Onebusaway

O OneBusAway é usado em vários lugares hoje em dia, incluindo o http://onebusaway.org/ original em Seattle. Nós criamos o OneBusAway de código aberto, para que outros possam implantar facilmente seu próprio sistema de informações em tempo real. Esse modelo provou ser bem-sucedido com implantações independentes do OneBusAway em várias cidades .

Aqui, descrevemos os problemas envolvidos em trazer o OneBusAway para sua própria cidade.

O que o OneBusAway fornece e não fornece

Antes de considerar se você pode executar o OneBusAway por conta própria, é importante considerar o que o OneBusAway faz e não fornece.

Embora o OneBusAway forneça uma variedade de interfaces e ferramentas de usuário para acessar chegadas em tempo real e outras informações para sistemas de transporte público, presumimos que você possa fornecer dados estáticos de agendamento no formato GTFS para sua agência de transporte de destino. Também assumimos que sua agência de transporte público já possui equipamentos de rastreamento em tempo real instalados em seus veículos, se você quiser mostrar informações em tempo real no OneBusAway. Mais detalhes abaixo.

GTFS

O OneBusAway precisa de informações estáticas de agendamento para cada agência de transporte público que deve ser suportada. O OneBusAway atualmente requer dados de agendamento no formato General Transit Feed Specification (GTFS) . Se você deseja executar o OneBusAway por conta própria, precisará do GTFS para sua agência de transporte público. Muitas agências de transporte público já publicam seus dados de agendamento no formato GTFS: consulte http://www.gtfs-data-exchange.com/ e http://www.citygoround.org/ para obter listas de agências com dados públicos.

Se sua agência ainda não publica GTFS, mas fornece os dados de agendamento em algum outro formato, às vezes você pode criar seu próprio GTFS a partir deles. Existem muitas ferramentas por aí , incluindo algumas fornecidas diretamente pelo OneBusAway .

Dados em tempo real

Embora o OneBusAway forneça interfaces de usuário para acessar informações de chegada em tempo real para veículos de transporte público, ele não realiza nenhum rastreamento ou previsão real de veículo em tempo real. Assumimos que seu sistema de transporte público já possui algum tipo de equipamento de rastreamento em tempo real instalado, como unidades de GPS. Se o seu sistema de transporte público não tiver rastreamento em tempo real, você ainda poderá usar o OneBusAway para fornecer informações estáticas de agendamento, mas obviamente não terá informações em tempo real.

Se a sua agência de transporte público possui equipamento de rastreamento em tempo real, o truque é transferir esses dados da agência para o OneBusAway. Existem vários formatos para a troca de dados de trânsito em tempo real suportados pelo OneBusAway, incluindo GTFS em tempo real e SIRI . Esperamos que sua agência forneça dados em um desses formatos. No entanto, se não o fizerem, talvez seja possível criar um adaptador de dados para converter em um dos formatos suportados pelo OneBusAway.

Executando o OneBusAway por conta própria

Se você pode fornecer a programação necessária e as entradas de dados em tempo real necessárias para executar o OneBusAway, poderá executar o OneBusAway por conta própria gratuitamente. Observe que, enquanto estamos trabalhando para facilitar o uso e a implantação do OneBusAway todos os dias, a execução do OneBusAway por conta própria ainda exigirá um pouco de conhecimento técnico, incluindo algumas habilidades básicas de administração do sistema. Para começar, confira:

OneBusAway Apps

Deseja disponibilizar os aplicativos OneBusAway para iPhone, Android, Windows Phone e Windows 8 / RT em sua cidade? Depois de configurar um servidor OneBusAway, a iniciativa de várias regiões simplifica isso! Consulte a seção na página de várias regiões dos Administradores do OneBusAway Server para obter informações sobre como adicionar seu servidor ao Diretório do servidor OneBusAway para os aplicativos de várias regiões.

 

 

GTFS-realtime é um formato de dados para comunicação de informações em tempo real sobre sistemas de transporte público. Os dados em tempo real do GTFS são codificados e decodificados usando os Buffers de Protocolo , uma representação binária compacta projetada para processamento rápido e eficiente. O próprio esquema de dados é definido em gtfs-realtime.proto .

Para trabalhar com dados em tempo real do GTFS, um desenvolvedor normalmente usava o gtfs-realtime.protoesquema para gerar classes na linguagem de programação de sua escolha. Essas classes podem ser usadas para construir objetos de modelo de dados em tempo real GTFS e serializá-los como dados binários ou, na direção inversa, analisar dados binários em objetos de modelo de dados.

Como gerar classes de modelo de dados em tempo real GTFS em tempo real gtfs-realtime.protoé uma tarefa tão comum, mas também que às vezes causa confusão para os desenvolvedores iniciantes, este projeto visa fornecer ligações de linguagem GTFS em tempo real pré-geradas para várias das mais populares linguagens de programação. Sempre que possível, essas ligações de idiomas serão publicadas como pacotes para facilitar seu uso em outros projetos.

Fornece classes Python geradas a partir da especificação GTFS-realtime Protocol Buffer. Essas classes permitem analisar um feed de dados em tempo real GTFS do buffer de protocolo binário em objetos Python.

Adicione a Dependência

Para usar as gtfs-realtime-bindingsclasses em seu próprio projeto, você precisa primeiro instalar o módulo a partir do repositório PyPI .

# Using easy_install
easy_install --upgrade gtfs-realtime-bindings

# Using pip
pip install --upgrade gtfs-realtime-bindings

Código de exemplo

O seguinte trecho de código demonstra o download de um feed de dados GTFS em tempo real de uma URL específica, analisando-o como um FeedMessage (o tipo raiz do esquema GTFS em tempo real) e iterando sobre os resultados.

de google.transit importação gtfs_realtime_pb2
 importação pedidos

feed = gtfs_realtime_pb2.FeedMessage ()
response = orders.get ( ' URL DA SUA FONTE GTFS-REALTIME VAI AQUI ' )
feed.ParseFromString (response.content)
para entidade em feed.entity:
   if entity.HasField ( ' trip_update ' ):
     imprime entity.trip_update

Para obter mais detalhes sobre as convenções de nomenclatura para as classes Python geradas a partir do gtfs-realtime.proto , consulte a seção Código Gerado pelo Python no site do desenvolvedor de Buffers de Protocolo.

 

Exemplo em Python

Para usar as classes Python gtfs-realtime-bindings no seu projeto, primeiro você precisa instalar o módulo pelo repositório PyPI (em inglês).

# Using easy_install
easy_install --upgrade gtfs-realtime-bindings

# Using pip
pip install --upgrade gtfs-realtime-bindings

O snippet de código a seguir demonstra o download de um feed de dados da GTFS Realtime a partir de um URL específico, a análise como FeedMessage, que é o tipo raiz do esquema da GTFS Realtime, e a iteração dos resultados.

from google.transit import gtfs_realtime_pb2
import urllib

feed = gtfs_realtime_pb2.FeedMessage()
response = urllib.urlopen('URL OF YOUR GTFS-REALTIME SOURCE GOES HERE')
feed.ParseFromString(response.read())
for entity in feed.entity:
  if entity.HasField('trip_update'):
    print entity.trip_update

Para mais detalhes, veja a página do projeto Python (em inglês).

 

TransitFeed

A biblioteca TransitFeed contém várias partes, cada uma com suas próprias instruções:

  • TransitFeed – um pacote Python para leitura, gravação e validação de feeds
  • FeedValidator – uma ferramenta de linha de comando que verifica se há problemas no feed GTFS
  • ScheduleViewer – um aplicativo para explorar um feed em um mapa
  • KMLWriter – um aplicativo para plotagem de paradas de um feed em um arquivo KML para visualização no Google Earth
  • Merge – combina dois arquivos GTFS em um
  • GoogleRandomQueries – um programa de exemplo. gera consultas aleatórias para o planejador de viagens do Google Maps.
  • UnusualTripFilter – define o trip_type dependendo da frequência com que um padrão é usado

 

TransitFeed

transitfeed.pyé um módulo Python para ler, validar e gravar informações de agendamento de trânsito no formato GTFS . Os programadores de Python são incentivados a usar essa funcionalidade ao criar programas que funcionem com dados de trânsito.

Instalar

Alguns recursos da distribuição dependem do pytz . Pode ser necessário instalá-lo manualmente.

A maneira mais fácil de instalar transitfeedé usando easy_installo pacote Python setuptools :

easy_install transitfeed

irá baixar e instalar transitfeede os scripts que acompanham.

Se você não tiver o easy_install no seu computador, poderá fazer o download transitfeed-<version>.tar.gzem [http://code.google.com/p/googletransitdatafeed/downloads/list da seção de downloads]. Expanda com tar -xfz transitfeed-<version>.tar.gz. Você pode executar as ferramentas diretamente do diretório expandido ou executar python setup.py install.

Uso da amostra

Um pequeno programa de amostra para criar um feed (incompleto) é mostrado abaixo. O diretório de exemplos contém mais scripts de amostra.

import transitfeed


schedule = transitfeed.Schedule()
schedule.AddAgency("Fly Agency", "http://iflyagency.com",
                   "America/Los_Angeles")

service_period = schedule.GetDefaultServicePeriod()
service_period.SetStartDate("20070101")
service_period.SetEndDate("20080101")
service_period.SetWeekdayService(True)
service_period.SetDateHasService('20070704', False)

stop1 = schedule.AddStop(lng=-122, lat=37.2, name="Suburbia")
stop2 = schedule.AddStop(lng=-122.001, lat=37.201, name="Civic Center")

route = schedule.AddRoute(short_name="22", long_name="Civic Center Express",
                          route_type="Bus")

trip = route.AddTrip(schedule, headsign="To Downtown")
trip.AddStopTime(stop1, stop_time='09:00:00')
trip.AddStopTime(stop2, stop_time='09:15:00')

trip = route.AddTrip(schedule, headsign="To Suburbia")
trip.AddStopTime(stop1, stop_time='17:30:00')
trip.AddStopTime(stop2, stop_time='17:45:00')

schedule.Validate()
schedule.WriteGoogleTransitFeed('google_transit.zip')

 

 

FeedValidator

feedvalidatoré uma ferramenta de linha de comando que verifica um GTFS alimentar para os problemas e gera um relatório HTML. A execução no feed de dados de trânsito e a correção dos problemas encontrados podem evitar problemas de exibição e roteamento no futuro.

