Dissertação
Machine Learning Methods for the Optimisation of Urban Mobility EVALUATED
Para que um sistema de transporte público seja capaz de responder à procura crescente nas grandes cidades, deve ser confiável e eficiente. Procedimentos para a geração de rotas e horários eficientes e adaptados às necessidades dos passageiros são cruciais no desenvolvimento da mobilidade urbana. Até recentemente, os operadores de transportes públicos tinham limitações fortes no planeamento, optimização e avaliação dos seus serviços. Em muitos casos, todas as métricas disponíveis dependiam de inquéritos manuais sobre origens e destinos, que se revelam caros e pouco representativos. Adicionalmente, as técnicas de planeamento eram em grande parte baseadas em heurísticas e ajustes improvisados, sendo a avaliação do resultado também pouco objectiva. Com a generalização dos sistemas de coleção automática de dados, como sistemas de tarifação electrónica, os operadores de transportes públicos passaram a colecionar um grande volume de dados que descrevem com muito detalhe o serviço e a forma como este é usado pelos passageiros. No entanto, estes dados requerem a aplicação de técnicas de análise e processamento de dados, sendo frequentemente usados de forma limitada pelos operadores. Esta tese utiliza dados de tarifação para inferir origens e destinos de passageiros numa rede de transportes públicos multi-modal. Com a informação de procura resultante, é utilizado um algoritmo genético com o objetivo de otimizar uma rede de autocarros real. O método desenvolvido é aplicado na rede de autocarros de Lisboa. A rede resultante, otimizada, demonstra uma redução de 4 minutos no tempo médio de viagem dos passageiros, bem como um aumento de procura satisfeita.
janeiro 22, 2021, 18:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar