Luxe ‘masstige’ ou la marque, instance de production d’objets-signes

Os primeiros resultados foram obtidos através de uma a avaliação preliminar, que tem como principal objetivo demostrar que aplicações ITS guiadas pelo contexto podem se basear na Infoestrutura para prover contexto como serviço em ambientes veiculares. A metodologia aplicada na avaliação preliminar, adota um ambiente que utiliza como cenário o trânsito de uma cidade em consonância com a descrição da seção 5.2.

É importante informar que não é objetivo deste trabalho propor uma aplicação ITS guiada pelo contexto para lidar com o problema específico, mas sim mostrar que a Infoes- trutura fornece o suporte contextual necessário a tais aplicações, com menos complexidade pela capacidade de desacoplamento (a qual é realizada por meios tradicionais). O objetivo principal destes experimentos é demonstrar a possibilidade do trabalho proposto em ser utilizado como base para projetos de aplicações veiculares guiadas pelo contexto.

Os veículos são embarcados com sensores de localização (GPS) e velocidade. Para isso, a granularidade do ambiente foi escalada com 30 veículos seguindo um padrão de veloci- dade variando entre 0 até 100 Km/h. Os valores foram gerados seguindo uma distribuição poisson, a qual é capaz de expressar a probabilidade de uma série de eventos ocorrer num certo período de tempo com a presença de variável aleatória. Para demonstrar as potencialidades da Infoestrutura, foram definidas 2 aplicações ITS:

(i) Controle do tráfego: categoriza a velocidade dos veículos de acordo com o intervalo de valores (ou limiares) em Parado (0), Muito Lento (entre 1 e 10), Lento (11-30),

Normal (31-60), Rápido (61-90) e Muito Rápido (91-100), definidos pela aplicação para o contexto;

(ii) Radar virtual: monitora os veículos que trafegam acima do limite de velocidade estipulado onde Normal (0-80) e Excedente (a partir de 81).

Os experimentos foram modelados tendo como ambiente representativo a via da BR- 101, localizada nos limites da cidade de Natal/RN, onde a velocidade máxima permitida é de 80 Km/h. A tabela 3 apresenta todos os resultados numéricos obtidos neste experi- mento para cada veículo, bem como os respectivos contextos gerados, como a seguir: (i) o nome designado a cada veículo; (ii) a velocidade deste; (iii) a classificação aferida para aplicação Controle de Tráfego (Contexto); e (iv) a aferição contextual para a aplicação Radar Virtual.

As Figuras 15 e 16 apresentam as contextualizações geradas em cada caso uso. Foi utilizado o tipo de gráfico circular, de modo a permitir uma melhor visualização dos resultados.

Tabela 3: Apresentação da contextualização gerada Nome Velocidade Contexto Radar Virtual

Carro 01 0 Parado Normal

Carro 02 32 Normal Normal

Carro 03 80 Rápido Normal

Carro 04 57 Normal Normal

Carro 05 80 Rápido Normal

Carro 06 71 Rápido Normal

Carro 07 10 Lento Normal

Carro 08 14 Lento Normal

Carro 09 11 Lento Normal

Carro 10 46 Normal Normal

Carro 11 41 Normal Normal

Carro 12 53 Normal Normal

Carro 13 35 Normal Normal

Carro 14 16 Lento Normal

Carro 15 73 Rápido Normal

Carro 16 57 Normal Normal

Carro 17 83 Rápido Excede

Carro 18 90 Muito Rápido Excede

Carro 19 29 Lento Normal

Carro 20 21 Lento Normal

Carro 21 16 Lento Normal

Carro 22 38 Normal Normal

Carro 23 15 Lento Normal

Carro 24 92 Muito Rápido Excede

Carro 25 68 Rápido Normal

Carro 26 37 Normal Normal

Carro 27 49 Normal Normal

Carro 28 63 Rápido Normal

Carro 29 20 Lento Normal

Carro 30 21 Lento Normal

Um ponto que nos chama atenção é a diferença na comparação dos resultados para o contexto Muito Rápido (7%, Fig 15) e Excede (10%, Fig 16). Esse fato é consequência do Carro 17 (vide tabela 3), que apresenta uma velocidade de 83 Km/h. Se for observado o ponto 83 na Figura 17, chega-se a conclusão que a contextualização gerada é correta, ou seja, o ponto referente a 83 Km/h encontra-se em consonância com os valores de contextos definidos para ambas as aplicações.

