Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Ribeiro, Eduardo Parente, 1967- | - |
Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia Elétrica | - |
Autor(es): dc.creator | Cicarelli, Lucas Costa | - |
Data de aceite: dc.date.accessioned | 2025-09-01T10:35:21Z | - |
Data de disponibilização: dc.date.available | 2025-09-01T10:35:21Z | - |
Data de envio: dc.date.issued | 2024-04-22 | - |
Data de envio: dc.date.issued | 2024-04-22 | - |
Data de envio: dc.date.issued | 2011 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/26884 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/26884 | - |
Descrição: dc.description | Orientador: Prof. Dr. Eduardo Parente Ribeiro | - |
Descrição: dc.description | Dissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia Elétrica. Defesa: Curitiba, 19/12/2011 | - |
Descrição: dc.description | Bibliografia: fls. 74-77 | - |
Descrição: dc.description | Resumo: A identificação da categoria de um veículo que trafega em uma via é um importante parâmetro para sistemas de gerenciamento de tráfego. A classificação veicular tem aplicações como planejamento do sistema viário, estimativa de emissões veiculares e fiscalização de tráfego. Várias técnicas são empregadas para realizar a tarefa de classificação de veículos, sendo que a maioria processa informações provenientes dos sensores indutivos. Neste trabalho, é avaliado um sistema para classificação de veículos tanto em seis categorias, como em oito categorias. O sistema utiliza rede neural perceptron multicamada (Multi-Layer Perceptron - MLP) e é comparado com outras técnicas lineares de classificação como as medidas de similaridade Distância Euclidiana e Distância de Mahalanobis. As variáveis de entrada utilizadas para a rede neural foram extraídas a partir dos perfis magnéticos adquiridos. Este estudo apresenta uma análise da seleção dos parâmetros de entrada para a classificação. O sistema avaliado foi capaz de alcançar índices de acerto na classificação de 97% em seis categorias e 90% em oito categorias. Os resultados dos testes mostram a viabilidade técnica de se utilizar o sistema em equipamentos fixo de fiscalização eletrônica, permitindo a diferenciação de categorias muito semelhantes entre si como, por exemplo, caminhonetes de camionetas. | - |
Descrição: dc.description | Abstract:Vehicle class is an important parameter in the process of road-traffic measurement. Vehicle classification is applied in roadway design, vehicle emissions management and traffic monitoring. Several techniques are employed to perform the classification task. Most of them process information from the inductive sensors. In this paper the author suggests a system to classifying vehicles into six categories and a system to classifying vehicles into eight categories. The system has been developed using multilayer perceptron neural network (Multi-Layer Perceptron - MLP) and it is compared with other linear classification techniques such as the similarity measures Euclidean and Mahalanobis distance. The input variables are obtained from the magnetic profiles acquired from inductive loops. This study presents the methodology to select the input parameters to the classification. It is shown that this system is able to achieve rates of correct classification of nearly 97% with six categories and 90% with eight categories and it can be used in a fixed traffic monitoring equipment allowing the differentiation of categories very closed to each other as pickups and small utility vehicles. | - |
Formato: dc.format | 87f. : il. (algumas color.), grafs., tabs. | - |
Formato: dc.format | application/pdf | - |
Formato: dc.format | application/pdf | - |
Relação: dc.relation | Disponível em formato digital | - |
Palavras-chave: dc.subject | Indução magnetica | - |
Palavras-chave: dc.subject | Detectores | - |
Palavras-chave: dc.subject | Campos magnéticos | - |
Palavras-chave: dc.subject | Engenharia elétrica | - |
Título: dc.title | Classificação de veículos automotivos pelo perfil magnético em laços indutivos | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: