Voltar aos Projetos Realizados

IA na Classificação de Sons Urbanos

  • Ano: 2025
  • Titulo Original: Cidades Inteligentes: Aplicação de Inteligência Artificial na Identificação e Classificação de Sons Urbanos
  • Modalidade: Trabalho de Conclusão de Curso
  • Organização: UFABC
  • Autores: Guilherme Klinkerfuss Guimarães Pereira, Hugo Puertas de Araujo
  • Anexos:
    Monografia
    Monografia

RESUMO: O avanço da urbanização intensificou os desafios enfrentados por grandes centros urbanos, especialmente nas áreas de mobilidade, segurança pública, saúde e eficiência energética. Nesse contexto, o conceito de cidades inteligentes surge como uma alternativa estratégica, integrando tecnologias como a Internet das Coisas (IoT) e a Inteligência Artificial (IA) para promover ambientes urbanos mais eficientes e sustentáveis. Com isso, este trabalho propõe o desenvolvimento de uma solução de baixo custo para a análise e classificação de sons urbanos, visando identificar eventos relevantes como colisões, disparos de arma de fogo, tráfego intenso e sirenes de emergência. Para realizar essa tarefa, é proposta uma abordagem que utiliza sensores acessíveis e bases de dados públicas, aplicando redes neurais convolucionais (CNNs) com fusão de evidências via Teoria de Dempster-Shafer, por meio do modelo TSCNN-DS..

ABSTRACT: The advancement of urbanization has intensified the challenges faced by large urban centers, especially in the areas of mobility, public safety, health, and energy efficiency. In this context, the concept of smart cities emerges as a strategic alternative, integrating technologies such as the Internet of Things (IoT) and Artificial Intelligence (AI) to promote more efficient and sustainable urban environments. Therefore, this work proposes the development of a low-cost solution for the analysis and classification of urban environments, which identifies relevant events such as collisions, gunshots, heavy traffic, and emergency sirens. To accomplish this task, an approach is proposed that uses accessible sensors and public databases, applying convolutional neural networks (CNNs) with evidence fusion via Dempster-Shafer Theory, through the TSCNN-DS model.