Professional Documents
Culture Documents
DE
COMPUTACIN
TELECOMUNICACIONES
Resumo
Este artigo tem como objetivo analisar algumas informaes obtidas a fim de se obter uma metodologia para identificar as interseces, sentido, capacidade das vias, e outros dados correlatos. As informaes de interesse so o fluxo de veculos, feies de terreno, tipos de terreno entre outras que sero abstradas. Elas podem influenciar diretamente na anlise de fluxo e nas relaes com o ambiente virio urbano. A manuteno e atualizao do mapeamento urbano podem ser melhorados por meio desse estudo usando-se tratamento estatstico, processamento de imagens e computacional dos dados de fluxo de veculos. Palavras chave: minerao de dados, morfologia matemtica, grafos.
Abstract
This article aims to study the information obtained from analysis of traffic flow, terrain features, land types and among others that will be abstracted. We can achieve a methodology to obtain intersections, direction, capacity of the roads, and other related data. The results can directly influence the flow analysis and its relations with the environment for urban road maintenance and updated of urban mapping. The study can be done through the study and statistical treatment, image and computer processing of data traffic flow. Keyword: data mining, mathematical morphology, graphs.
1. Introduo
A revoluo industrial que ocorreu em meados do sculo XVIII causou um profundo impacto no processo produtivo, bem como no nvel econmico, social e poltico da populao. Toda essa transformao foi possvel devido a uma combinao de diferentes fatores, tais como o liberalismo econmico, o acmulo de capital e uma srie de invenes (motor a vapor). O capitalismo tornou-se o sistema econmico vigente at hoje, e desencadeou um processo de concentrao populacional nos grandes centros urbanos. As cidades cresceram em demasia e de maneira rpida. Isso dificultou a ao dos planejadores urbanos para que pudessem ter um melhor controle do trfego urbano. Esse controle atualmente problemtico em cidades grandes como So Paulo (Brasil), New York (USA), Cidade do Mxico (Mxico). Em relao ao problema de extrao de caractersticas virias urbanas e reconstruo do mapeamento virio urbano por meio da observao de sensoriamento de fluxo de veculos, busca-se identificar inconsistncias entre um mapa cartogrfico de uma dada regio de interesse em comparao ao fluxo atual de veculos. Dessa forma, ao observar a existncia de um fluxo regular de veculos em uma nova via ou em um sentido diferente de informao no mapa cartogrfico possvel inferir a existncia de uma nova via no relacionada no mapeamento ou a mudana da orientao de trnsito pelo orgo governamental gestor de planejamento e controle de trnsito. Em disciplinas bem estudadas da cincia cartogrfica despende-se muito esforo para extrao, captura e interpretao de caractersticas virias
1
DE
COMPUTACIN
TELECOMUNICACIONES
por meio de sensoriamento remoto que pode ser a utilizao de GPS (posio, velocidade e direo). No entanto, a maioria dos trabalhos nessa rea de conhecimento concentra-se em obter e gerar tais informaes por meio de mtodos que no levam em considerao o fluxo de veculos. Esse dado pode gerar algum tipo de informao importante que permita solucionar alguns dos problemas existentes em grandes centros urbanos.
2. Data Mining
A. Minerao de Dados O processo de descoberta de conhecimento em bases de dados, tambm conhecido como Knowledge Discovery in Databases (KDD), surgiu da necessidade de extrair informaes de bases de dados. Isso tem sido um foco importante dos estudos para encontrar padres que representem informaes teis e no triviais [Curoto, 2003] [Moreira, 2002] [Brito, 2007]. A minerao de dados aplica conhecimento multidisciplinar, envolvendo as reas de inteligncia artificial, anlise estatstica e processamento de imagens, entre outras. Essa juno de reas aumenta a complexidade dos algoritmos, exigindo maior capacidade computacional na descoberta e identificao de distribuies e padres de interesse [Curoto, 2003] [ Brito, 2007]. B. Morfologia Matemtica Atualmente, a morfologia matemtica uma teoria muito utilizada e pesquisada em universidades e centros de pesquisa de todo o mundo. Atua-se em diversas reas, tais como, medicina, astronomia, biologia, ou seja, em muitas reas importantes de conhecimento. A morfologa matemtica utilizada na extrao e tratamento de feies com vistas atualizao de produtos cartogrficos. Ela uma excelente base para estudar a geometria do sinal, uma vez que permite quantificar forma e tamanho [Stanella, 2004]. A idia de morfologia digital que uma imagem consiste de um conjunto de pixels que so reunidos em grupos tendo uma estrutura bidimensional (forma). Certas operaes matemticas em conjuntos de pixels que podem ser ressaltadas para serem usadas, identificam aspectos particulares dentro de uma determinada regio. Entre as operaes bsicas e importantes dentro da morfologia matemtica so a eroso, dilatao, abertura e fechamento. Essas operaes devem ser tratadas independentemente para imagens binrias, em cinza ou em cores [Gonzales, 2009] [Serra,1982]. O processo de filtragem realizado utilizando matrizes denominadas mscaras, as quais so aplicadas sobre a imagem. A convoluo o processo de calcular a intensidade de um determinado pixel em funo da intensidade de seus vizinhos [Fabio, 2005] [Nehme, 2000]. Um processo de convoluo est descrito em (1).
Os filtros espaciais podem ser clasificados em passa- banda, passa-altas e passa-baixas. Um filtro espacial passa-baixas o de suavizao da imagem e onde as altas freqncias, que correspondem s transies rpidas so atenuadas [Nehme, 2000]. Para este estudo de caso o filtro que se utiliza um filtro espacial box filtro, expresso pelo somatrio dos vizinhos ao pixel central. Algumas janelas que efetuam uma filtragem passabaixas [Fabio, 2005] [Nehme, 2000], numa vizinhana de dimenso 3x3, esto indicadas na seguinte matriz (2). 1 1 1
2
DE
COMPUTACIN
*1/9
TELECOMUNICACIONES
(2)
1 1 1 1 1 1
Trata-se de um ramo da matemtica que estuda as relaes entre os objetos de um determinado conjunto, sendo simples, abstrato e intuitivo. usado para representar a idia de alguma espcie de relao entre os objetos [Berretti, 2001]. Graficamente, aparece representado por uma figura com ns ou vrtices, significando os objetos, unidos por um trao denominado aresta e assim, configurando a relao imaginada [Berretti, 2001] [Dikson, 2007]. A representao matemtica dada por (3). G = (V,E) (3)
DE
COMPUTACIN
TELECOMUNICACIONES
B. Identificao de Ns Os tipos bsicos de intersees em regioes de uma malha viria so tipo X,Y,T,L [Silva, 2003], onde os cruzamentos se tornam os componentes que devem ser extrados para garantir a coerncia topolgica. A partir de todas essas informaes detectadas e extradas garante-se a topologia da malha viria. A metodologia apresentada nesta seo apropiada para extrair os cruzamentos de rodovias. Trata-se de uma abordagem importante para representar a forma estrutural de uma regio plana e reduzi-la para identificar os cruzamentos e as terminaes. Essa reduo pode ser implementada com os seguintes passos, como mostrado na figura 3.
Dados obtidos:
latitude e longitude
Segmentao da imagem
Operaes de
morfologia matemtica
Filtros de convoluo
Para se obter os dados de latitude e longitude do fluxo vecular, gerar uma imagem binria, segmentar uma imagem e realizar a esqueletizao existem vrios algoritmos. Para essas transformaes, um dos algoritmos o Medial Axis Transformation. Tem-se tambem os algoritmos paralelos de ZhangSuen. Dessa forma, usando-se tcnicas morfolgicas matemticas, mediante eroso e aberturas, e tambm aplicao de filtros, pode-se identificar as intersees e ns finais. Assim, consegue-se localizar os tipos de cruzamentos e ns finais, como mostrados na figura 4 atravs de dados de fluxo vecular.
