmissão é propagada entre os nós de
comunicação no sentido de um concentrador (sorvedouro). Este modelo é
característico de redes de sensores sem fio.
Redes WiFi (802.11): este modelo é o mais popular entre as redes sem fio, onde se
utiliza de pontos centrais (Hotspot), que se comunicam com o sensores dentro de um
raio de atuação.
Rede celular GPRS: rede de comunicação de dados presente em redes celulares GSM,
que utilizam banda estreita e rede proprietária da operadora de telefonia celular. Esta
rede possui um custo de manutenção mensal associado.
Neste trabalho foram explorados as simulações dos modelos Ad-hoc e WiFi, pois não
possuem custos de manutenção mensal associado, por estarem baseados em rede própria de
comunicação. No caso da rede de comunicação via GPRS é utilizado cálculo de volume de
transmissão para estimar o custo. Para estas simulações foram utilizados os parâmetros
apresentados na Tabela 2.
Tabela 2: Parâmetros de simulação
Parâmetros Referências
Quantidade de Ônibus 60
Número e sentido do fluxo de ônibus 30 veículos trafegando sentido centro-bairro
(trecho entre Terminal Mercado e Terminal
Sacomã), e outros 30 no sentido inverso.
Número de paradas 6
Terminais 2
Velocidade média dos veículos 35 km/h
Periodicidade de partidas A cada 2 minutos
Comprimento do corredor ~8 km
Posição dos sorvedouros Serão simulados em todas as paradas e nos
terminais
Tempo de simulação 3600 segundos
5.1 Resultados
Um dos fatores avaliados foi o Througput (quantidade de dados em bytes por segundos), que
foram recebidos pelos sorvedouros a partir da geração de dados dos nós a uma taxa de 70bps.
Cada simulação utilizou-se de posições diferentes do sorvedouro, sendo assim foi possível
avaliar a melhor posição para hospedar o sorvedouro. O Througput gerado para redes Ad-hoc
e Wifi é apresentado na
Figura 5, enquanto o volume total de dados recebido é apresentado na Tabela 3.
Figura 5. Throughput dos sorvedouros.
Tabela 3: Volume de dados recebidos por sorvedouro na simulação com redes WiFi (Kbytes)
Terminal I Parada I Parada II Parada III Parada IV Parada V Terminal II
4757,3 614,8 637,1 655,8 680,8 603,3 4706,0
5.2 Discussão
A análise demonstrou alguns pontos em comum entre os dois modelos, o Throughput revelou
que ambos possuem uma maior transmissão de dados quando estão num dos terminais
(Terminal I ou Terminal II). Os parâmetros como tempo de latência para conexão, alcance e
disposição das antenas são levados em consideração pelo simulador de rede NS-2. Estes
fatores são causadores da baixa transmissão nos pontos de parada. a formação de redes Ad-
hoc é favorecida quando os ônibus estão parados nos terminais, onde cada nó pode repassar o
dado para o nó vizinho até que o dado chegue ao sorvedouro. No caso de Redes Wifi, em geral
a cobertura da antena permite que vários ônibus estejam dentro da mesma área de
transmissão. Nas paradas há normalmente um ou dois ônibus, portanto sem concorrência para
comunicação, o tempo para se comunicar é pequeno, resultando para os dois casos de
simulação, valores de Throughput significativamente inferior ao dos terminais (Figura 5).
Outra diferença é a superioridade na taxa de transmissão das Redes Wifi em relação ao
modelo Ad-hoc. No entanto, dependendo da dimensão do terminal haverá necessidade de
integrar mais hotspots na infraestrutura. Este fato nas redes Ad-hoc é minimizado uma vez
que o modelo permite reconfiguração de rotas, transmitindo os dados da fonte até os
sorvedouros por rotas alternativas.
Com relação ao modelo GPRS pode-se considerar o mesmo volume de dados gerado pelo
modelo de Rede Wifi (p. ex.: 4757,3 Kbytes no Terminal I num período de uma hora).
A Tabela 4 apresenta prós e contras das tecnologias avaliadas e consolida a questão de
viabilidade e motivações para a escolha do padrão de comunicação e posicionamento dos
059
118177236295
60
300
540
780
1.0
20
1.2
60
1.5
00
1.7
40
1.9
80
2.2
20
2.4
60
2.7
00
2.9
40
3.1
80
3.4
20
Thro
ug
pu
t (b
yte
/s)
Tempo (s)
Adhoc Terminal I
Parada I
Parada II
Parada III
Parada IV
Parada V
Terminal II
0
500
1000
1500
2000
2500
3000
60
240
420
600
780
960
1.1
40
1.3
20
1.5
00
1.6
80
1.8
60
2.0
40
2.2
20
2.4
00
2.5
80
2.7
60
2.9
40
3.1
20
3.3
00
3.4
80
Thro
ugp
ut
(byt
e/s
)
Tempo(s)
Wifi
sorvedouros.
Tabela 4. Prós e Contras do tipo e posicionamentos dos sorvedouros
Prós Contras
Ad-hoc com
sorvedouros
posicionados
nos terminais
1. Custo de Infraestrutura: baixo
2. Roteamento adaptativo permite que a
informação flua por diversas rotas dos
nós sensores para os sorvedouros,
utilizando inclusive outros nós como
parte do caminho.
1. Baixa taxa de transmissão
2. Tempo de atualização é maior ou igual
ao tempo de trajeto entre os terminais de
origem e destino. Neste cenário, o tempo
está em torno de 12 minutos.
Wifi com
sorvedouros
posicionados
nos terminais
1. Custo de Infraestrutura: Médio
2. Boa capacidade de volume de recepção
de dados
1. Tempo de atualização é maior ou igual
ao tempo de trajeto entre os terminais de
origem e destino.
2. Necessidade de planejamento e site
survey para determinar qual o melhor
posicionamento dos Hotspots para
cobrir a área do terminal.
Sorvedouros nas
paradas de
ônibus
1. Tempo de atualização é equivalente ao
intervalo entre os ônibus (headway),
que neste cenário está em torno de 2
minutos.
1. Maior custo com infraestrutura com a
implantação de mais sorvedouros
2. O volume de dados
transmitidos/recebidos será menor que
se fosse instalado nos terminais seja no
modelo Wifi ou ad-hoc
GPRS 1. Resposta em tempo real
1. Alto custo de transmissão uma vez que
a tarifação das operadoras é baseada em
volume de dados.
6. CONCLUSÃO
Foi demonstrado que é possível ser implementada uma rede de sensores sem fio, hospedada
em veículo de transporte público coletivo urbano, a fim de coletar informações ambientais de
uma região geograficamente abrangente. Foram propostos modelos de uso, com simulação de
padrões de mobilidade realísticos de um corredor de ônibus na capital paulista, de forma a
definir um padrão tecnológico que melhor dissemine as informações coletadas pelos sensores
embarcados. Os resultados de simulação demonstraram que os sorvedouros serão melhores
aproveitados se hospedados nos terminais, enquanto que nas paradas não foi possível obter
boas condições para leitura dos dados dos sensores. O método proposto tem a vantagem de
permitir a coleta de dados ambientais, de uma região geográfica espalhada, seja feita em
poucos pontos através de redes sem fio (Wi-fi ou Ad-hoc), por exemplo, em terminais. Estes
irão ser tratados posteriormente numa central de monitoramento, sem haver a necessidade de
uma infraestrutura mais abrangente nas paradas ou se utilizando de redes GPRS.
REFERÊNCIAS BIBLIOGRÁFICAS ABNT. NBR ISO 14813-1 - Arquitetura(s) de modelo de referência para o setor de ITS. Associação Brasileira de
Normas Técnicas. São Paulo, p. 32. 2011.
Behrisch, M.; Bieker, L.; Erdmann, J. SUMO - Simulation of Urban MObility: An Overview. SIMUL 2011, The
Third International Conference on Advances in System Simulation. [S.l.]: [s.n.]. 2011.
Chou, C. M. Rapid generation of realistic simulation for Vanet - MANUAL. [S.l.]: [s.n.], 2011. ISBN URL:
http://lens1.csie.ncku.edu.tw/MOVE/Example%20for%20step-by-step.pdf.
Lieberman A. R. Traffic simulation. In: ADMINISTRATION, F. H. United States Transportation Research
Board Revised Monograph on Traffic Flow Theory. [S.l.]: United States Department of Transportation,
2005. Cap. 10, p. 1-23.
Dong, L. Opportunistic media access control and routing for delay-tolerant mobile ad hoc networks. In Wireless
Network . November 2012, Volume 18, Issue 8, pp 949-965.
Huang, E. et al. Towards Commercial Mobile Ad Hoc Network Applications: A Radio Dispatch System. ACM
MOBIHOC. Urbana-Champaign, IL: [s.n.]. 2005.
INPE. Calculadora Geografica. Disponivel em: <http://www.dpi.inpe.br/calcula/>. Acesso em: 25 nov. 2012.
Karnadi, F.; Mo, Z. H. Rapid Generation of Realistic Mobility Models for VANET. WCNC 2007. [S.l.]: [s.n.].
2007.
Lan, K.-C. et al. Feasibility Study of Using Mobile Gateways in Public Transportation Vehicles for ITS
Applications. V2VCOM. [S.l.]: [s.n.]. June 2007. p. 9.
Lee,G; Na, S.H.; e Huh, E.N.; “Modeling for Congestion Prediction in Wireless Sensor Network Using Traffic
Demands Analysis,” Mathematical Methods for Information Science and Economics - Wseas Press, vol.
1, n. 1, pp. 206-211, 29 December 2012.
Namboodiri, V.; Agarwal, M.; Gao, L. A Study on the Feasibility of Mobile Gateways for vehicular Ad-hoc
Networks. ACM international Workshop on Vehicular Ad-Hoc Networks (VANET). Philadelphia: [s.n.].
2004.
Rosales, M. S.; Garcia, G.; e Sanchez, G.D.; “Efficient Message Authentication Protocol for WSN,” WSEAS
TRANSACTIONS on COMPUTERS, vol. 8, n. 6, pp. 895-904, 01 June 2009.
SPTRANS. Olho Vivo. site da SPTRANS, 2012. Disponivel em:
<http://olhovivo.sptrans.com.br/#pDeOlhoVia>. Acesso em: 05 dez. 2012.
SPTRANS. Programa ecofrota: sustentabilidade na gestãp no transporte. São Paulo: [s.n.], 2012. ISBN URL:
http://olhovivosptrans.com/wp-content/uploads/2012/07/livroEcofrotas.pdf.
Stanica, R.; Chaput, E.; Beylot, A.-L. Simulation of vehicular ad-hoc networks: Challenges, review of tools.
Computer Networks, v. 55, p. 3179–3188, June 2011.
Williams, B. Intelligent Transport Systen Standards. 1ª. ed. USA: Artech house, 2008.
Alessandro Santiago dos Santos ([email protected])
Claudio Luiz Marte ([email protected])
Leopoldo Rideki Yoshioka ([email protected])
Jorge Pimentel Cintra ([email protected])
Escola de Politécnica de São Paulo, Universidade de São Paulo.
Av. Prof. Luciano Gualberto, Travessa 3, nº 380, Butantã São Paulo, SP, Brasil