O projeto propõe uma transformação na busca por um lugar para estacionar
Muito tempo é gasto na busca por uma vaga livre nos estacionamentos de grandes cidades. Tecnologias automatizadas poderiam facilitar esse processo e reduzir graus de exaustão ao auxiliar motoristas informando com exatidão os locais disponíveis. Custos financeiros também poderiam ser reduzidos ao substituir sensores individuais por vagas por detecção de imagem com câmeras capazes de cobrir grandes áreas.
Foi com essas ideias em mente que os alunos do Centro de Informática (CIn) da UFPE, Felipe Lin, Gabriel de Melo, João Gabriel Vasconcelos e Maria Luísa, orientados pelo professor Tsang Ing Ren, desenvolveram o projeto cujo principal objetivos é a identificação de vagas disponíveis em estacionamentos abertos e a previsão da ocupação do estacionamento através de Inteligência Artificial, para a disciplina eletiva “Introdução a Aprendizagem Profunda” do curso de Engenharia da Computação. O projeto permitiria ao motorista se programar com certa antecedência e ao administrador do estacionamento planejar medidas preventivas para superlotação.
Para Gabriel, atividades como essa são estímulos para os estudantes experimentarem ao colocar em prática seus conhecimentos técnicos: “Através de projetos como esse, os alunos são motivados a atacarem problemas fora do escopo acadêmico, analisando dores reais e, através do conhecimento adquirido no centro, propondo soluções inovadoras”, comenta.
O grupo conseguiu atingir resultados positivos para o primeiro objetivo usando redes neurais convolucionais AlexNet e mAlexNet, e da família de modelos de detecção Yolov5, pois são capazes de extrair características de imagens de vagas livres e ocupadas. Quanto ao preditor de ocupação, foi desenvolvido usando redes neurais recorrentes Long Short-Term Memory (LSTM) e Gated Recurrent Unit (GRU), pois conseguem capturar características dos dados de ocupação ao longo do tempo.
Para testar a aplicação na realidade do Centro de Informática (CIn), foi colocado um tripé com uma câmera no 4º andar do Bloco E do centro, por cerca de uma hora em modo timelapse, que resultou em um vídeo de 30 segundos. O vídeo obtido foi utilizado como um dos artefatos para inferência da rede treinada.
Os resultados da tarefa de detecção de ocupação do estacionamento, indicam que os modelos foram efetivos, sendo AlexNet o modelo que apresentou melhores resultados, em comparação ao mAlexNet, mas demanda maior tempo de treinamento. Quanto à previsão de ocupação, não se mostra ainda muito prática por prever apenas alguns minutos à frente. Os alunos, no entanto, entendem esse como um primeiro passo em direção a um preditor com um intervalo de tempo maior, assim como um treinamento de modelos em um dataset capturado no CIn seria benéfico para uma melhor análise e especificação da solução, voltada para o centro.
Comentários desativados