Smart Flow

Smart Flow: Revolutionizing urban traffic with real-time, AI-driven signal control powered by 5G and V2X.

Portuguese (PT)

Inspiration

Cidades estão cada vez mais congestionadas, e semáforos “fixos” não reagem a picos de tráfego, acidentes, obras ou eventos. A ideia do Smart Flow surgiu da necessidade de reduzir tempo perdido, aumentar a segurança em cruzamentos e preparar a mobilidade para um futuro conectado (V2X + 5G).

What it does

O Smart Flow é um sistema de semáforos adaptativos que usa IA/Machine Learning para ajustar tempos em tempo real com base no fluxo. Com 5G e V2X (comunicação semáforo–veículo), ele:

cria ondas verdes (menos paragens);
equilibra filas entre vias;
pode priorizar veículos de emergência;
melhora a segurança para pedestres e ciclistas.

How we built it

Coleta de dados: sensores/câmeras/contagens (ou dados simulados) + eventos de tráfego.
Inteligência: modelos de Machine Learning para prever volume/filas e um módulo de IA para decidir o melhor phase split (tempo de verde) e a coordenação entre cruzamentos.
Conectividade: comunicação em 5G para baixa latência e V2X para trocar informações com veículos (ex.: aproximação, velocidade, prioridade).
Camada de controle: lógica de semáforo + regras de segurança (mínimos de verde, amarelo, travessia).

Challenges we ran into

Latência e confiabilidade na comunicação (5G/V2X) para decisões em tempo real.
Segurança operacional: otimizar sem gerar situações perigosas (pedestres, amarelo, conflitos).
Dados imperfeitos (ruído, falhas de sensor) e generalização do ML para cenários diferentes.
Coordenação multi-interseção: otimizar um cruzamento pode piorar outro.

Accomplishments that we're proud of

Definimos uma arquitetura clara unindo IA + ML + 5G + V2X.
Criamos uma estratégia de controle adaptativo focada em fluidez e segurança.
Estruturamos o sistema para evoluir de simulação para pilotos reais com o mesmo núcleo de decisão.

What we learned

Otimização local vs. global: coordenação entre cruzamentos é essencial.
ML é tão bom quanto os dados; robustez (filtros, fallback) é obrigatória.
V2X agrega muito: dá “visibilidade” antecipada do que está chegando ao cruzamento.
Regras de segurança e validação são parte do produto, não detalhe.

What's next for Smart Flow

Treinar/validar com mais cenários (chuva, eventos, obras) e métricas (tempo médio, filas, emissões, segurança).
Integrar melhor o V2X (prioridade dinâmica, eco-driving, avisos ao motorista).
Implementar fail-safe (modo fixo/planos de contingência) e testes de stress.
Preparar um piloto em área controlada (campus/condomínio/ruas selecionadas) e parcerias com município/operadoras.

English

Inspiration

Cities are increasingly congested, and “fixed” traffic lights don’t respond to traffic peaks, accidents, roadworks, or major events. The Smart Flow idea emerged from the need to reduce wasted time, increase safety at intersections, and prepare mobility for a connected future (V2X + 5G).

What it does

Smart Flow is an adaptive traffic-light system that uses AI/Machine Learning to adjust signal timings in real time based on traffic flow. With 5G and V2X (traffic light–vehicle communication), it:

creates green waves (fewer stops);
balances queues across approaches;
can prioritize emergency vehicles;
improves safety for pedestrians and cyclists.

How we built it

Data collection: sensors/cameras/traffic counts (or simulated data) + traffic events.
Intelligence: Machine Learning models to predict volume/queues, plus an AI module to choose the best phase split (green time allocation) and coordinate across intersections.
Connectivity: 5G communication for low latency and V2X to exchange information with vehicles (e.g., approach, speed, priority).
Control layer: traffic-signal logic + safety rules (minimum green, yellow, pedestrian crossing times).

Challenges we ran into

Latency and reliability in communication (5G/V2X) for real-time decision-making.
Operational safety: optimize without creating dangerous situations (pedestrians, yellow phases, conflict points).
Imperfect data (noise, sensor failures) and ML generalization across different scenarios.
Multi-intersection coordination: improving one junction can worsen another.

Accomplishments that we're proud of

We defined a clear architecture combining AI + ML + 5G + V2X.
We built an adaptive control strategy focused on traffic flow and safety.
We structured the system to evolve from simulation to real-world pilots using the same decision core.

What we learned

Local vs. global optimization: coordination between intersections is essential.
ML is only as good as the data; robustness (filtering, fallback strategies) is mandatory.
V2X adds major value: it provides early “visibility” into what’s approaching the intersection.
Safety rules and validation are part of the product, not a minor detail.

What's next for Smart Flow

Train/validate with more scenarios (rain, events, roadworks) and metrics (average travel time, queue lengths, emissions, safety).
Improve V2X integration (dynamic priority, eco-driving, driver alerts).
Implement fail-safe modes (fixed-time operation/contingency plans) and run stress tests.
Prepare a pilot in a controlled area (campus/gated community/selected streets) and build partnerships with municipalities/mobile operators.