Comparação com trabalhos correlatos

No Quadro 14 é apresentado um comparativo das principais características deste trabalho com os trabalhos correlatos.

54

Quadro 14 - Comparativo entre este trabalho e os trabalhos correlatos Trabalhos Características Trabalho desenvolvido Vicenzi (2015) Schroeder (2012) Silveira (2017) linguagem de programação C# e Java Lua, JavaScript e

Python

C# Ionic, HTML5, CSS e Typescript dispositivo GPS Smartphone Microcontrolador

ESP8266

Smartphone Smartphone e Beacons banco de dados SQL Server MongoDB SQL Server MySQL

banco de dados em nuvem Sim Não Não Sim

servidor hospedado em nuvem

Sim Não Não Sim

Google Maps API Sim Sim Sim Sim

Fonte: elaborado pelo autor.

A partir do Quadro 14, pode-se perceber que todos os trabalhos fazem uso da API do Google Maps por ser uma referência quando se aborda o assunto de geolocalização. Vicenzi (2015) utiliza um microcontrolador para geolocalização enquanto Silveira (2017) utiliza além do GPS do smartphone, Beacons para auxiliar no reconhecimento da localização com maior precisão. Vicenzi (2015) resolveu utilizar um microcontrolador pois a proposta era trabalhar individualmente com cada ônibus para aumentar a precisão em relação a sua localização. Somente o aplicativo desenvolvido e o trabalho de Schroeder (2015) utilizam apenas o GPS do smartphone para estabelecer a geolocalização dos veículos.

Em relação ao armazenamento dos dados, Vicenzi (2015) e Silveira (2017) utilizaram MongoDB e MySQL, respectivamente. No caso MongoDB, um dos pontos levantados foi a sua facilidade em executar cálculos estatísticos. Para o MySQL, um dos pontos positivos foi a facilidade de conexão com o Web Service em PHP. O trabalho desenvolvido e o trabalho de Schroeder (2012) utilizam o banco de dados SQL Server, principalmente pela facilidade de integração com os recursos oferecidos pela linguagem C# e no caso deste trabalho, pela facilidade de hospedagem no Microsoft Azure.

A partir das características dos trabalhos apresentados, conclui-se que todos os autores utilizam de alguma maneira a geolocalização para coletar os dados e classificá-los de acordo com as necessidades. Porém, somente este trabalho se aprofunda em relação a coleta de dados visando melhorias no trânsito.

Somente o trabalho desenvolvido e o trabalho de Silveira (2017) utilizam técnicas de hospedagem, tanto da base de dados quanto do servidor, em nuvem. Com essa estratégia a utilização da aplicação e sua escalabilidade se tornam muito mais fácil em relação aos outros trabalhos. Outro ponto de destaque é a facilidade de pesquisa de rotas, onde podem ser feitas pelo nome da rua, diferente de Schroeder (2012) onde é necessário conhecer as coordenadas

55

geográfica, além deste trabalho apresentar uma linha no mapa indicando a situação do fluxo nas vias que compõe a rota pesquisada. Por fim, o trabalho foca em criar uma base de dados histórica com os dados coletados pelo usuário de forma colaborativa e em tempo real.

56

4 CONCLUSÕES

Este trabalho tinha como objetivo a construção de um aplicativo Android para coleta de informações do trânsito de forma colaborativa para facilitar o percurso dos usuário e planejamentos de rotas a serem percorridas. Este trabalho também tinha o objetivo de construir uma base de dados histórica com informações reais coletadas pelos usuários.

O desenvolvimento do aplicativo móvel foi inicialmente pensado utilizando React Native, porém foi constatado durante o desenvolvimento que pelos recursos oferecidos e facilidade no uso da plataforma de desenvolvimento Android Studio, o melhor seria utilizar Android puro. Dessa maneira o aplicativo foi construído utilizando a linguagem de programação Java para a regra de negócio e XML para construção dos layouts. Através da biblioteca Retrofit que oferece a abstração dos métodos REST foi construída a comunicação com o servidor. Para coletar as informações do trânsito é utilizada a API do Google Maps, que fornece as coordenadas e endereço completo das ruas, ainda utilizando o Google Maps é possível controlar a taxa de coleta de dados por metros percorridos e segundos. Para o servidor foi proposto a construção na linguem de programação C# no ambiente de desenvolvimento Visual Studio e a utilização do banco de dados SQL Server, itens que foram cumpridos. A arquitetura do servidor foi construída em cima dos princípios do SOA, onde existem serviços para cada funcionalidade e que contém a regra de negócio, além disso, utilizando esse padrão foi possível diminuir o acoplamento entre as classes do sistema pois a instancia das classes é realizada em cima de uma interface sem depender a classe concreta. A modelagem do banco feita utilizando o Entity Framework, um ORM excelente para tal e que trabalha perfeitamente com as tecnologias escolhidas para este trabalho. A disponibilização do banco de dados e das APIs do sistema foi feita na nuvem, utilizando o Microsoft Azure. Com o Azure a possibilidade de escalar tanto o banco quanto a aplicação fica muito fácil, além de estar disponível em qualquer local a qualquer momento.

O aplicativo móvel oferece todas as funcionalidades apontadas nos objetivos. As rotas são mostradas de três maneiras diferentes, sendo uma a rota entre dois pontos com a possibilidade de filtro por dias da semana, período do mês e intervalo de horário. A segunda maneira é uma rota completa por um percurso executado pelo usuário através dos dados das ultimas rotas percorridas pelo usuário. A terceira opção faz a busca da melhor rota entre dois pontos, indicando o melhor dia e horário para o usuário. Todas essas pesquisas de rotas se baseiam em grafos e no algoritmo de Dijkstra, buscando o caminho de menor custo entre dois pontos.

57

Por fim, com base nos resultados obtidos através de testes realizados, foi possível verificar ajustes que devem ser feitos na aplicação a fim de torna-la mais eficiente. De um modo geral, o aplicativo agradou os usuários, desde a interface até a usabilidade, além de ter cumprido seu objetivo de auxiliar no planejamento de rotas e mostrar a situação por data/horário.