Figura 17: Apresentação contextual do “Carro 17” para ambas aplicações

Além disso, foi observado que todas as situações foram contextualizadas em conformi- dade com sua regra (vide tabela 3). Para apresentar a contextualização veicular gerada em tempo de execução pela Infoestrutura, serão esboçadas as saídas para os veículos em ma- pas georreferenciados2

. As Figuras 18 e 19 apresentam as contextualizações geradas para cada veículo nos estudos de caso Controle de Tráfego e Radar Virtual, respectivamente. As cores diferentes são utilizadas para agrupar os veículos de acordo com o contexto perten- cente. Assim, os pontos em vermelho, azul, verde, amarelo e roxo representam os pontos com o contexto parado, normal, rápido, lento e muito rápido para aplicação controle de tráfego (Fig 18); e vermelho e azul para os contextos velocidade permitida e excede o limite de velocidade para a aplicação radar virtual (Fig 19), respectivamente

2

Figura 18: Apresentação dos resultado da aplicação Controle de Tráfego

Figura 19: Apresentação dos resultado da aplicação Radar Virtual

O principal objeto das figuras 18 e 19 é utilizar o georreferenciamento para qualificar a visualização das informações geradas por ambas as aplicações, que é vista de uma forma mais direta e que pode auxiliar no processo para tomada de decisão. Já as Figuras 20 e 21 tem como objetivo ir além as Figuras supracitadas, no sentido de apresentar as informações contextuais veiculares de um veículo aleatoriamente escolhido, no cenário dos dois estudos de caso.

Figura 20: Informações detalhada de um veículo na aplicação Controle de Tráfego

Figura 21: Informações detalhada de um veículo na aplicação Radar Virtual Os resultados desta avaliação apontam que a Infoestrutura é capaz de prover infor- mação contextual veicular significativa diretamente na nuvem. Outro ponto que queremos demonstrar é a capacidade de prover contextos distintos a um mesmo veículo, para regras diferentes. Para tal, utilizamos como base as regras definidas para as aplicações Controle de Tráfego e Radar Virtual, supracitadas, onde simularemos a aceleração de um veículo que parte da inercia tendo sua velocidade coletada a cada 1 segundo.

em seguida, e 6 segundos depois volta a acelerar. As Figuras 22 e 23 apresentam o valores da aceleração do veículo em relação as regras. As linhas tracejadas apresentam o limite superior das regras, ou seja, na Fig 22 as coletas de número 3 e 4 apresentam como contexto “Lento” e as de número 12 e 13 “Muito Rápido”.

Figura 22: Apresentação da aceleração de veículo para Controle de Tráfego

Assim, concluímos que a Infoestrutura apresenta a capacidade de gerar contexto em conformidade com as regras, o que pode ser confirmado pelo provimento de contextos dis- tintos relacionados a um mesmo veículo, porém no escopo de dois casos de uso diferentes, com diferentes modelagens contextuais.

Portanto, é possível confirmar que foi alcançado o objetivo da avaliação funcional do protótipo, uma vez que foram aferidos contextos veiculares significativos pela utilização de lógica Fuzzy como técnica de modelagem de contexto. Vale salientar que todas as entradas foram contextualizadas, o que pode ser confirmado pelas Figuras 22 e 23, que reagem em consonância com as contextualizações associadas as duas aplicações definidas no estudo de caso.