Para obter uma lista dos erros e avisos que o FeedValidator gera, consulte a página FeedValidatorErrorsAndWarnings .

Você pode executar o validador em um diretório não compactado de arquivos GTFS txt ou em um arquivo ZIP diretamente.

Versão autônoma do Windows

Nós fornecemos uma versão executável do Windows por conveniência; se você estiver executando o Windows, use este. Para obtê-lo, faça o download da versão mais recente em:

https://github.com/google/transitfeed/releases/latest

Depois de baixá-lo e descompactá-lo, existem algumas maneiras de executá-lo:

Mais fácil

Arraste um arquivo ou diretório zip do GTFS para feedvalidator.exe. Uma janela será exibida com o resultado do teste de validação:

Intermediário

Clique duas vezes feedvalidator.exe. Uma janela aparecerá e solicitará que você insira o local do seu arquivo ou diretório de feed. Você pode digitar ou simplesmente arrastar um arquivo ou diretório GTFS para a janela e pressionar Enter.

Especialista

Ir para o comando do Windows prompt e digite: feedvalidator <name of feed file or directory>. Se você deseja evitar o prompt no final da validação, use o --nopromptparâmetro

Versão do código fonte do Python

Use esta versão se você estiver no Mac OS X ou Linux.

Antes de executar o validador de feed, você deve instalar o Python. É testado com as versões 2.4 e 2.5 e deve funcionar com 2.6. Você pode baixar o Python em http://www.python.org/download/

Consulte Página inicial para obter detalhes sobre o download da distribuição de origem.

Corrida

Execute o validador de feed como

feedvalidator.py <feed filename>

O aviso “Fuso horário não verificado (instale o pacote pytz para validação do fuso horário)” é normal. feedvalidatorNão é possível verificar a ortografia do agency_timezone até instalar o pacote pytz.

Ajuda extra para usuários do Windows XP / 2000

Abra uma nova janela do prompt de comando. Mude para o diretório que contém feedvalidator.py (Dica: digite “cd” sem aspas e arraste o ícone da pasta para a janela do prompt de comando). Execute feedvalidator.py. Se você não quiser digitar o nome do arquivo do feed, arraste-o para a janela do prompt de comando.

Opções de linha de comando

Usage: feedvalidator.py [options] [<input GTFS.zip>]

Validates GTFS file (or directory) <input GTFS.zip> and writes a HTML
report of the results to validation-results.html.

If <input GTFS.zip> is ommited the filename is read from the console. Dragging
a file into the console may enter the filename.

For more information see
https://github.com/google/transitfeed/wiki/FeedValidator


Options:
  --version             show program's version number and exit
  -h, --help            show this help message and exit
  -n, --noprompt        do not prompt for feed location or load output in
                        browser
  -o FILE, --output=FILE
                        write html output to FILE or --output=CONSOLE to print
                        all errors and warnings to the command console
  -p, --performance     output memory and time performance (Availability: Unix
  -m, --memory_db       Use in-memory sqlite db instead of a temporary file.
                        It is faster but uses more RAM.
  -d, --duplicate_trip_check
                        Check for duplicate trips which go through the same
                        stops with same service and start times
  -l LIMIT_PER_TYPE, --limit_per_type=LIMIT_PER_TYPE
                        Maximum number of errors and warnings to keep of each
                        type
  --latest_version=LATEST_VERSION
                        a version number such as 1.2.1 or None to get the
                        latest version from code.google.com. Output a warning
                        if transitfeed.py is older than this version.
  --service_gap_interval=SERVICE_GAP_INTERVAL
                        the number of consecutive days to search for with no
                        scheduled service. For each interval with no service
                        having this number of days or more a warning will be
                        issued

ScheduleViewer

 

 

Introdução

O Schedule Viewer é um programa Python para exibir o conteúdo de um feed GTFS em um mapa. É um programa de diagnóstico destinado a quem cria um feed e, como tal, não inclui o planejamento de viagens ou outros recursos úteis para os passageiros em trânsito.

Instalação

O visualizador de programação faz parte da distribuição de feeds de transporte público. Consulte a página [TransitFeedDistribution sobre a distribuição de feeds de trânsito] para obter instruções sobre como instalar a fonte executável do Windows ou python.

Para executar, você precisa:

  • (Opcional) Se você quiser acessar o visualizador de agendamento de outra máquina <google_maps_api_key>, precisará de uma chave da API do Google Maps para sua máquina http://my-hostname:8765, disponível na [http://www.google.com/apis/maps/signup.html API do Google Maps página de inscrição]
  • <feed_file_or_directory>um arquivo de feed de trânsito ou um diretório que contém um arquivo de feed expandido. Se você não tiver um feed, faça o download de um na página PublicFeeds ou leia a [http://code.google.com/transit/spec/transit_feed_specification.htm Especificação de feed do Google Transit] para criar o seu.

Executando a partir da origem

python schedule_viewer.py [--key <google_maps_api_key>] --feed_filename <feed_file_or_directory>

No Windows, o executável python é normalmente instalado como C:\Python25\python

Executando o Windows exe

Se você acessar apenas o visualizador de agendamento no computador local (esse é o caso mais seguro e mais comum), clique duas vezes em schedule_viewer.exe. Quando solicitado, Enter Feed Location:arraste o arquivo GTFS para a janela e pressione Enter.

Caso contrário, execute o seguinte comando

schedule_viewer.exe [--key <google_maps_api_key>] --feed_filename <feed_file_or_directory>

Se você executá-lo em Iniciar -> Executar, inclua o caminho completo do schedule_viewer.exe e se estiver em um prompt de comandos, mude para o diretório que contém o schedule_viewer.exe.

Explore seus dados

Depois que o schedule_viewer termina de carregar o arquivo de feed, ele imprime um URL. Ignore esse URL porque ele não funcionará com sua chave da API do Google Maps. Em vez disso, vá para http: // localhost: 8765 / no seu navegador e uma página semelhante à captura de tela acima deve carregar.

Explorar paradas

Depois de arrastar o mapa para um novo local com o mouse, ele exibirá paradas na área atual como marcadores azuis semi-transparentes. Várias paradas no mesmo local se acumularão, criando um marcador azul mais escuro. Se stops.txt definelocation_typePara distinguir estações e paradas, as estações têm marcadores vermelhos e as paradas, azuis. Observe que o FeedValidator avisa que as paradas a 2m uma da outra devem ser mescladas. Se houver muitas paradas na área do mapa, apenas uma amostra será exibida. Para ver todas as paradas, você precisa aumentar o zoom. O mapa é ampliado ao clicar duas vezes. Se você clicar em um marcador, ele abrirá uma janela listando “stop_name (stop_id)” e as próximas viagens para visitar a parada após “Time:” (HH: MM no canto superior esquerdo da tela). Se a tabela stop_times não contém uma hora exata para uma viagem, o visualizador interpola uma hora e a exibe com um ~. Clique em uma viagem para exibi-la (consulte “Visualizando uma viagem”).

O campo “Find Station:” (canto superior esquerdo da janela) pesquisará todas as paradas que tenham um nome ou stop_id contendo a sequência digitada. As paradas serão exibidas em amarelo. Se houver uma única correspondência, a janela de informações da estação será aberta. Se houver várias correspondências, talvez seja necessário diminuir o zoom para ver todas.

Explorando rotas

O painel esquerdo lista todas as rotas no feed. Clique em um dos nomes de rota para ver os padrões de viagem (um grupo de viagens que visitam as mesmas paradas na mesma ordem) para essa rota. O plano de fundo cinza do padrão indica que ele possui uma viagem com valor diferente de zero trip_type (uma viagem incomum). A primeira viagem será selecionada automaticamente e mostrada no mapa. Para cada padrão de viagem, o número de paradas, o número de viagens e os horários de início são exibidos. Para padrões com muitas viagens, apenas algumas horas de início são exibidas. Para ver os horários de início de mais viagens, edite “Hora:” (HH: MM no canto superior esquerdo da tela) e clique no nome da rota novamente.

Visualizando uma viagem

Depois de clicar em uma viagem na janela de um marcador de parada ou em um horário de início na lista de rotas, ele é exibido no mapa. Cada parada da viagem é mostrada como um marcador amarelo. Um marcador azul semitransparente (consulte “Exploração de paradas”) em cima de um amarelo parece cinza. Os pontos de tempo têm o tempo exibido no mapa. Alguns dos dados de origem para essa viagem e rota serão exibidos na parte inferior da janela. Abaixo dos dados de origem, encontra-se um Marey Graph ([http://www.communication.org.au/publications/case-histories/Timetables-people-and-Tufte/61,0 CRI, Timetables people and Tufte] e [http: //www.drones.com/bart.html Horários gráficos para BART]).

O gráfico Marey mostra todas as viagens com o mesmo padrão da viagem selecionada. Cores diferentes representando diferentes períodos de serviço (consulte a edição 79). O tempo aumenta para a direita com uma escala de horas desde a meia-noite no topo. A distância entre as paradas está no eixo Y, mas não está rotulada. Uma linha mais íngreme representa um movimento mais rápido. Na captura de tela acima, você pode ver um serviço bastante rápido com paradas distantes na East Bay, seguido por uma grande lacuna sem paradas no túnel sob a baía, seguida por paradas frequentes na cidade de São Francisco. Se você colocar o mouse sobre uma viagem, ele é selecionado em branco e o trip_id aparece abaixo do gráfico. Você vê uma única identificação de serviço que fornece o único serviço, de maneira constante, até cerca das 9h.

Inspecionando Problemas

Quando você carrega o visualizador de agendamento pela primeira vez, o mapa é reduzido para conter todas as paradas. Se for muito maior que a sua área de serviço, provavelmente haverá uma parada no lugar errado. Mover o serviço está fora da área de mapa exibida e a parada distante provavelmente aparecerá.