DE
COMPUTACIN
TELECOMUNICACIONES
A figura 5 mostra a porcentagem de diferentes tipos de vrtices identificados pela metodologia proposta nos diferentes cenrios de teste espalhados pelo municpio de Campinas.
C. Identificao de Sentido de Arcos Aps a obteno dos ns (cruzamentos e pontos finais), deve-se obter toda a informao contida dentro de cada arco sobre a imagem inicial que foi processada para se identificar os cruzamentos. Sob cada arco, identificam-se cada uma das figuras planas que possua dimenses suficientes para permitir o clculo de rea [Gonzales, 2003]. Essas so diferenciadas pelo nmero de lados que possuem. Para que possam ser consideradas preciso que tenham no mnimo 3 lados. Assim, pode-se ter um tringulo (3 lados), um quadriltero (4 lados), um pentgono (5 lados), um hexgono (6 lados) ou um heptgono (7 lados). Nesta metodologia proposta, tem-se um retngulo que um quadriltero. Se os 4 lados so iguais, ento o quadriltero pode ser chamado de quadrado como mostra a figura 6.
DE
COMPUTACIN
TELECOMUNICACIONES
A b
Area= b*A
Aps o processamento de cada arco, obtem-se toda a informao imersa em cada arco como mostrado na figura 7.
A informao existente est presente na variao dos valores de altura e largura do retngulo envolvente sob os arcos. Esses quadros consecutivos so observveis na forma de uma linha que permite obter toda informao presente sob o arco permitindo uma anlise da informao contida. Aps a obteno dos dados referentes aos arcos, deve-se levar em conta uma anlise de todos os pontos para se obter o resultado do sentido dos veculos. Esse histograma servir para determinar o valor da freqncia do curso dos veculos sob um arco, tendo como origem os pontos centrais x = [0 pi/2 pi 3pi/2], como mostrado na figura 8. Esse grfico indica o curso dos veculos sob um arco determinado, onde os veculos tm um sentido norte, a maior freqncia existente neste arco da figura 8.
DE
COMPUTACIN
TELECOMUNICACIONES
Os arcos existentes em diferentes cenrios possuem caractersticas diferentes. Esse comportamento diferenciado por arcos curvilneos e arcos lineares. D. Identificao do Sentido de Arcos Curvilneos A anlise dos arcos curvilneos da figura 9 indica que se tem duas freqncias altas, uma delas correspondente aos veculos que se movimentam em sentido oeste e a outra freqncia no sentido sul. Assim, a caracterstica do arco curvilnea.
Para se realizar as comparaes com os 43 arcos usa-se um mapa de referncia google maps que permite indicar a porcentagem do sentido dos arcos, como mostra a figura 10. Esse grfico indica que o 82,85 percentual representa o nmero de arcos analisados que coincidem no sentido seguido pelos veculos com relao ao mapa de referncia de google earth e 17,14 percentual que representa os arcos que no coincidem no sentido seguido pelos veculos com o mapa de referncia de google earth.
7
DE
COMPUTACIN
TELECOMUNICACIONES
E. Identificao do Sentido de Arcos Lineares Nessa regio de teste, foram analisados 37 arcos dos quais 16 arcos so de dois sentidos e 21 arcos so de um nico sentido como mostrado na figura 11.
DE
COMPUTACIN
TELECOMUNICACIONES
Figura 13 - Sobreposio dos resultados obtidos mediante arquivos KML, localizados dentro de google earth
Nesse grfico indica-se que 97,22 percentual representa o nmero de arcos analizado que coincidem no sentido seguido pelos veculos em relao ao mapa de referncia de google earth e 2,7 percentual representa os arcos que no coincidem no sentido seguido pelos veculos com o mapa de referncia de google earth como mostrado na figura 13. A sobreposio do resultado obtido serve para comprovar que as deteces das feies a partir dos operadores morfolgicos atendem aos objetivos esperados. Foram realizadas as sobreposies das feies detectadas, usando-se bases digitais conhecidas, ou seja, software google earth com arquivos KML como mostrado na figura 13.
