Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Bernardini, Flávia Cristina | - |
Autor(es): dc.creator | Souza, Leonardo Villamarin de | - |
Autor(es): dc.creator | Fagundes, Thiago Rodrigues da Motta | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:55:18Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:55:18Z | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | http://app.uff.br/riuff/handle/1/32516 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/760127 | - |
Descrição: dc.description | Existe uma necessidade crescente de melhorar a produtividade e o planejamento dos serviços de transportes públicos. Neste contexto, o uso de Inteligencia Artificial (IA) e Aprendizado de Máquina (AM) para a construção de algoritmos de Previsão do Tempo de Viagem (PTV) de ônibus ganham força. No entanto a construção desses algoritmos enfrentam desafios consideráveis devido imprevisibilidade das condições da via, congestionamentos, obras em curso, eventos locais e fatores climáticos, criam um ambiente complexo para a PTV. Este trabalho tem como objetivo, através de diversos cenários experimentais, explorar e aplicar diferentes técnicas de AM (seleção de atributos, data partioning, tuning) para avaliar a qualidade das decisões tomadas pelos cientistas de dados e construir regressores mais precisos. Nos cenários experimentais conduzidos neste trabalho, aplicamos algumas técnicas de AM para construir regressores mais precisos usando a base de dados coletada da frota de ônibus de Floriánópolis. Por fim, as melhorias alcançadas nos regressores com a aplicação dessas técnicas são analisadas. | - |
Descrição: dc.description | There is a growing need to improve the productivity and planning of public transportation services. In this context, the use of Artificial Intelligence and Machine Learning for building bus travel time prediction algorithms is gaining momentum. However, the construction of these algorithms faces considerable challenges due to the unpredictability of road conditions, traffic congestion, ongoing construction, local events, and weather factors, creating a complex environment for bus travel time prediction. This work aims to explore and apply different Machine Learning techniques (attribute selection, data partitioning, tuning) to evaluate the quality of decisions made by data scientists and build more accurate regressors through various experimental scenarios. In the experimental scenarios conducted in this work, we applied some Machine Learning techniques to build more accurate regressors using the dataset collected from the bus fleet of Florianópolis. Finally, the improvements achieved in the regressors with the application of these techniques are analyzed. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Previsão do tempo de viagem | - |
Palavras-chave: dc.subject | Ciência de dados | - |
Palavras-chave: dc.subject | Ônibus | - |
Palavras-chave: dc.subject | Transporte público urbano | - |
Palavras-chave: dc.subject | Florianópolis (SC) | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Travel time prediction | - |
Palavras-chave: dc.subject | Data science | - |
Título: dc.title | Um estudo exploratório de previsão do tempo de viagem de ônibus de transporte público de Florianópolis | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: