Resumo
Atualmente, as maiores ameaças para a segurança rodoviária estão relacionadas à presença de motoristas bêbados, cansados ou distraídos, que chamamos de direção anormal. Nesta dissertação, desenvolvemos um sistema capaz de detectar a direção anormal através dos padrões de trajetórias dos veículos, contribuindo assim com o treinamento e validação de veículos autônomos e com o monitoramento de tráfego para cidades inteligentes. Para tal, utilizamos dados de trajetórias coletadas via drone em diversos segmentos rodoviários e situações de tráfego na Alemanha. Após processarmos devidamente os dados, definimos quantitativamente a direção anormal através de uma métrica de anormalidade, definimos classes de direção e treinamos uma rede neural para detectar a direção anormal em tempo real. Todos os passos do nosso método foram codificados em linguagem de programação python para formar o sistema DBALapisco, que pode ser utilizado como plugin por outros softwares no auxílio da tomada de decisão e ser operado via interface gráfica para operações rotineiras de engenharia