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 (alesan.sp@usp.br)

Claudio Luiz Marte (claudio.marte@usp.br)

Leopoldo Rideki Yoshioka (leopoldo.yoshioka@usp.br)

Jorge Pimentel Cintra (jpcintra@usp.br)

Escola de Politécnica de São Paulo, Universidade de São Paulo.

Av. Prof. Luciano Gualberto, Travessa 3, nº 380, Butantã São Paulo, SP, Brasil