Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/17623| Especie: | Trabalho de conclusão de graduação |
| Título : | Aplicação de florestas aleatórias para previsão da demanda de passageiros no transporte público |
| Autor(es)/Inventor(es): | Campos, Allan Silva |
| Tutor: | Plaza, Conrado Vidotte |
| Tutor : | Gomes, Janaína Sant’Anna Gomide |
| Resumen: | O planejamento de um sistema de transporte público passa necessariamente pela previsão da demanda de passageiros, visto que todo um equilíbrio sistemático depende dessa noção, que se mal dimensionada, pode causar uma miríade de situações indesejadas para as operadoras de transporte, para os usuários do sistema, para o meio ambiente e consequentemente para todo restante da sociedade. Uma das soluções possíveis para realizar tal previsão é através do auxílio de Aprendizado de Máquina, materializado através do método de Florestas Aleatórias. Após uma revisão de conceitos do transporte, como oferta, demanda e alocação de recursos, e de conceitos de algoritmo, como métricas de desempenho e divisão treino e teste, foram conduzidos uma série de experimentos envolvendo a base de dados do transporte coletivo de ônibus de Belo Horizonte, entre 2016 e 2021. Experimentos estes, realizados com modelos de Floresta Aleatória, que variam em características, ou hiperparâmetros, a fim de avaliar a melhor estratégia de previsão, e seguindo a técnica “Janela Crescente com Validação Adiante” para percorrer o conjunto de dados com divisões de treino e teste. Além da repetição dos experimentos em diferentes divisões do conjunto de dados, permitindo uma melhor demonstração do Aprendizado de Máquina e das métricas de desempenho como R² e Erro Médio Absoluto. Ao fim do estudo, chegou-se à conclusão que os modelos geravam resultados interessantes na capacidade preditiva a partir da variação do hiperparâmetro “Profundidade Máxima da Árvore”, sem necessariamente aumentar o tempo de execução do modelo. Onde, por sua vez a variação do hiperparâmetro “Quantidade de Árvores” não causava tanta mudança no desempenho, com um aumento no tempo de execução do modelo. |
| Materia: | Transporte público Aprendizado de máquina Floresta aleatória Previsão de demanda Public transport Machine learning Random forests Demand forecasting |
| Materia CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA CIVIL |
| Unidade de producción: | Instituto Politécnico |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 30-jun-2022 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Citación : | CAMPOS, Allan Silva. Aplicação de florestas aleatórias para previsão da demanda de passageiros no transporte público. 2022. 62 f. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Civil) - Instituto Politécnico, Universidade Federal do Rio de Janeiro, Macaé, 2022. |
| Aparece en las colecciones: | Engenharia Civil |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| ASCAMPOS.pdf | 1.83 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.