NOVA Laboratory for Computer Science and Informatics

Funder

Organizational Unit

Publications

Mobilidade urbana sustentável: plataforma inteligente de monitorização

Publication . Vaz, João; Datia, Nuno; Pós-de-Mina Pato, Matilde

O parque automóvel circulante em Portugal tem sofrido um crescimento constante, quer em número de veículos, quer na idade média dos veículos. Os congestionamentos de trânsito, com particular incidência nos centros urbanos, e.g. a cidade de Lisboa, resultam em impactos negativos na vida dos cidadãos, onde se incluem problemas de saúde, económicos, sociais e ambientais. Com recurso a diferentes formas de sensorização é possível estudar, compreender e prever fluxos de tráfego em zonas de interesse nos centros urbanos. A partir de modelos de aprendizagem automática, neste trabalho é possível criar e utilizar modelos preditivos de indicadores de tráfego, para diferentes momentos e pontos de interesse na cidade de Lisboa. Os resultados preliminares mostraram que, com o algoritmo XGBoost, é possível prever o tempo de atraso causado por um congestionamento com erros a variar, aproximadamente, entre os 2 e os 3 minutos, verificando-se ainda que a partir da fusão de dados de tráfego, de meteorologia e sociais estes são melhores. Estes modelos podem ser integrados com a plataforma de gestão integrada de Lisboa (PGIL) e contribuir para as tomadas de decisão relativas à mobilidade. São, assim, mais uma ferramenta que permite antecipar futuros congestionamentos e melhorar o planeamento e gestão urbana para que seja possível reduzir os congestionamentos e mitigar os seus consequentes impactos.

2021-09-15Conference object

Open access

Plataforma FIWARE para monitorização de poluição

Publication . Pedroso, Ivo; Datia, Nuno; Cruz, Nuno

A poluição atmosférica afeta a saúde da população e é um factor de aumento da taxa de mortalidade. Entidades responsáveis pela gestão de grandes cidades procuram soluções que permitam monitorizar em tempo real os níveis de poluição em grandes áreas urbanas. No entanto, as soluções existentes para a monitorização de poluição são proprietárias ou não apresentam um grau de maturidade de integração, que facilite a expansão de uma rede de sensores com custos baixos de manutenção. Neste trabalho apresenta-se uma arquitectura da solução e uma implementação de referência, para uma plataforma distribuída de código aberto, que permita gerir uma rede de sensores. Esta plataforma permite acoplar e desacoplar, em tempo real, os sensores de poluição atmosférica, armazenar o histórico de medições registadas, agregar dados e disponibilizar um dashboard que permita posterior análise da informação armazenada. A arquitetura de solução é disponibilizada em contentores de execução virtual, recorrendo a diversos componentes do quadro de referência FIWARE e a componentes desenvolvidos à medida. O meio de comunicação usado na transmissão de dados entre os sensores e a plataforma, é uma rede baseada em LoRaWAN, a qual permite comunicações sem fios de longo alcance e de baixa potência. Foi assim selecionada a The Things Network (TTN), uma rede pública que implementa o protocolo LoRaWAN, que permite a comunicação entre sensores e a plataforma proposta. Foi selecionado o protocolo MQTT como forma de comunicação entre a plataforma proposta e a TTN. A plataforma proposta disponibiliza uma interface com o utilizador, implementada como um dashboard acessível a partir de um navegador, onde é possível observar a localização dos sensores registados sobre um mapa, a informação sobre seu estado operacional, bem como a informação sobre as medições observadas. Todos os componentes da plataforma são parametrizados através de um único ficheiro de configuração, que, através de um processo de automação, possibilita a instalação e execução da plataforma através de um único comando.

2021-09-15Conference object

Open access

Architecture for the 15-Minute City

Publication . Melo, Leonardo; Cruz, Nuno; Datia, Nuno

Finding a new home in a large city has increasingly become more complex, as people are concerned with not only the estate itself but also with its surroundings. The 15-Minute City concept, thinks of cities as a way to ensure that their residents within a 15-minute radius, can fulfill six essential functions: home, work, commerce, health care, education, and entertainment; which varies according to a chosen travel mode. To help people find properties that would fit them according to this concept, we have built an application that aims to provide an intuitive user interface that guides the user through the important decision of buying a house. To present relevant information to the user, we gathered information from three relevant sources, each with its unique challenges. The first source is estate data, extracted from the websites of local real estate agencies; second, city data, with points of interest relevant to the six essential functions mentioned previously; and at last, the user data provided by the user itself through our profile system which lets us understand his needs. System-wise, we built a reliable application following the microservices architecture guidelines, which future proofs our solution by segregating each part of the project and allowing it to scale easily, development and feature wise. The application scrapes, ingests, transforms and stores data regularly. The complete infrastructure is containerized using Docker and orchestrated by Kubernetes. With this application, we provided a scalable solution that allows users to select the best real estate taking into consideration the surrounding environment, tailored to their day-to-day needs, something that, as far as we know, is a novelty on real estate agency websites.

2021-09-15Conference object

Open access

Hyperspectral image reconstruction of heritage artwork using RGB images and deep neural networks

Publication . Chen, Ailin; Jesus, Rui; Vilarigues, M.

The application of our research is in the art world where the scarcity of available analytical data from a particular artist or physical access for its acquisition is restricted. This poses a fundamental problem for the purpose of conservation, restoration or authentication of historical artworks. We address part of this problem by providing a practical method to generate hyperspectral data from readily available RGB imagery of artwork by means of a two-step process using deep neural networks. The particularities of our approach include the generation of learnable colour mixtures and reflectances from a reduced collection of prior data for the mapping and reconstruction of hyperspectral features on new images. Further analysis and correction of the prediction are achieved by a second network that reduces the error by producing results akin to those obtained by a hyperspectral camera. Our method has been used to study a collection of paintings by Amadeo de Souza-Cardoso where successful results were obtained. CCS CONCEPTS • Computing methodologies → Neural networks; Artificial intelligence; • Applied computing → Arts and humanities.

2022-10Conference object

Open access