Dissertação

{pt_PT=Análise de Componentes Principais dos Detetores de um Sistema Inteligente de Transportes} {} EVALUATED

{pt=A quantidade de dados gerados pela sociedade atual tem vindo a crescer rapidamente não escapando a área de Engenharia de Tráfego a esta tendência. A utilização crescente de sistemas inteligentes de transportes (ITS) na regulação das condições de circulação urbanas tem tido um impacto especialmente benéfico na gestão do tráfego citadino. Acompanhando este rumo, os diferentes ITS produzem, registam e armazenam dados de contagens de tráfego há já alguns anos, sem que esta grande quantidade de dados tenha sido plenamente tratada, analisada e, sobretudo, utilizada. O presente trabalho de investigação desenvolve ferramentas específicas para o tratamento, avaliação, visualização, exploração e análise dos dados provenientes do ITS do Município do Porto, tornando eficaz e eficiente o acesso à informação. Além da realização do tratamento e análise de dados, os sensores do ITS municipal serão classificados pela qualidade dos seus atributos, nomeadamente identificando os detetores que, pela sua consistência, mais contribuem para a explicação do comportamento do tráfego. As metodologias aqui desenvolvidas, nomeadamente do tratamento de dados, técnicas de aprendizagem de máquina, deformação dinâmica temporal, algoritmo Euclidiano, análise de componentes principais e métodos de apoio à decisão, permitem realizar, virtualmente sem qualquer custo, certas operações específicas da Engenharia de Tráfego, que tradicionalmente, envolvem a mobilização de avultados recursos e tempo, tais como a construção e atualização de matrizes OD ou a caracterização de uma semana média de tráfego rodoviário nas artérias da cidade. Lançam-se também as bases para a criação de modelos de previsão de tráfego, baseada nas técnicas de machine learning., en=The amount of data generated by the present information society has been increasing rapidly and Traffic Engineering does not escape this tendency. The growing use of intelligent transportation systems (ITS) for urban road traffic management has been having a beneficial impact on urban everyday life. Following this trend, several ITS have been producing, recording and storing traffic data for quite a few years. However, this information has had little treatment, analysis or practical use. This investigation research develops specific tools for the treatment, assessment, visualization, exploration and analysis of data from Porto ITS, thus effectively and efficiently providing access to the properly treated information. Apart from carrying out the data treatment and analysis, the ITS sensors are to be classified according to the quality of their attributes, thus identifying the inductive loops that contribute most to the explanation of traffic behavior, that is, the detectors that have consistent characteristics. By use of the proposed methodologies of data treatment, machine learning technics, dynamic time warping, Euclidian algorithm, principal component analysis and decision support methods, it is possible to perform, virtually cost free, traffic engineering related operations, that would traditionally involve mobilizing large resources and time, such as the construction and update of OD matrixes or the creation of a typical week of urban road traffic. Also, this work sets the fundamentals basis for the creation of real time traffic prediction models, based on machine learning techniques.}
{pt=PCA;DTW;Euclidiana;ITS;Machine Learning, en=PCA;DTW;Euclidian;ITS;Machine Learning}

Julho 2, 2018, 14:0

Orientação

ORIENTADOR

João António De Abreu e Silva

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Associado

ORIENTADOR

José Pedro Maia Pimentel Tavares

Faculdade de Engenharia da Universidade do Porto

Professor Auxiliar