Via Formosa: Sistema de Monitoramento de Transporte Público em Formosa, GO
DOI:
https://doi.org/10.5281/zenodo.17478106Palavras-chave:
Mobilidade Urbana, Transporte Coletivo, Monitoramento em Tempo Real, Rastreamento por GPS, Aplicações WebResumo
O transporte público em cidades de médio porte como Formosa, GO, enfrenta desafios de confiabilidade que impactam diretamente a rotina do cidadão. A ausência de informações em tempo real sobre a localização dos veículos gera incerteza, atrasos e insatisfação, desincentivando o uso do serviço. Este artigo apresenta o desenvolvimento do sistema Via Formosa, uma plataforma de monitoramento projetada para modernizar a gestão do transporte coletivo local. A solução, concebida a partir de uma revisão bibliográfica e levantamento de requisitos com agentes públicos, emprega uma arquitetura modular. O sistema embarcado, composto por um microcontrolador Arduino e um módulo GPS/GPRS (SIM808), transmite dados de geolocalização via protocolo TCP/IP. O backend, desenvolvido em Java com o framework Spring Boot e um banco de dados PostgreSQL com extensão PostGIS, processa e armazena essas informações, utilizando a fórmula de Haversine para otimizar o registro de dados. A interface do usuário, construída em Angular, oferece um mapa interativo para visualização da frota em tempo real e um painel administrativo para a gestão operacional. Os testes de validação demonstraram alta precisão (erro inferior a 5 metros) e baixa latência (1,2 segundos), resultando em uma redução de até 30% no tempo de espera dos passageiros e um aumento de 45% na previsibilidade das viagens. O projeto conclui que a adoção de tecnologias acessíveis é viável e gera impactos positivos na qualidade do serviço e na governança urbana.
Referências
ARAÚJO, M. R. M. D. et al. Transporte público coletivo: discutindo acessibilidade, mobilidade e qualidade de vida. Psicologia & Sociedade, Belo Horizonte, v. 23, p. 574-582, 2011.
BARNES, R. et al. Bustr: Predicting bus travel times from real-time traffic. In: ACM SIGKDD INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY & DATA MINING, 26., 2020, San Francisco. Anais... New York: ACM, 2020. p. 3243-3251.
COELHO, Â. O. et al. Logística pública: avaliação da qualidade do transporte coletivo urbano por ônibus sobre a ótica do usuário. Revista Brasileira de Transporte e Mobilidade, Rio de Janeiro, v. 10, n. 1, 2022.
DARSENA, D. et al. Sensing technologies for crowd management, adaptation, and information dissemination in public transportation systems: A review. IEEE Sensors Journal, New York, v. 23, n. 1, p. 68-87, 2022.
FOELL, S. et al. Micro-navigation for urban bus passengers: Using the internet of things to improve the public transport experience. 2014. Disponível em: https://arxiv.org/abs/1412.6605. Acesso em: 12 set. 2025.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATÍSTICA (IBGE). Censo Demográfico 2010: Características gerais da população, religião e pessoas com deficiência. Rio de Janeiro: IBGE, 2012.
JABAMONY, J.; SHANMUGAVEL, G. R. IoT Based Bus Arrival Time Prediction Using Artificial Neural Network (ANN) for Smart Public Transport System (SPTS). International Journal of Intelligent Engineering & Systems, Tokyo, v. 13, n. 1, p. 343-352, 2020.
LIMA, R. A. C.; LIMA, A. M. D. A mobilidade urbana no Brasil: Desafios e perspectivas. Brasília, DF: Instituto de Pesquisa Econômica Aplicada (IPEA), 2011.
MANE, M. P. S.; KHAIRNAR, V. D. Analysis of bus tracking system using GPS on smartphones. 2014. Disponível em: https://arxiv.org/abs/1407.0313. Acesso em: 12 set. 2025.
NI, M.; SUN, Z.; LIU, W. Fraud's Bargain Attack: Generating Adversarial Text Samples via Word Manipulation Process. IEEE Transactions on Knowledge and Data Engineering, New York, v. 36, n. 7, p. 3062-3075, 2024.
RASHVAND, N. et al. Real-time bus arrival prediction: A deep learning approach for enhanced urban mobility. 2023. Disponível em: https://arxiv.org/abs/2303.15495. Acesso em: 12 set. 2025.
REZAEI, S.; FARAHANI, M. GPS-based bus tracking system for smart cities. IEEE Transactions on Intelligent Transportation Systems, New York, v. 18, n. 11, p. 2970-2979, 2017.
SEVERO, B. J. S. A percepção dos usuários de transporte público no município de Santana do Livramento: desafios e oportunidades. [Adicionar Local]: [Adicionar Instituição], 2023.
WANG, M.; LI, Z.; TAN, W. Cloud-based architecture for scalable public transit monitoring. IEEE Access, New York, v. 11, p. 32411–32422, 2023.
YIN, T. et al. Um modelo de previsão do tempo de chegada do ônibus em paradas com várias rotas. Transportation Research Procedia, Amsterdam, v. 25, p. 4623-4636, 2017.
ZHANG, Y.; LIU, Y.; SUN, Y. Bus arrival time prediction using hybrid ML. IEEE Transactions on Intelligent Transportation Systems, New York, v. 23, n. 6, p. 7892–7903, 2022.
ZHANG, Y.; LIU, Y.; SUN, Y. Bus arrival time prediction using hybrid ML. IEEE Transactions on Intelligent Transportation Systems, v. 23, n. 6, p. 7892–7903, 2022.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Kevyn Murilo dos Santos Almeida, Juliana Alves Vieira
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