DE
COMPUTACIN
TELECOMUNICACIONES
O presente artigo mostra que por meio da informao obtida de trfego veicular pode-se criar uma estrutura de mapeamento urbano verstil. Ela pode ser utilizada em vrios cenrios com a finalidade de se obter informao vlida, como quantidade de nmero de junes e vrtices dentro de uma regio determinada, que permita criar grafos que sejam indispensveis para a atualizao automtica do mapeamento urbano. A modelagem proposta pode ser til para conhecer a situao de mapas atuais em tempo real. Podem-se prevenir problemas com antecedncia e reduzir custos para criao de novos mapas.
Agradecimentos
Os autores agradecem ao CNPq, CAPES, programa RH-TVD, CAPES (Coordenao de Aperfeioamento de Pessoal de Nvel Superior) de Formao de Recursos Humanos em Televiso Digital (RH - TVD), pelo suporte financeiro presente pesquisa.
Referencias
[Curoto, 2003] C.Curotto (2003), Integrao de Recursos Data Mining com Gerenciadores de Banco de Dados Relacionais", Universidade Federal do Rio de Janeiro. [Stanella, 2004] T.Stanella e E. Antonio da Silva (2004), Morfologia Matemtica: Extrao de Feies a partir de Imagens Orbitais, Universidade Estadual Paulista UNESP. [Gonzales, 2009] Gonzales e R. Davies (2009), Digital Image Processing and Computer Vision. Academic Press. [Fabio, 2005] C.Fabio e R. Filho(2005), Filtros de Convoluo Proporcionais para Realce de Imagens, Universidadede So Paulo, Instituto de Geocincias e Universidade Estadual de Campinas. [Witten, 2005] I. H. Witten e E Frank (2005), Data Mining Concepts and Techniques", Morgan Kaufmann. [Antonio, 2010] E. Antonio da Silva e F. Leonardi (2010), Extraction Cartographic Targets from the Use of Techniques of Mathematical Morphology, Universidade Estadual Paulista, Unesp, Faculdade de Cincias e Tecnologia, FCT. [Gonzales, 2003] Gonzales e Rafael Davies (2003), "Digital Image Processing and Computer Vision", Academic Press. [Serra, 1982] J. Serra (1982), Image Analysis and Mathematical Morphology, London, Academic Press. [Ray, 2005] M. Ray Pmeenen e R. Adhami (2005), A Novel Aproacch to Fingerprint Pore Extraction, Proceddings of the Thirty-seven Southeastern Symposium on System theory. [Moreira, 2002] R. Moreira (2002), Minerao de Regras de Associao nos Canais de Informao Diretos, Universidade Federal do Rio Grande Do Sul, Setembro. [Brito, 2007] H. Brito Meneses e C. Gangeiro (2007), Modelagem e Anlise de Dados Dinmicos do Trafego Urbano: uma Reviso Conceitual e Aplicada, Universidade Federal do Cear, UFC.
10
DE
COMPUTACIN
TELECOMUNICACIONES
[Nehme, 2000] D.Nehme e E. Daronco (2000), Filtros Espaciais Passa Baixa, Universidade Federal Rio Grande do Sul. [Berretti, 2001] S. Berretti, A. Del Bimbo e A.Vicario (2001), Indexing of Graph Models in Content-Based Retrivial, IEEE Transactions on Pattern Analysis and Machine Intelligence. [Dikson, 2007] S. Dikson (2007), Introduction to the Special Sction on Graph Algorithms in Computer Vision, IEEE Transactions on Patter Analysis and Machine. [Silva, 2003] Silva e D. Poz (2003), "Deteo e Reconstruo Automatica de Junes de Rodovia em Imagens Digitais em Cenas Rurais", Boletim de Cincias Geodsicas.
11