Verifique a localização de uma parada aumentando o zoom até ver os nomes das ruas. Clique no marcador de parada para abrir a janela e verifique se o marcador está no local correto. Para estações ferroviárias, você pode ver a localização real mais facilmente com a visualização por satélite. Repita isso para paradas em diferentes partes da área de serviço.

Clique em todas as rotas. Em cada rota, observe uma viagem de cada padrão. Cuidado com as pernas excessivamente rápidas ou lentas. Se a polilinha tiver saltos, pode haver uma parada com a localização geográfica incorreta ou informações incorretas na tabela stop_times. Se a agência tiver publicado um mapa de rota, poderá ajudá-lo a confirmar que a viagem no GTFS está correta.

Aqui estão alguns exemplos de dados com erros:

Uma parada com uma localização geográfica ruim em stops.txt ou o uso do stop_id errado em stop_times.txt pode causar um grande salto.

Grandes saltos também se destacam como uma linha muito rápida (quase vertical) no Marey Graph. Observe que uma rota com uma seção expressa longa pode ser semelhante no gráfico Marey.

Um zig-zag pode ser causado por localizações geográficas incorretas em stops.txt ou uma sequência incorreta de valores de stop_id em stop_times.txt.

Alguém familiarizado com o BART pode perceber que isso pula duas paradas.

Bugs e solicitações de recursos

[http://code.google.com/p/googletransitdatafeed/issues/list?q=label:App-ScheduleViewer Vote em problemas conhecidos do ScheduleViewer] para que os desenvolvedores saibam o que é importante.

Se você encontrar um bug não relatado ou tiver uma solicitação de recurso, registre um novo problema e adicione o rótulo App-ScheduleViewer.

 

 

KML Writer

O kmlwriter é uma ferramenta de linha de comando que plota as paradas, viagens e formas definidas em um Google Transit Feed como um arquivo KML que pode ser visualizado no Google Earth ou em qualquer outro aplicativo que use arquivos KML. A utilização pode ajudar a confirmar que as paradas e formas estão localizadas no lugar certo. Ele também fornece uma visualização em 3D de suas viagens que podem ajudá-lo a encontrar certos tipos de erros no seu arquivo stop_times.

Instalando

kmlwriter faz parte da distribuição transitfeed. As instruções de instalação para todos os sistemas operacionais podem ser encontradas na página TransitFeedDistribution. O kmlwriter depende do! ElementTree, que você pode precisar instalar manualmente.

Uso da linha de comando

Execute o validador de feed como

Usage: kmlwriter.py [options] <input GTFS.zip> [<output.kml>]

Reads GTFS file or directory <input GTFS.zip> and creates a KML file
<output.kml> that contains the geographical features of the input. If
<output.kml> is omitted a default filename is picked based on
<input GTFS.zip>. By default the KML contains all stops and shapes.


Options:
  --version             show program's version number and exit
  -h, --help            show this help message and exit
  -t, --showtrips       include the individual trips for each route
  -a ALTITUDE_PER_SEC, --altitude_per_sec=ALTITUDE_PER_SEC
                        if greater than 0 trips are drawn with time axis set
                        to this many meters high for each second of time
  -s, --splitroutes     split the routes by type
  -d DATE_FILTER, --date_filter=DATE_FILTER
                        Restrict to trips active on date YYYYMMDD
  -p, --display_shape_points
                        shows the actual points along shapes

Visualizando

Para visualizar o arquivo KML resultante, abra o Google Earth e escolha o comando Arquivo> Abrir … no menu. Navegue até o arquivo .kml salvo e o Google Earth plotará as paradas como marcas de lugar no globo.

 

 

Merge

 

Em muitos casos, os usuários do GTFS precisam combinar dois feeds que representam períodos de serviço diferentes para o serviço. Por exemplo, uma agência que altera sua programação trimestralmente pode ter um arquivo GTFS para o período de janeiro a março e outro para o período de abril a junho. A ferramenta de mesclagem ajuda os usuários a combinar esses dois arquivos para que eles possam publicar um arquivo GTFS sem falhas no serviço.

Usando Mesclagem

A ferramenta de mesclagem se destina a mesclar agendas. Novas paradas serão tratadas, mas algumas alterações, como mudanças de movimento, podem causar problemas.

Instalando e executando o binário do Windows

Primeiro, baixe a versão compilada do TransitFeedDistribution for Windows a partir de downloads . Descompacte o arquivo zip em algum local – para os fins deste documento, vamos supor que o arquivo zip esteja descompactado para C:\que todos os arquivos estejam C:\transitfeed-windows-binary-1.2.0. A ferramenta de mesclagem é merge.exe.

Abra uma janela da linha de comando, vá ao menu Iniciar, selecione “Executar …”, digite cmde pressione Enter. Vá para o diretório em que você possui os arquivos GTFS que deseja mesclar usando o cdcomando Se os arquivos estiverem no c:\gtfs_filestipo `cd \ gtfs_files ‘.

Para mesclar dois arquivos de feed, você passa o nome dos dois arquivos na linha de comando junto com o nome do novo arquivo GTFS mesclado.

Por exemplo, se os dois arquivos de feed são jan_schedule.zipfeb_schedule.zipvocê usa a seguinte linha de comando:

c:\transitfeed-windows-binary-1.2.0\merge jan_schedule.zip feb_schedule.zip merged_schedule.zip

Se não houver erros, você terá um novo arquivo, merged_schedule.zipque conterá a programação para janeiro e fevereiro.

Se você possui arquivos pequenos ou muita memória RAM, pode tentar a opção –memory_db, que roda muito mais rapidamente.

Executando a partir do código-fonte Python

Depois de instalar a fonte TransitFeedDistribution, basta executar python merge.py old_schedule.zip new_schedule.zip merged_schedule.zip. Para opções adicionais, tente python merge.py --help.

Se você possui arquivos pequenos ou muita memória RAM, pode tentar a opção –memory_db, que roda muito mais rapidamente.

Uso da linha de comando

Usage: merge.py [options] <input GTFS a.zip> <input GTFS b.zip> <output GTFS.zip>

Merges <input GTFS a.zip> and <input GTFS b.zip> into a new GTFS file
<output GTFS.zip>.


Options:
  --version             show program's version number and exit
  -h, --help            show this help message and exit
  --cutoff_date=CUTOFF_DATE
                        a transition date from the old feed to the new feed in
                        the format YYYYMMDD
  --largest_stop_distance=LARGEST_STOP_DISTANCE
                        the furthest distance two stops can be apart and still
                        be merged, in metres
  --largest_shape_distance=LARGEST_SHAPE_DISTANCE
                        the furthest distance the endpoints of two shapes can
                        be apart and the shape still be merged, in metres
  --html_output_path=HTML_OUTPUT_PATH
                        write the html output to this file
  --no_browser          prevents the merge results from being opened in a
                        browser
  -m, --memory_db       Use in-memory sqlite db instead of a temporary file.
                        It is faster but uses more RAM.

 

Fonte: https://github.com/MobilityData/gtfs-realtime-bindings-php

Fonte: https://github.com/MobilityData/gtfs-realtime-bindings/tree/master/python

Fonte: https://pypi.org/project/gtfs-realtime-bindings/

Fonte: https://developers.google.com/transit/gtfs-realtime/examples/python-sample

Fonte: https://github.com/OneBusAway/onebusaway/wiki/Running-Onebusaway

https://github.com/google/transitfeed/wiki

http://www.gtfs-data-exchange.com/

https://mobilitydata.org/

Geolocalização e geocódigos em Python


1. Obtenha o local atual

Usaremos o pacote Geocoder para obter a localização atual, pois ela possui uma interface simples para o processamento de endereços IP.

import geocoder
g = geocoder.ip('me')
g.latlng
Out[1]: [48.4593, 35.0386]
g.address
Out[2]: 'Dnipro, Dnipropetrovsk, UA'geocoder de importação

g = geocoder . ip ( 'eu' )
g . latlng
Fora [ 1 ]: [ 48.4593 , 35.0386 ]
g . endereço
Fora [ 2 ]: 'Dnipro, Dnipropetrovsk, UA'

 


2. Localização por Geocódigo

Para mim, o Geocoder é um pouco confuso para trabalhar com endereços. Em vez disso, tentaremos a sorte com a biblioteca GeoPy, que possui um número impressionante de serviços de geocodificação e APIs.

Para mim, o Geocoder é um pouco confuso para trabalhar com endereços. Em vez disso, tentaremos a sorte com a biblioteca GeoPy, que possui um número impressionante de serviços de geocodificação e APIs.

from geopy.geocoders import Nominatim
geolocator = Nominatim(user_agent="user",timeout=10)
location = geolocator.geocode("Dnipro, Dnipropetrovsk, UA")
(location.latitude, location.longitude)
Out[3]: (48.4680221, 35.0417711)

 


3. Geocódigo por local

Você também pode tentar o serviço ao contrário – obtenha o geotag vinculado por localização. Nossa sorte que o GeoPy fornece exatamente esse recurso.

from geopy.geocoders import Nominatim
geolocator = Nominatim(user_agent="user",timeout=10)
location = geolocator.geocode("Dnipro, Dnipropetrovsk, UA")
(location.latitude, location.longitude)
Out[3]: (48.4680221, 35.0417711)


4. Meça a distância

Se o seu serviço estiver orientado para viagens, o conhecimento das coordenadas da localização não será suficiente. Estamos perdendo a distância entre eles.

loc_paris = geolocator.geocode('Eiffel tower, Paris, France')
loc_paris.address
Out[5]: 'Tour Eiffel, 5, Avenue Anatole France, Quartier du Gros-Caillou, Paris 7e Arrondissement, Paris, Île-de-France, France métropolitaine, 75007, France'

loc_dnipro = geolocator.geocode ("Dnipro, Dnipropetrovsk, UA")

from geopy import distance
coords_1 = (loc_paris.latitude, loc_paris.longitude)
coords_2 = (loc_dnipro.latitude, loc_dnipro.longitude)
distance.distance(coords_1, coords_2).km
Out[6]: 2393.931548459712

Fora [7]: 1487.520100400978

Conclusão

Esta foi uma breve introdução, mas você pode mergulhar na documentação dos dois pacotes e descobrir mais. Você pode encontrar todo o caderno de trabalho no meu GitHub:

Fonte: https://medium.com/better-programming/geolocation-and-geocodes-in-python-e71e056ffaea

 

 

 

SIMULAÇÃO DE TRANSPORTE DE CALOR ENTRE MATERIAIS NANOESTRUTURADOS

 

WENTZ, Victor Hugo. Engenharia Física – ILCVN- UNILA E-mail: victor . wentz @ aluno . unila . edu . br LAPAS, Luciano Calheiros. Engenharia ´Física – ILCVN – UNILA E-mail: luciano . lapas @ unila . edu . br 1

Introdução O uso de nanopartículas nas tecnologia atuais vem crescendo muito com o avanço nos estudos, como, p.ex., no uso das mesmas para o aumento da eficiência energética em uma células solares. O objetivo deste trabalho é fazer a implementação a partir de cálculo numérico que compute a transferência de energia entre duas nanopartículas e a interação entre elas. Essa interação se da pela equação abaixo.

eq.1 onde utilizamos o potencial de Lennard-Jones.

