Roteiro para a mobilidade inteligente

No panorama din mico dos Sistemas de Transporte Inteligentes, esta investiga o pioneira em estrat gias de previs o de rotas eficientes, particularmente vitais para ve culos de emerg ncia (VEs). O modelo HL-CTP emprega aprendizagem incremental, aumentando a precis o atrav s do ajuste fino das previs es com base em dados hist ricos. Como complemento, o modelo SG-TSE ajusta os sem foros, minimizando o impacto negativo do congestionamento no tr fego regular e na preemp o de VEs. Reconhecendo as limita es do aprendizado de m quina tradicional em redes de Internet de Ve culos, nosso terceiro objetivo utiliza o monitoramento de tr fego baseado em YOLOv4, incorporando o filtro Kalman para modelagem de ambiente IoV em tempo real. Os decisores pol ticos podem tirar partido destes dados para tomar decis es informadas, melhorando a efici ncia dos transportes, reduzindo o congestionamento e refor ando a seguran a. A integra o de RSUs gere eficazmente os recursos da rede, contribui para sistemas de transporte mais inteligentes e eleva os padr es de vida urbanos. Em conclus o, esta investiga o n o s faz avan ar a previs o de rotas e a preemp o de VE, como tamb m acrescenta valor ao panorama mais vasto dos sistemas de transporte inteligentes e reactivos, beneficiando a sociedade em geral.