Sistema de Previsão do Metrô de Fortaleza

Sistema web modular para consulta de horários do metrô de Fortaleza com área administrativa para gerenciamento de alertas.

Estrutura do Projeto

adm-software/
├── config.py               # Configurações centralizadas
├── run_new.py              # Ponto de entrada da aplicação
├── database.py             # Módulo de banco de dados legado
├── ml_model.py             # Modelo de Machine Learning
├── requirements.txt        # Dependências Python
├── README.md              # Esta documentação
│
├── app/                   # Aplicação Flask modular
│   ├── __init__.py       # Factory da aplicação
│   ├── blueprints/       # Módulos organizados por funcionalidade
│   │   ├── main.py      # Rotas públicas
│   │   ├── api.py       # API REST
│   │   └── admin.py     # Área administrativa
│   ├── models/          # Modelos SQLAlchemy
│   │   ├── alert.py     # Modelo de alertas
│   │   └── user.py      # Modelo de usuários
│   ├── forms/           # Formulários WTForms
│   │   └── forms.py     # Formulários da aplicação
│   └── utils/           # Utilitários
│       └── timezone.py  # Funções de fuso horário
│
├── data/                  # Dados da aplicação
│   ├── horarios_metro_ida.csv    # Horários sentido Carlito Benevides
│   └── horarios_metro_volta.csv  # Horários sentido Chico da Silva
│
├── database/              # Bancos de dados
│   ├── metro_database.db  # Banco principal (horários)
│   └── metro_admin.db     # Banco administrativo (alertas/usuários)
│
├── models/               # Modelos de Machine Learning
│   ├── metro_model.pkl   # Modelo treinado
│   ├── scaler.pkl        # Normalizador de dados
│   └── encoders.pkl      # Codificadores de categorias
│
├── templates/            # Templates HTML
│   ├── admin/           # Templates administrativos
│   │   ├── base.html    # Base administrativa
│   │   ├── dashboard.html
│   │   ├── alerts_list.html
│   │   ├── alert_form.html
│   │   └── login.html
│   ├── base.html        # Base pública
│   ├── index.html       # Página inicial
│   ├── results.html     # Resultados de consulta
│   ├── alerts.html      # Lista de alertas públicos
│   └── docs.html        # Documentação da API
│
└── static/              # Arquivos estáticos (CSS, JS, imagens)

Configuração Centralizada

O arquivo config.py centraliza todas as configurações do projeto:

• Caminhos de dados: CSVs de horários
• Caminhos de banco: Bancos SQLite
• Caminhos de modelos: Arquivos ML .pkl
• Configurações da aplicação: Chaves secretas, debug, etc.
• Lista de estações: Dados centralizados

Funcionalidades

Área Pública

• Consulta de horários: Previsão de chegada dos trens por estação
• Alertas em tempo real: Informações sobre o status do serviço
• API REST: Endpoints para integração com outros sistemas
• Interface responsiva: Design adaptativo para dispositivos móveis

Área Administrativa

• Gerenciamento de alertas: Criação, edição e exclusão de alertas
• Dashboard: Estatísticas e resumo do sistema
• Controle de acesso: Sistema de autenticação seguro
• Interface intuitiva: Painel administrativo moderno

Tecnologias

• Backend: Flask, SQLAlchemy, Flask-Login, Flask-WTF
• Frontend: HTML5, CSS3, JavaScript, Bootstrap 5
• Banco de dados: SQLite
• ML: Scikit-learn (modelo de previsão)
• Arquitetura: Flask Blueprints (modular)

Instalação

Requisitos

• Python 3.8+
• pip

Configuração

1. Clone o projeto:

git clone <repositorio>
cd adm-software

2. Crie um ambiente virtual:

python -m venv venv
source venv/bin/activate  # Linux/Mac
venv\Scripts\activate     # Windows

3. Instale as dependências:

pip install -r requirements.txt

4. Execute o servidor:

python run_new.py

Acesso

• Site público: http://localhost:5000
• Área administrativa: http://localhost:5000/admin
  • Usuário: admin
  • Senha: admin123
• Documentação da API: http://localhost:5000/docs

API

Endpoints Principais

• GET /api/alertas - Lista todos os alertas
• GET /api/horarios/<station>/<direction> - Consulta horários
• POST /api/report - Reporta horário real

Exemplo de Uso

# Consultar alertas
curl http://localhost:5000/api/alertas

# Consultar horários
curl http://localhost:5000/api/horarios/Parangaba/ida

Organização de Arquivos

Vantagens da Nova Estrutura

1. Separação clara: Dados, modelos, bancos e código organizados
2. Manutenção facilitada: Arquivos agrupados por função
3. Segurança: .gitignore atualizado para proteger dados sensíveis
4. Escalabilidade: Estrutura preparada para crescimento
5. Configuração centralizada: Fácil alteração de caminhos e configurações

Migrações Realizadas

• ✅ CSVs movidos para data/
• ✅ Bancos SQLite movidos para database/
• ✅ Modelos ML movidos para models/
• ✅ Configurações centralizadas em config.py
• ✅ Códigos atualizados para usar novos caminhos
• ✅ .gitignore atualizado

Desenvolvimento

Estrutura Modular

O sistema utiliza Flask Blueprints para organização modular:

• main: Rotas públicas e interface principal
• api: Endpoints da API REST
• admin: Área administrativa

Banco de Dados

O sistema utiliza SQLAlchemy com SQLite para persistência:

• alerts: Tabela de alertas do sistema
• users: Tabela de usuários administrativos

Modelo de ML

Sistema de previsão usando scikit-learn para estimar tempo de chegada baseado em:

• Horários programados
• Histórico de atrasos
• Condições atuais do sistema

Configuração de Produção

Para ambiente de produção, configure:

1. Variáveis de ambiente:

export FLASK_ENV=production
export SECRET_KEY=sua-chave-secreta-forte

2. Servidor WSGI (recomendado: Gunicorn):

pip install gunicorn
gunicorn -w 4 -b 0.0.0.0:5000 "app:create_app()"

Contribuição

1. Faça um fork do projeto
2. Crie uma branch para sua funcionalidade
3. Implemente as mudanças
4. Adicione testes se necessário
5. Faça um pull request

Licença

MIT License - veja o arquivo LICENSE para detalhes.