2 Metodologia Para a realização do projeto foi criado um modelo que consistia na criação de 2 cubos de mesmo tamanho, submetidos a diferentes temperaturas e separados por uma distância arbitrária. Em cada cubo coloca-se uma partículas em posições definidas e, a partir da dinâmica de interações, são analisadas as transferências de energia entre elas. O cubo da esquerda é mantido a uma temperatura de 300 K e o cubo da direita a uma temperatura de 150 K. O método utilizado para estudo da velocidade e posição é por meio do método de Euler. Para a implementação do simulador foi utilizado a linguagem de programação Python. O simulador é dividido em várias funções: função para força aleatória, força de LennardJones e depois essas funções são chamadas dentro da função que calcula a trajetória e velocidade das partículas. 3 Fundamentação teórica A transferência de calor ocorre quando 2 corpos submetidos a diferentes temperaturas entram em contato ou estão em um mesmo local, próximos um do outro, fazendo com que a energia térmica de um corpo seja transferido para outro. Em nanoescala esse processo não é tão simples, ele sofre influência de várias forças. Na Eq. (1). temos a força de Lennard-Jones.

E também temos uma força aleatória cujo módulo é estabelecido em

Onde K é a constante de Boltzmann. Utilizando o método de Euler se faz uma aproximação da trajetória e da velocidade das partículas, obtendo a potência transferida entre as nanopartículas. Quando se obtém as potências de cada nanopartícula, podemos obter a energia transferida entre elas. 4 Resultados Após a execução das interações, obtivemos os resultados numéricos para a velocidade e a posição utilizando o método de Euler. São observados os comportamentos esperados em experimentos recentemente realizados, verificado a enfase à transferência de radiação térmica entre as estruturas. 5 Conclusão Os resultados estão de acordo com os resultados esperados para este projeto, possibilitando a implementação computacional de resultados experimentais de grande utilidade para a área.

6 Referências 12. [1] Pérez-Madrid, A. and Rubí, J. M. and Lapas, L. C. Phys. Rev. Lett. 103, 048301(2009). [2] A. Pérez-Madrid and L. C. Lapas and J. M. Rubíı. PLOS One 8, e58770 (2013). [3] Rousseau, E. and Siria, A. and Jourdan, G. and Volz, S. and Comin, F. and Chevrier, J. and Greffet, J.-J. Nature Photon. 3, 514 (2009)

 

Fonte:

https://dspace.unila.edu.br/bitstream/handle/123456789/1344/EICTI%202016_262-263.pdf?sequence=1&isAllowed=y

Síntese, caracterização e atividade fotocatalítica de nanocompósitos de óxido de grafeno reduzido/Hematita

Resumo: A fotocatálise é um ramo da química que usa luz para catalisar reações de interesse, por exemplo, para a degradação de compostos nocivos ao meio ambiente, síntese de substâncias químicas, ou até mesmo a quebra da molécula de água liberando hidrogênio e oxigênio. Nos últimos anos a Hematita (“alfa”-Fe2O3) se tornou bastante popular nessa área por ser um material extremamente disponível no planeta, ter baixa toxicidade, alta estabilidade e absorver radiação eletromagnética em uma faixa interessante do espectro solar. No entanto, desenvolvimentos ainda precisam ser feitos para explorar o seu potencial. Neste trabalho, com o intuito de diminuir a recombinação elétron-lacuna na Hematita, acoplamos esse material ao óxido de Grafeno reduzido (rGO), de forma a escoar os elétrons fotogerados mais facilmente. Com esse objetivo, dois tipos de nanocompósitos foram sintetizados, o primeiro deles através de uma rota hidrotermal com a ancoragem de nanobastões ocos de Hematita na superfície de óxido de grafeno (GO) que foi posteriormente reduzido quimicamente para rGO. Esse nanocompósito foi testado em uma aplicação modelo para degradação do corante azo Remazol Black B, obtendo 95% de descoloração em 35 minutos em uma solução contendo 25 mg/L de corante e 10 mg/L do fotocatalisador. O segundo nanocompósito foi sintetizado através de uma rota híbrida de eletrodeposição e deposição eletroforética sobre substratos transparentes condutores de óxido de estanho dopado com flúor (FTO) utilizando uma solução de FeCl3 com nanofolhas de GO suspensas que são reduzidas simultaneamente durante a deposição. O nanocompósito exibiu fotoatividade quase 80 vezes superior em comparação com um filme de Hematita eletrodepositado nas mesmas condições sem o rGO, quando aplicado na fotodecomposição de moléculas de água utilizando uma célula fotoeletroquímica (water splitting)

Fontehttp://repositorio.unicamp.br/handle/REPOSIP/335276

http://repositorio.unicamp.br/bitstream/REPOSIP/335276/1/Barauna_JairoBrenoFranciscoDeOliveira_M.pdf

 

 

 

 

REVISTA FATOR BRASIL – SEMANA DO BRASIL

 

Semana do Brasil’

A Semana do Brasil vai acontecer a primeira de 06 a 15 de setembro de 2019. Um movimento que une o poder público e a iniciativa privada para movimentar nossa economia, para gerar oportunidades únicas para quem produz e para quem consome e, principalmente, para valorizar o orgulho de sermos brasileiros.

Empresas e empreendedores de todos os tamanhos e setores podem participar. Afinal, oportunidades se apresentam de várias formas diferentes e a ‘Semana do Brasil’ pertence a todos os brasileiros.

Porque a partir de agora, setembro não será mais apenas sinônimo de ‘Dia da Independência’: setembro será o momento da Semana do Brasil.

Clique em Quero Participar e cadastre a sua empresa para ter acesso ao Selo e ao Manual de Identidade Visual,

no site: http://www.brasil.gov.br/semanadobrasil

 

FONTE:  http://www.revistafatorbrasil.com.br

Coordenadora do Movimento dos Atingidos pelas Barragens (MAB) é Decaptada

“Ela era uma grande referência do MAB na região”, disse Cleidiane Vieira, que faz parte da coordenação regional do Movimento dos Atingidos pelas Barragens (MAB) sobre o assassinato da também coordenadora do movimento, Dilma Ferreira da Silva, 45 anos, que foi encontrada degolada, provavelmente por arma branca (faca ou terçado), entre às 21 horas de quinta-feira (21) e zero hora em sua casa no assentamento Salvador Allende, zona rural de Baião, no nordeste do Pará. A polícia chegou ao local do crime por volta do meio dia desta sexta-feira (22).

Por Moisés Sarraf, do Amazônia Real

Coordenador do MAB em Tucuruí, Roquevam Alves Silva disse à agência Amazônia Real que não existia conflito agrário no assentamento Salvador Allende, onde Dilma foi assassinada, junto com o marido dela, Claudionor Costa da Silva, 42 anos, e Hilton Lopes, 38 anos, um assentado. Os dois homens foram mortos provavelmente por arma branca e arma de fogo.

“O assentamento está regularizado há muito tempo. Só se for de posseiro para posseiro [o suposto motivo para o crime]. Aqui não vamos jogar a culpa ou procurar culpado que não seja o de fato. Da forma como ela foi assassinada, ela foi degolada. Há suspeitas de que ela foi estuprada e torturada, por isso tem que investigar muito para chegar aos criminosos. Não entendemos o motivo de tanta brutalidade”, revelou o coordenador.

Ele disse que os criminosos não usaram arma de fogo, como foi divulgado por sites de notícias de Tucuruí, cidade localizada a 60 quilômetros do assentamento Salvador Allende, no sudeste do Pará. Mas outras fontes consultadas pela reportagem dizem que há arma de fogo na cena do crime.

Segundo a Secretaria de Estado de Segurança Pública e Defesa Social do Pará (Segup), o crime é tratado pela polícia como “execução”, mas ainda não há uma linha de investigação para o motivo e nem pistas dos autores. A secretaria não informou que tipo de armas os criminosos usaram.

A secretaria é chefiada pelo ex-superintendente da Polícia Federal no Pará, delegado Ualame Machado. Ele atuou nas investigações da chacina de Pau D’Arco em que dez trabalhadores rurais foram assassinados por policiais, em 2017, e na morte da missionário Dorothy Stang, em Anapu, em 2005.

“A casa, onde também funcionava um mercadinho, estava toda revirada”, disse a Segup em nota, explicando que as investigações estão centralizadas na Superintendência de Tucuruí, com auxílio ao Núcleo de Apoio à Investigação.

Nem o secretário Ualame Machado e nem o governador do Pará, Helder Barbalho (MDB), fizeram declarações sobre as investigações da morte de Dilma Ferreira.

Para a CPT, Dilma é a primeira ativista pelo direito à terra a ser assassinada na Amazônia, em 2019. Nas redes sociais, a morte da coordenadora do MAB também chocou organizações de mulheres envolvidas no combate a violência e nas manifestações pelo Dia Internacional da Mulher, comemorado este mês.

