1) As PRODUÇÕES ACADÊMICAS devem ser encaminhadas para o e-mail ri@sibi.ufal.br, juntamente com o Termo de Autorização para a Publicação (assinado).
2) Devem estar inseridas no CORPO da produção acadêmica, os seguintes documentos:
FICHA CATALOGRÁFICA - elaborada por um bibliotecário.
FOLHA DE APROVAÇÃO - deve estar assinada por todos ou, pelo menos, dois membros da banca examinadora. Excepcionalmente, poderá ser assinada por um
membro da banca examinadora e pelo respectivo Coordenador do Curso de Graduação ou Programa de Pós-Graduação.
3) O TERMO DE AUTORIZAÇÃO PARA PUBLICAÇÃO deverá estar preenchido, de acordo com o tipo de produção, assinado pelo(a) autor(a) e enviado por e-mail,
juntamente com o trabalho acadêmico.
OBS 1.: os TCC dos CURSOS DE PEDAGOGIA (Presencial e EaD) do Centro de Educação (CEDU) devem ser enviados, exclusivamente, para os e-mails
coordpedufal@gmail.com e pedagogiauab@gmail.com.
OBS 2.: o tempo de resposta às solicitações enviadas ao RIUFAL é de quatro dias úteis.
OBS 3.: para mais informações sobre o RIUFAL, acesse www.sibi.ufal.br.
https://www.repositorio.ufal.br/handle/123456789/18729| Tipo: | Trabalho de Conclusão de Curso |
| Título: | Identificação do motorista agressivo analisando dados de sensores utilizando aprendizagem de máquina |
| Autor(es): | Faria, Matheus Vieira |
| Primeiro Orientador: | Pimentel, Bruno Almeida |
| metadata.dc.contributor.referee1: | Leite, Glauber Rodrigues |
| metadata.dc.contributor.referee2: | Nascimento, Jobson de Araújo |
| Resumo: | A análise do comportamento do motorista tornou-se um tópico com maior relevância atualmente devido à sua aplicação na melhoria da experiência de direção e da segurança no transporte. Este estudo propõe a identificação do comportamento agressivo do motorista ao dirigir utilizando dados de acelerômetro e giroscópio de smartphones. Foram utilizados métodos de análise temporais e análises no domínio da frequência e espectograma, além da criação e comparação de modelos de Machine Learning e Deep Learning. |
| Abstract: | Driver behavior analysis has become a topic of increasing relevance today due to its application in improving the driving experience and safety in transportation. This study proposes the identification of aggressive driver behavior while driving using accelerometer and gyroscope data from smartphones. Temporal analysis methods and frequency and spectrum domain analyses were used, in addition to the creation and comparison of Machine Learning and Deep Learning models. |
| Palavras-chave: | Motoristas - Comportamento Direção agressiva (Trânsito - comportamento) Aprendizado do computador Redes neurais (Computação) Análise de séries temporais Acelerômetro Giroscópios Driving behavior Aggressive driving Machine learning Neural networks Time series Accelerometer Gyroscope |
| CNPq: | CNPQ::ENGENHARIAS CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Idioma: | por |
| País: | Brasil |
| Editor: | Universidade Federal de Alagoas |
| Sigla da Instituição: | UFAL |
| metadata.dc.publisher.department: | Curso de Engenharia da Computação - Bacharelado |
| Citação: | FARIA, Matheus Vieira. Identificação do motorista agressivo analisando dados de sensores utilizando aprendizagem de máquina. 2026. 70 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) – Instituto de Computação, Universidade Federal de Alagoas, Maceió, 2025. |
| Tipo de Acesso: | Acesso Aberto |
| URI: | https://www.repositorio.ufal.br/handle/123456789/18729 |
| Data do documento: | 2-jun-2025 |
| Aparece nas coleções: | Trabalhos de Conclusão de Curso (TCC) - Bacharelado - ENGENHARIA DE COMPUTAÇÃO- IC |
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Identificação do motorista agressivo analisando dados de sensores utilizando aprendizagem de máquina.pdf | Identificação do motorista agressivo analisando dados de sensores utilizando aprendizagem de máquina | 7.63 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.