Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.133
Aluno: Ana Alice Peregrino Pinto
Orientador: Nivan Roberto Ferreira Júnior
Título: Uma análise comparativa de modelos para a predição de fluxos
pendulares para planejamento urbano
Data: 25/03/2024
Hora/Local: 14h – virtual – Interessados em assistir favor entrar em contato com a aluna
Banca Examinadora:
Prof. Cleber Zanchettin (UFPE / Centro de Informática)
Prof. Fabio Markus Nunes Miranda (University of Illinois Chicago / Department of Computer Science)
Prof. Nivan Roberto Ferreira Júnior (UFPE / Centro de Informática)
RESUMO:
Com o crescimento desenfreado dos centros urbanos, o planejamento urbano se tornou imprescindível na criação e gestão de cidades a fim de melhorar a qualidade de vida de seus habitantes. Mobilidade urbana é uma das frentes desse planejamento de grande importância em grandes cidades. Problemas de mobilidade estão associados a questões como mal uso de recursos materiais e tempo, emissão de gases de efeito estufa e desperdício de tempo das pessoas em deslocamento. Fluxos pendulares, em particular, que são os fluxos entre casa e trabalho feitos diariamente, são bastante estudados por sua importãncia para a qualidade de vida dos cidadãos. Neste contexto, técnicas de modelagem de fluxos de deslocamento são ferramentas importantes para auxiliar os tomadores de decisão na definição das melhores estratégias de planejamento. Tais ferramentas são importantes não só para entender os atuais padrões nas cidades, mas também para realizar planejamento de cenários, que consiste em tentar antever como possíveis ações irão impactar a mobilidade urbana. Com o crescimento da disponibilização de dados urbanos, modelos baseados em técnicas de aprendizagem de máquina têm se destacado por sua performance em prever fluxos de mobilidade. O objetivo do presente trabalho é realizar uma análise comparativa dos principais modelos baseados em aprendizagem de máquina propostos para previsão de fluxos pendulares, com foco em tarefas relacionadas ao planejamento de cenários. Os modelos selecionados são divididos entre abordagens lineares, modelos baseados em árvore e redes neurais. Para realizar a análise foram usadas métricas de desempenho utilizadas na literatura para o tipo de problema estudado, técnicas de interpretabilidade das saídas dos modelos, além de cenários de uso que simulam o planejamento de cenários. Os resultados indicam uma performance superior dos modelos baseados em redes neurais para grafos, mas também mostram padrões interessantes para modelos menos complexos, o que poderia tornar esses modelos competitivos como uma ferramenta de planejamento de cenários, devido ao seu menor tempo de treinamento e simplicidade na implementação.
Palavras-chave: Mobilidade urbana. Previsão de fluxos. Redes neurais para grafos.
Comentários desativados