Roquevam Alves Silva disse que Dilma era coordenadora regional do MAB desde 2005. “A Dilma era uma pessoa muito importante para o MAB, era uma representação muito importante da região. É [a morte dela] uma perda irreparável. Apesar da história de que todo mundo é substituível, jamais será a mesma coisa que a companheira fez para o movimento”, disse ele, que afirmou que os assassinatos aconteceram por volta das 21h (do dia 21 de março), mas os familiares e amigos só souberam na manhã desta sexta-feira (22). Dilma não tinha filhos com o marido, mas deixou uma filha adulta do primeiro casamento.

Os corpos das três vítimas já passaram por necropsia no Instituto Médico de Legal de Tucuruí. Os restos mortais da liderança Dilma Ferreira Silva serão transladados para o sepultamento neste sábado (23) no estado do Maranhão, onde moram os familiares dela. Não há informações sobre os enterros de Claudionor Silva e Hilton Lopes.

Alagada da usina de Tucuruí

Dilma Ferreira da Silva tinha 45 anos e deixou uma filha adulta (Foto: MAB)

O assentamento Salvador Allende, onde vivia Dilma Ferreira da Silva, fica no km 50 da rodovia BR-422, a Transcametá, que corta o município de Baião, no nordeste do Pará.

Maranhense, Dilma e sua família foram atingidas pela construção da usina hidrelétrica de Tucuruí – obra considerada a maior no país, inaugurada em 1984, durante a ditadura militar. A obra desalojou mais de 6 mil famílias.

“Dilma viu sua cidade ser alagada pela abertura das comportas. [Ela] vivenciou o descaso total no processo de reparação, passaram 30 anos desde o começo da obra sem nenhuma reparação”, informou o MAB.

Encontro com Dilma Rousseff

Ao ser comunicada a morte da coordenadora regional em Tucuruí do MAB, na manhã de sexta-feira (22), circulou nas redes sociais a foto dela ao lado da ex-presidente Dilma Rousseff (2011 a agosto de 2016). As duas Dilmas se conheceram em 2011, durante o Encontro Nacional de Mulheres do MAB, em Brasília (DF).

“Entendemos que a eleição da primeira mulher Presidente da República de nosso país coloca-nos, a todas, num novo patamar de luta por nossos direitos e traz para todas as mulheres atingidas por barragens a esperança”, dizia a carta entregue por Dilma à presidente Dilma.

“Que a partir de Vossa sensibilidade de mulher, compreenda bem e nossa situação e possamos avançar na construção de um país mais justo, fraterno e igualitário”, continuava a carta.

No documento encaminhado à presidência, o MAB solicitava “medidas estruturantes, de um processo participativo, de caráter popular, na definição da política energética nacional”, além da regulamentação de decreto assinado pelo então presidente Luís Inácio Lula da Silva sobre o cadastro de atingidos. Pedia ainda “a elaboração de uma nova política nacional de tratamento das questões sociais e ambientais nas grandes obras deste país, além de uma série de medidas de caráter emergencial para pagar a histórica dívida que o Estado Brasileiro tem com os atingidos por barragens”.

“Dilma entregou nas mãos da presidente documento que pedia a criação de uma política nacional de direitos para atingidos por barragens”, conta Cleidiane Vieira.

“Essa é uma bandeira histórica do MAB. Hoje, a população atingida fica à mercê das empresas. Não há uma política de estado – nem a nível nacional nem a estadual.”

A política nacional pleiteada por Dilma Ferreira nunca foi implementada, apesar dela lutar nas mobilizações pela implantação de uma política de direitos para atingidos por barragens.

Conflito agrário

Há um histórico de conflitos agrários na região, segundo a Comissão Pastoral da Terra (CPT). O assentamento Salvador Allende, diz a comissão em seu site, é fruto da ocupação da antiga fazenda Piratininga.

“O local foi ocupado há 12 anos por mais de 400 famílias sem-terra”, informou a CPT. “Desde então, até se tornar um assentamento, foram vários ataques de pistoleiros e conflitos com madeireiros.” Renato Lima, um dos títulos utilizados para se referir ao assentamento, era o nome do antigo proprietário da fazenda.

Em 2007, cerca de 480 famílias ligadas ao Movimento dos Trabalhadores Rurais Sem Terra (MST) ocuparam a fazenda Piratininga, diz a CPT. No dia 6 de agosto daquele ano, um grupo de pistoleiros fez disparos contra o acampamento; não foram registradas vítimas.

Ainda segundo a CPT, dias depois, um grupo de 15 homens invadiu o acampamento, fazendo disparos e agredindo os trabalhadores rurais. Depois desse ataque, as famílias deixaram o local, mas retornaram, apesar das ameaças.

Nos anos seguintes, as famílias sem-terra seguiram denunciando os conflitos agrários na região e o desmatamento ilegal, além de reivindicar a desapropriação das terras para fins de reforma agrária.

Segundo histórico da CPT, em 2011, uma ação de reintegração de posse na fazenda despejou cerca de 50 famílias. Algum tempo depois, porém, o Instituto Nacional de Colonização e Reforma Agrária (Incra) iniciou a medição dos lotes, que deram origem ao assentamento Salvador Allende.

“A gente ainda não sabe ainda se a causa foi conflito agrário”, afirma o advogado José Batista, da CPT, uma vez que o assentamento está consolidado pelo Incra.

Mortes no Pará

A cidade de Pau D´Arco no dia da chacina na fazenda Santa Lúcia 1 (Foto: MPE do Pará)

Casos recentes demonstram a recorrência de assassinatos envolvendo conflitos agrários no Pará. No dia 12 de março de 2018, Paulo Sérgio Almeida Nascimento foi morto a tiros na zona rural do município de Barcarena. Ele era segundo-tesoureiro da Associação dos Caboclos, Indígenas e Quilombolas da Amazônia (Cainquiama), organização que denunciou vazamentos das bacias de rejeitos da empresa Hydro-Alunorte, no início do ano passado.

Já no dia 15 de abril de 2018, foi assassinado o líder quilombola Nazildo dos Santos Brito, 33 anos, da comunidade Turê III, que fica entre os municípios de Tomé-Açu e Acará, no nordeste paraense. Ele vinha sendo ameaçado por denunciar crimes ambientais na região. Em janeiro deste ano, o Ministério Público do Estado do Pará denunciou o fazendeiro José Telmo Zani pelo assassinato do quilombola. Segundo moradores da comunidade, José Telmo fazia extração ilegal de madeira dentro do território quilombola e ameaçou Nazildo diversas vezes.

Em 2017, dez trabalhadores rurais foram assassinados na fazenda Santa Lúcia, município de Pau D’Arco, no sul do Pará. A “chacina de Pau D’Arco”, como ficou conhecida, foi executada por policiais civis e militares, que foram denunciados pelo Ministério Público e devem ser julgados por um tribunal do júri, com data a ser marcada.

Naquele ano, segundo levantamento da CPT, o Pará teve o maior número de assassinatos por conflitos no campo. De um total de 70 assassinatos, 21 foram no Pará, sendo que dez deles ocorreram na chacina de Pau D’Arco. (Colaborou Kátia Brasil)

Fonte:

https://www.geledes.org.br/coordenadora-do-mab-e-morta-com-requinte-de-crueldade-no-para/

COMO SE COMPORTA O GRAFENO

  Ao nano revestir o cobre, os impulsos elétricos não passam mais pela superfície do material e sim pelos tubos magnéticos que são criados dentro das nano camadas, pois oferecem menor ou nenhuma resistência. Em contraponto o exterior dessas camadas é um isolante perfeito, pois ao medir a condutividade com o auxílio do multímetro na superfície do cobre, nada é detectado.

 

 

 

 

 

 

 

 

 

 

 

VULNERABILIDADE DO AGENTE DUDE

Em 21 de fevereiro, Tenable publicou um novo CVE, descrevendo uma vulnerabilidade, que permite a proxy de uma solicitação TCP / UDP através da porta Winbox dos roteadores, se estiver aberta à Internet. Tenable havia entrado em contato com MikroTik anteriormente sobre este assunto, então uma correção já foi lançada em 11 de fevereiro de 2019 em todos os canais de lançamento do RouterOS.

O problema não afeta os dispositivos RouterBOARD com a configuração padrão, se a caixa de seleção “Roteador do firewall” estiver ativada. O problema não representa qualquer risco para o próprio roteador, o sistema de arquivos não é vulnerável, o problema só permite o redirecionamento de conexões se a porta estiver aberta. O dispositivo em si é seguro.

O problema é corrigido em:

  • 6.43.12 (2019-02-11 14:39)
  • 6,44beta75 (2019-02-11 15:26)
  • 6.42.12 (2019-02-12 11:46)

Como sempre, o MikroTik recomenda que todos os usuários mantenham seus dispositivos atualizados, sejam protegidos contra todas as vulnerabilidades conhecidas e garantam que as portas administrativas do seu roteador sejam protegidas por firewalls de redes não confiáveis. O menu “serviços ip”, onde você pode proteger o serviço “winbox”, também afeta o serviço “dude agent”, portanto, se você tiver acesso limitado com esse menu, ele também protege você deste problema. 

 

FONTE: https://blog.mikrotik.com/security/cve-20193924-dude-agent-vulnerability.html

Algorithmia

Implantar modelos ML de escalonamento automático usando microsserviços sem servidor

A utilização de Machine Learning é muitas vezes imprevisível, o que torna o dimensionamento um pesadelo. Implementamos seus algoritmos como microsserviços escaláveis ​​criados em uma infraestrutura sem servidor: isso significa que você obtém acesso rápido e confiável à API, paga apenas pelo que usa e nunca se preocupa com o hardware.

 

https://algorithmia.com/

Paranoico com alface contaminada? Poderia haver um aplicativo para esse dia

Cientistas do Instituto de Tecnologia de Massachusetts (MIT) estão usando inteligência artificial para criar um sistema que daria aos consumidores controle quando se trata de evitar doenças perigosas causadas por alimentos. Pode um dia permitir que você escaneie a alface para E.coli, detecte o chumbo na água e até mesmo determine se o álcool que você está consumindo nas férias está contaminado.

A tecnologia ainda está em seus estágios iniciais, mas a equipe de jovens cientistas do MIT que está trabalhando nisso pode revolucionar o futuro da segurança alimentar, relata a correspondente da CBS News, Nikki Battiste.  

“Esperamos poder construir um dispositivo portátil que uma pessoa possa levar consigo quando estiver tentando comprar algo em um supermercado ou no mercado de um fazendeiro”, disse Fadel Adib, o professor líder do projeto.

Adib visualiza o dispositivo será o tamanho de um carregador de telefone e conecte em seu celular. Agora mesmo, parece um pedaço preto de espuma com antenas verdes.

De acordo com a Adib, o dispositivo é pré-programado para detectar contaminantes específicos em produtos como leite e álcool. O dispositivo lê sinais de um adesivo sem fio na embalagem de alimentos ou bebidas e transmite os resultados para um aplicativo de telefone. 

A equipe do MIT prevê que o dispositivo terá o tamanho de um carregador de telefone e será conectado ao seu celular. Agora mesmo, parece um pedaço preto de espuma com antenas verdes.     NOTÍCIAS DA CBS

O MIT acredita que a tecnologia pode ajudar as pessoas a evitar riscos de segurança, como o álcool contaminado, que mata ou cega centenas de pessoas todos os anos. O objetivo é que os consumidores possam, um dia, usar a tecnologia para testar refeições em restaurantes e em casa.

“Você também pode imaginar futuros frigoríficos inteligentes que incorporem essa tecnologia para detectar alimentos contaminados ou deterioração de alimentos”, disse Adib.

Se o sistema detecta contaminação em um produto, essa informação pode ser carregada em um banco de dados online, explicou a Adib. A esperança é que o banco de dados seja conectado a servidores que agências reguladoras como os Centros de Controle e Prevenção de Doenças poderiam acessar.

Estima-se que 3.000 pessoas morrem de doenças transmitidas por alimentos todos os anos e, de acordo com o CDC, as doenças transmitidas por alimentos hospitalizam 128.000 americanos anualmente.

Em 2015, Ali Goldman foi uma dessas pessoas.

“Quando acordei, eu realmente não sabia onde estava. Eles me levaram para um espelho porque eu não conseguia andar e olhei no espelho e não sabia quem eu era”, disse ela. “Eu tinha cerca de 95, 97 libras.”

Goldman havia contraído um caso de E.coli com risco de vida depois de comer um sanduíche de salada de espinafre em um café de Nova York. Ela passou mais de um mês em coma. Agora, ela disse, ela vive em “medo constante” de comida e não comeu salada em quase quatro anos. 

Mock-up do que o aplicativo um dia se pareceria com a  CBS NEWS

Enquanto consumidores como Goldman estão interessados ​​em detectar a contaminação, o advogado de segurança alimentar Bill Marler espera que os supermercados usem a tecnologia também.  

“Temos uma ótima tecnologia agora e 48 milhões de americanos continuam doentes todos os anos”, disse Marler. “Eu vejo o melhor uso deste tipo de tecnologia como uma espécie de antes de chegar ao mercado, antes de ir em uma prateleira de mercearia.”

Fadel Adib compartilha essa visão.

“No curto prazo, espero que os consumidores o façam. No longo prazo, espero que se torne tão transparente que desapareça no meio ambiente, de tal forma que esteja na infraestrutura da mercearia”, disse Adib. .

Ele espera que a tecnologia possa se tornar tão popular quanto pagar por itens com seu telefone.  

O professor Adib disse que as pessoas poderiam estar usando essa tecnologia nos próximos cinco anos. Ele também espera que o sistema seja capaz de detectar níveis de açúcar e calorias, o que pode ter um impacto sobre as pessoas com diabetes ou aqueles que estão observando seu peso.

Google adquire a DORA, o aplicativo móvel RPA da Automation Anywhere e o novo laboratório de robótica da NVIDIA

DevOps Research and Assessment (DORA) foi adquirida pelo Google. A aquisição permitirá que a DORA crie melhores experiências de usuário no Google Cloud para desenvolvedores e operações por meio de insights orientados por dados.

“As melhores e mais inovadoras organizações desenvolvem e entregam seus softwares com mais rapidez, confiabilidade e segurança, e com maior qualidade, com alto desempenho em tecnologia”, disse a Dra. Nicole Forsgren, CEO e cientista chefe da DORA. “Estamos entusiasmados por nos unirmos a uma equipe comprometida com o fornecimento de práticas de DevOps apoiadas por pesquisas e esperamos continuar nosso trabalho para entender os principais recursos, medir resultados orientados a valor e otimizar processos para ajudar as equipes a entregar seus softwares à medida que avançam. nuvem.”

A Automation Anywhere lança um aplicativo móvel para a empresa RPA
Robotic Automation (RPA) A Automation Anywhere anunciou um aplicativo móvel para o gerenciamento seguro de bots RPA construídos usando sua plataforma RPA inteligente. Segundo a empresa, o aplicativo irá ampliar o alcance da RPA na empresa.

“Estima-se que os indivíduos gastam uma média de quatro horas por dia em seus dispositivos móveis”, disse Abhijit Kakhandiki, vice-presidente sênior de Produtos e Engenharia para Automação em Qualquer Lugar. “A capacidade de controlar bots e gerenciar toda a força de trabalho digital a partir de um dispositivo móvel, sempre de fácil acesso, é um gamechanger”.

NVIDIA abre laboratório de pesquisa em robótica em Seattle A
NVIDIA anunciou que está abrindo um novo laboratório de pesquisa em robótica perto da Universidade de Washington em Seattle. O objetivo do laboratório é conduzir pesquisas de robótica para permitir que uma próxima geração de robôs seja capaz de executar tarefas complexas de manipulação e trabalhar com segurança entre seres humanos.

De acordo com a NVIDIA, cerca de 50 pesquisadores, professores visitantes e estagiários estudarão no laboratório. “No passado, a pesquisa em robótica se concentrava em projetos pequenos e independentes, em vez de sistemas totalmente integrados. Estamos reunindo uma equipe interdisciplinar colaborativa de especialistas em controle e percepção de robô, visão computacional, interação homem-robô e aprendizado profundo ”, disse Dieter Fox, diretor sênior de pesquisa em robótica da NVIDIA e professor da UW Paul G. Allen School of Ciência da Computação e Engenharia.

10 técnicas para nenhum cientista de dados botar defeito – 1/3

Vale apena conferir:

SQL DATA BLOG

Estamos vendo uma crescente demanda para com a área hoje considerada “charme da TI”. Atualmente é impossível ignorar a importância contínua e a de analisá-los e contextualizá-los.

O site Glassdor classificou como a carreira de cientista de dados em PRIMEIRO lugar entre os 50 melhores e mais bem pagos cargos das Américas: Glassdoor – 50 melhores cargos.  Então, é papel relativamente “novo” e com cada vez mais importância na sociedade e nas companhias.

Embora saber programar bem seja importante, ciência de dados não é toda ou tão somente engenharia de software, na verdade um pouco de familiaridade com Python já é o suficiente para emergir. Cientista de dados vive na inserção de codificação, estatística e pensamento crítico.

Do que adianta saber TensorFlow, criar uma estrutura inteira de hadoop/apache Spark e não saber como ou onde irá aplicar? O que quero dizer é que uma estrutura teórica para aprendizado de…

Ver o post original 1.267 mais palavras

Dicas e truques de aprendizado de máquina

Afshine Amidi e Shervine Amidi
13 de Outubro de 2018
Traduzido por Fernando Santos. Revisado por Leticia Portella e Gabriel Fonseca.
Métricas de classificação
Em um contexto de classificação binária, essas são as principais métricas que são importantes
acompanhar para avaliar a desempenho do modelo.
Matriz de confusão – A matriz de confusão (confusion matrix) é usada para termos uma
cenário mais completa quando estamos avaliando o desempenho de um modelo. Ela é definida
conforme a seguir:

machine-learning-1

Clique aqui para download

 

AI Challenge : Facebook location and APIAI – How to get user location from facebook?

Obter a localização do facebook não é tão fácil como costumava ser em 2013 ou 2014. O
Facebook melhorou a privacidade dos usuários e não é possível obter a localização do usuário sem a confirmação do usuário.
Em relação aos fb bots, haverá vários casos em que você pode precisar da localização do usuário.
Alguns casos de negócios
1. Você deseja vender alguns produtos ou serviços relevantes para o local do usuário, para ter a melhor experiência do usuário.
2. Você quer saber se o seu usuário está viajando para algum lugar novo e propor algo para o novo local ou fornecer algumas ofertas / recompensas / promos com base em sua localização.

Aqui estão os passos e o vídeo para o mesmo 
Você pode escolher dailymotion ou youtube para ver o vídeo abaixo


AI Bots -Obter Local do Usuário do Messenger usando … by himantgupta 
1. Primeiro, você não pode localizar o usuário até que o usuário confirme e compartilhe ele mesmo a localização . 
2. O FB tem um caminho via bot para solicitar ao usuário que compartilhe sua localização via Respostas Rápidas , e localização do tipo de conteúdo (você precisa enviar o JSON com o texto relevante do seu servidor webhook para a página FB, usando o formato para facebook send message Graph API.) Se você estiver usando integração direta (sem webhook), precisará enviar uma carga útil personalizada da sua plataforma de IA, 
por exemplo, a APIAI pode enviar carga útil personalizada direta. Você precisaria enviar algo assim.

 

 

 

4. Quando uma pessoa faz o upload da localização ou seleciona a localização no FB, ela virá como objeto de anexo em seu webhook. 

5. Verifique o anexo, se não for um URL, significa que é um local. Para as imagens e outros anexos, o FB gera um URL de Fb, portanto, se não houver um URL no anexo, será um local. 
Observe, para usar o código APIAI do GitHub webhook e modifique-o como: 
Alternativamente, você pode usar o código API.AI atualizado (eles foram atualizados em https://github.com/dialogflow/dialogflow-nodejs-client/tree/master/ samples / facebook / src 

para (i = 0; i <messagingEvent.message.attachments.length; i ++) 

{    
   console.log (“Anexo dentro de:” + JSON.stringify (messagingEvent.message.attachments [i]));     


                          var text = messagingEvent.message.attachments [i] .payload.url; 


                          // Se não houver URL, então é um local 

                          if (text == undefined || text == “”) 

                         { 
                            text = “latitude:” 

                                      + messagingEvent.message.attachments [i] .payload.coordinates.lat 
                                      + “, longitude: ” 
                                   + messagingEvent.message.attachments [i] .payload.coordinates.long; 

                          }

6. Então você pode enviar este texto para o cliente APIAI para manipular o texto.

7. Se você quiser, pode fazer outra tentativa de analisar este texto e mostrar a latitude e a longitude. 
Por exemplo, o que estou fazendo é enviar o texto para a APIAI e a intenção a seguir é manipulá-lo e enviar a mensagem de volta ao usuário

 

Fonte: AI Challenge : Facebook location and APIAI – How to get user location from facebook?

AI Challenge : Facebook location and APIAI – How to get user location from facebook?

Fonte: AI Challenge : Facebook location and APIAI – How to get user location from facebook?

 

Obter a localização do facebook não é tão fácil como costumava ser em 2013 ou 2014. O Facebook melhorou a privacidade dos usuários e não é possível obter a localização do usuário sem a confirmação do usuário. 
Em relação aos fb bots, haverá vários casos em que você pode precisar da localização do usuário. 
Alguns casos de negócios
1. Você deseja vender alguns produtos ou serviços relevantes para o local do usuário, para ter a melhor experiência do usuário. 
2. Você quer saber se o seu usuário está viajando para algum lugar novo e propor algo para o novo local ou fornecer algumas ofertas / recompensas / promos com base em sua localização. 

Aqui estão os passos e o vídeo para o mesmo 
Você pode escolher dailymotion ou youtube para ver o vídeo abaixo

 

 

AI Bots -Obter Local do Usuário do Messenger usando … by himantgupta 
1. Primeiro, você não pode localizar o usuário até que o usuário confirme e compartilhe ele mesmo a localização . 
2. O FB tem um caminho via bot para solicitar ao usuário que compartilhe sua localização via Respostas Rápidas , e localização do tipo de conteúdo (você precisa enviar o JSON com o texto relevante do seu servidor webhook para a página FB, usando o formato para facebook send message Graph API.) Se você estiver usando integração direta (sem webhook), precisará enviar uma carga útil personalizada da sua plataforma de IA, 
por exemplo, a APIAI pode enviar carga útil personalizada direta. Você precisaria enviar algo assim.

 

 

4. Quando uma pessoa faz o upload da localização ou seleciona a localização no FB, ela virá como objeto de anexo em seu webhook. 

5. Verifique o anexo, se não for um URL, significa que é um local. Para as imagens e outros anexos, o FB gera um URL de Fb, portanto, se não houver um URL no anexo, será um local. 
Observe, para usar o código APIAI do GitHub webhook e modifique-o como: 
Alternativamente, você pode usar o código API.AI atualizado (eles foram atualizados em https://github.com/dialogflow/dialogflow-nodejs-client/tree/master/ samples / facebook / src 

para (i = 0; i <messagingEvent.message.attachments.length; i ++) 

{    
   console.log (“Anexo dentro de:” + JSON.stringify (messagingEvent.message.attachments [i]));     


                          var text = messagingEvent.message.attachments [i] .payload.url; 


                          // Se não houver URL, então é um local 

                          if (text == undefined || text == “”) 

                         { 
                            text = “latitude:” 

                                      + messagingEvent.message.attachments [i] .payload.coordinates.lat 
                                      + “, longitude: ” 
                                   + messagingEvent.message.attachments [i] .payload.coordinates.long; 

                          }

6. Então você pode enviar este texto para o cliente APIAI para manipular o texto.

7. Se você quiser, pode fazer outra tentativa de analisar este texto e mostrar a latitude e a longitude. 
Por exemplo, o que estou fazendo é enviar o texto para a APIAI e a intenção a seguir é manipulá-lo e enviar a mensagem de volta ao usuário

 

Continua…

 

NOVO PROCESSO DE PRODUÇÃO DE ÒXIDO DE GRAFENO À TEMPERATURA AMBIENTE

NOVO PROCESSO DE PRODUÇÃO DE ÒXIDO DE GRAFENO À TEMPERATURA
AMBIENTE
FRANCISLEI SANTA ANNA SANTOS1*
1 Msc. em Engenharia Química, UFBA, Salvador-BA, Fone: (71) 99978- 3702,francisleisantos@yahoo.com.br
Apresentado no
Congresso Técnico Científico da Engenharia e da Agronomia – CONTECC’2016
29 de agosto a 1 de setembro de 2016 – Foz do Iguaçu, Brasil

 

 

RESUMO: As tecnologias convencionais de obtenção do óxido de grafeno (OG) são de baixo rendimento e baixa reprodutibilidade. O baixo rendimento aumenta o preço do produto final. O grama do OG chega a ser vendido por $ 150 no mercado internacional. O alto preço do OG restringe as pesquisas aplicadas com esse material a poucos laboratórios especializados em nanotecnologia. O alto preço do óxido de grafeno e as limitações tecnológicas atuais inibem sua aplicação em larga escala pelas indústrias nacionais e estrangeiras. Objetiva-se por este trabalho, apresentar um novo processo de produção de óxido de grafeno (OG) a temperatura ambiente. O novo processo em patente é caracterizado pela oxirredução de uma substância rica em carbono a temperatura ambiente. A nova rota de processo pode ser usada para obtenção do OG nas escalas de laboratório e industrial. O produto obtido pela nova rota de processo de produção de OG foi caracterizado por Espectroscopia Raman, MEV, DRX e Microscopia Óptica. Os resultados mostram a formação de compostos do tipo grafíticos (característicos de OG) e carbono amorfo (aC).
PALAVRAS–CHAVE: óxido de grafeno, métodos de produção, carbono amorfo.

NEW PROCESS FOR PRODUCTION OF GRAPHENE OXIDE AT ROOM TEMPERATURE
ABSTRACT: Conventional technologies for obtaining graphene oxide (OG) are low-income and low reproducibility. The low yield increases the price of the final product. Gram’s OG comes to be sold for $ 150 on the international market. The high price of OG restricts the applied research with this  material a few specialized laboratories in nanotechnology. The high price of the graphene oxide and the current technology limitations inhibit its large-scale application of national industry and foreign. The objective for this work is to present a new graphene oxide production process (GL) at room temperature. The new process is characterized by the patent redox carbon-rich material at room temperature. The new process route can be used for obtaining GL on laboratory and industrial scale. The product obtained by the new route OG production process was characterized by Raman spectroscopy, SEM, XRD and optical microscopy. Results show the formation of graphitic compounds of the type (characteristic OG) and amorphous carbon (aC). KEYWORDS: graphene oxide, production methods, amorphous carbon.

INTRODUÇÃO
Atualmente, tem-se utilizado o termo grafeno de forma um pouco mais ampla, abrangendo não só o material original (formado por uma única folha com espessura monoatômica), mas também a uma família de materiais formados por duas, três, quatro folhas de grafeno empilhadas de forma organizada cujas propriedades são diferentes entre si, devido às diferentes interações entre as várias folhas em
cada estrutura (Mehl, 2014). O óxido de grafeno reduzido ou simplesmente grafeno, como é mais conhecido atualmente, foi o primeiro cristal bidimensional estável isolado, com seu longo sistema pconjugado, onde os elétrons estão confinados em duas dimensões, o que confere propriedades excepcionais (Zarbine et all., 2013) tais como condutividade elétrica, resistência mecânica, leveza entre outras peculiaridades que diversificam a sua aplicação.
O grafeno é o alótropo mais novo da família do carbono ao lado do diamante e do carbono amorfo. O grafeno foi isolado e caracterizado pela primeira vez em 2004, através de sucessivas etapas de PEELING de um pedaço de grafite, com o auxílio de uma fita adesiva. O trabalho rendeu o prêmio Nobel de física de 2010 a seus autores, A. Geim e K. Novoselov, da Universidade de Manchester.
(Zarbine et all, 2013).Outro método muito difundido de obtenção do grafeno a partir do grafite se chama ESFOLIAÇÂO QUÌMICA, onde procura enfraquecer as ligações que unem as folhas de grafeno.Existem mais de uma rota de processo estudada por vários pesquisadores, porém a mais conhecida usa o grafite natural como substância rica em carbono. Esse grafite é aquecido em solução ácida, (H2SO4, HCl entre outros) e ainda utilizando-se do recurso de micro-ondas para produzir o óxido de grafite. Este óxido, já com as folhas de grafeno distanciadas umas das outras, é lavado com água deionizada e submetido a um processo de esfoliação (separação das folhas) utilizando-se
ultrassom ou a expansão térmica. Formando assim, o óxido de grafeno que pode ser reduzido com hidrazina para obtenção do grafeno ou óxido de grafeno reduzido. Neste método, o grafeno é submetido a um processo agressivo que acaba provocando vários defeitos na estrutura molecular. Os defeitos inviabilizam a produção do grafeno em larga escala além de diminuir a qualidade desejada
através da ESFOLIAÇÂO QUÌMICA.

As rotas apresentadas acima são de baixo rendimento e alto impacto ambiental pela extração do grafite natural obtido pelo processo de extração mineral. Outra forma de obter o grafite que é através do processo CVD (Carbon Vapour Deposition). O CVD é um método que sintetiza o grafite a partir de gases ricos em carbono, em especial o etileno que é aquecido a 1400 oC em um forno especial. Nesta etapa, o grafeno se forma em filme único sobre um substrato metálico (cobre), porém ainda não se conseguiu produzir grafeno em larga escala com áreas maiores através do método CVD. Fato este que limita a reprodutibilidade do método em questão. Poucos países, por exemplo: EUA, China e Cingapura, produzem o óxido de grafeno em larga escala e comercializam a altos preços que variam de $50 a $250/ grama a depender da pureza. Esta realidade restringe as pesquisas aplicadas com esse material a poucos laboratórios no mundo e inibem os investimentos em inovação; apesar do comprovado potencial de impacto nos setores de energia, biomedicina, agricultura, industrial,
eletrônicos, energias renováveis, ambiental, aeronáutico, aplicações médicas, têxteis. A importância desse material é proporcional ao alto número de patentes publicadas nos últimos anos. Zarbin et all.(2013) afirma que o principal desafio ainda está no desenvolvimento de métodos massivos de produção de amostras de óxido de grafeno reduzido com qualidade estrutural, e com controle do número de camadas. Afirma Mehl (2014) que há um grande interesse no desenvolvimento de rotas de preparação do grafeno, que sejam viáveis do ponto de vista prático (com alto rendimento e pureza, com e boa qualidade estrutural) e economicamente viável.
Esse trabalho foi resultado do estudo individual sobre eletrólise, nanotecnologia e interação molecular que deram as bases teóricas para a construção do protótipo em funcionamento. O novo método brasileiro, cujo título da patente é “PRODUção de nanopartículas de carbono a temperatura ambiente” (BR 10 2016012475 1) foi denominado de “ROTA NHK” que neste trabalho foi usado para
obtenção de OG. O destaque do novo método está na reprodutibilidade, na baixa emissão de poluentes e controle das etapas de produção. O objetivo desse trabalho é apresentar um novo processo de produção do óxido de grafeno a temperatura ambiente.
MATERIAL E MÉTODOS
A substância rica em carbono usada neste novo processo de produção de óxido de grafeno foi o carbono natural; e constitui o eletrólito de uma célula eletrolítica onde será submetido aos processos de oxidação e redução.Os testes experimentais foram realizados em instalação adaptada a um laboratório que está, atualmente, localizado na cidade de Alagoinhas-BA. As pesquisas foram financiadas com recursos próprios.
O produto obtido pela “ROTA NHK”, foi analisado por espectroscopia Raman empregando-se um espectrômetro Raman Witec (Alpha 500), acoplado a um detector CCD Witec (modelo DV401ABV-352) do Laboratório de Corrosão e Proteção do IPT. A focalização do laser na amostra e a coleta da radiação espalhada foram feitas através de um microscópio óptico Witec (Carl Zeiss, Serien-Nr
334000409). Foi utilizada linha de excitação na região do infravermelho próximo em 785,0 nm de um laser de diodo (XTRA 00222, Toptica) e na região do visível em 532,0 nm de um laser de argônio (WiTec) e em 633,0 nm de um laser de hélio-neônio (Modelo 30584, Optics Inc.). Os espectros são resultado da média de dez espectros obtidos com tempo de integração de 1 s, utilizando-se rede de
difração de 600 linhas/mm; lente de aumento de 100x (número de abertura 0,55, CF Plan). A Figura 1 a seguir representa o novo método de obtenção de óxido de grafeno a temperatura ambiente. Onde mostra uma fonte rica em carbono natural (1), na concentração de 0,576g/ml que constitui o meio reacional. A carga positiva constitui o anodo (3) de prata onde ocorrerá a etapa de
oxidação das partículas de carbono para obtenção do grafito oxidado em suspensão. Em paralelo, o outro eletrodo inerte (ex: Ag, Au) é alimentado com carga negativa e constitui o catodo (3) onde ocorrerá a reação de redução do grafito oxidado a óxido de grafeno reduzido em suspensão. Cada eletrodo é conectado por fios condutores de eletricidade (5) e são imersos no reator (2) de 30ml de capacidade com massa total de 15g aproximadamente. Uma fonte de energia elétrica (4) gera a diferença de potencial (ddp) necessário para o processo de oxirredução. O tempo de reação estimado para esse processo é de 9,0 min/ml de suspensão na CNTP em recipiente fechado, podendo variar em função da concentração. O óxido de grafeno quando exposto à luz excessiva sofre degradação. A Figura 1 representa o sistema da nova rota do processo em narrativa.

Figura 1 – ROTA NHK de produção de óxido de grafeno a temperatura ambiente.

RESULTADOS E DISCUSSÃO
O novo processo de produção de óxido de grafeno é caracterizado pela reação redox na mistura reacional que origina a formação de nano partículas de óxido de grafeno em suspensão no reator que opera a temperatura ambiente. Toda a carga de carbono é convertida em alótropos. As vantagens são a redução do custo energético, redução na geração de resíduos, controle das etapas de produção e reprodutibilidade do processo. A Figura 2 mostra o produto final em suspensão aquosa (A) cuja concentração mássica do produto obtido foi de aproximadamente de 0,600 g/ml em suspensão, as imagens (B) e (C) são o MEV e o DRX do produto obtido pelo novo método.
Figura 2 – (A) Nanopartículas de OG em suspensão aquosa, (B) MEV e (C) DRX da amostra.

A respeito dos testes para caracterização por espectroscopia Raman da amostra de carbono verificou que amostra apresenta elevada sensibilidade às radiações empregadas, o que resulta em sua degradação durante a irradiação com laser, mesmo em potência mínima (Figura 3) indicando que a amostra é fotossensível e pode formar outros alótropos do carbono a exemplo do carbono amorfo. Figura 3 – Imagens de microscopia óptica em aumento de 100x da Amostra de OG antes e após irradiação por laser para obtenção do espectro Raman nos comprimentos de onda (A) 532,0 nm, (B) 633,0 nm e (C) 785,0 nm.

Devido à sensibilidade da amostra, espectros Raman foram adquiridos com tempo curto de aquisição (50 ms) e 10 acumulações de maneira a diminuir o tempo de exposição à radiação do laser. Desta maneira, a qualidade dos espectros, razão sinal ruído, é baixa (Figura 4). O padrão espectral na página seguinte, para uma mesma radiação excitante, varia de acordo com o ponto de análise, indicando que a amostra não é homogênea (Figuras 4B e 4C) podendo conter óxido de grafeno e outros alótropos do carbono. Os espectros apresentados nas Figuras 4A e 4B apresentam duas bandas largas em aproximadamente 1350 cm-1 e 1580 cm-1 . Estas bandas podem ser atribuídas às bandas G e D de compostos sp2 de carbono como o óxido de grafeno, respectivamente (Dresselhaus et all. , 2010). Estas bandas também são observadas nos espectros de carbono amorfo (Marton et all., 2013). Para os espectros nas radiações 532,0 nm e 633,0 nm (Figura 4A e 4B) a banda D (~1380 cm-1 ) é mais intensa que a banda G (~1350 cm-1 ). Esta razão de intensidade está de acordo com aquela observada para compostos grafíticos, tais como óxidos de grafeno (Stankovich et all., 2007). A elevada largura das bandas G e D indica a presença de carbono amorfo. Os compostos sp2 de carbono (grafite, OG, grafeno, nanotubos de carbono, fulerenos) apresentam efeito Raman ressonante. No efeito Raman ressonante, a energia do fóton da radiação excitante é comparável ou mesmo coincidente com a energia de transição eletrônica da molécula em estudo (cromóforo). Neste caso, ocorre uma intensificação na ordem de 105 vezes das bandas associadas aos modos vibracionais do cromóforo. Por conta disso, não é possível afirmar, a partir dos espectros Raman, qual a proporção entre o óxido de grafeno e o carbono amorfo presentes na amostra analisada.

 

A amostra apresenta elevada sensibilidade ao laser empregado para caracterização por espectroscopia Raman. Os espectros Raman nas radiações excitante 532,0 nm e 633,0 nm apresentam bandas largas em aproximadamente 350 cm-1 e 1580 cm-1 , sendo a segunda mais intensa que a primeira. Tais resultados indicam que a amostra contem compostos do tipo grafítico (característico do óxido de grafeno) e carbono amorfo, porém não permite determinar se as estruturas grafíticas de óxido de grafeno estão presentes em elevada concentração na amostra devido ao efeito Raman ressonante. Este fato mostra a oportunidade de melhoria nas próximas etapas do nosso trabalho.

CONCLUSÕES
O novo método produz óxido de grafeno à temperatura ambiente.
AGRADECIMENTOS
-Deus pelos desafios que a vida impôs.
-Minha Família pelo apoio e confiança depositados neste trabalho.
-IF/UFBA e ao DEQ/UFCG pelas caracterizações do MEV e DRX respectivamente.

REFERÊNCIAS
Dresselhaus, M.S.; Jorio, A.; Hofmann, M.; Dresselhaus, G.; Saito, R. Perspectives on carbono
nanotubes and graphene Raman Spectroscopy. Nano letters, v. 10, p. 751-758, 2010.
Li, X.; Cai, W.; An, J.; Kim, S.; Nah, J.; Yong, D.; Piner, R.; Veldmakanni, A.; Juerg, I.; Tutuk, E.;
Banerjee, S. K.; Colombo, L.; Ruoff, R. S.; Science, p.324 e p.1312, 2009.
Marton, M.; Vojs, M.; Zdravecká, E.; Himmerlich, M.; Haensel, T.; Krishock, S.; Michiniak, P.;
Vesely, M.; Redhammer, R. Raman spectroscopy of amorphous carbono prepared by pulsed arc
discharge in various gas mixture. Journal of Spectroscopy, v. 2013, 6p. 2013.
Mehl, Hiany. The effect of variation of reactional parameters in the preparation of graphene by
oxidation and reduction of graphite. Quím. Nova, vol.37, n.10, pp.1639-1645. 2014.
Stankovich, S.; Dikin, D.A.; Piner, R.D; Kohlhaas, K.A.; Kleinhammes, A.; Jia, Y.; Wu, Y.; Nguyen,
S.T.; Rouff, R.S. Synthesis of graphene-based nanosheets via chemical reduction of exfoliated
grafite oxide. Carbon, v. 45, p. 1558-1565, 2007.
Zarbin, Aldo J. G. e Oliveira, Marcela M.. Carbon nanostructures (nanotubes and graphene): Quo
Vadis?. Quím. Nova, vol.36, n.10, pp.1533-1539. 2013.

 

Fonte: www.confea.org.br/media/contecc2016/quimica/novo%20processo%20de%20produção%20de%20òxido%20de%20grafeno%20à%20temperatura%20ambiente.pdf

Fonte: https://www.youtube.com/watch?v=h5aeVZzsvKY