Dissertação

{en_GB=Traffic Analysis and Prediction in Urban Areas} {} EVALUATED

{pt=À medida que a população mundial vai continuando a aumentar, os grandes centros urbanos estão cada vez mais densamente populados, o que faz com que surjam novos desafios. Este fenómeno resulta na agravação do congestionamento do fluxo do trânsito em grande parte das principais capitais Europeias, fazendo com que a mobilidade urbana dos cidadãos não seja eficiente. Uma possível solução para melhorar esta situação é a implementação de um sistema de transporte inteligente (ITS), que é um sistema que procura fornecer informação precisa aos utentes para que estes consigam fazer um uso mais informado e por isso mais eficiente da rede de transportes. Neste contexto, a predição do fluxo do trânsito é considerada um elemento crítico para o bom funcionamento de um sistema desta natureza. Para que seja possível desenvolver um modelo de predição de fluxo de tráfego estável e preciso é necessário uma base de dados consistente. Motivado por esta necessidade, a Câmara Municipal de Lisboa tem vindo a desenvolver esforços no sentido de recolher e fornecer dados de mobilidade urbana. No contexto deste projeto, a principal fonte de dados será proveniente de sensores contadores de trânsito colocados próximo de cruzamentos importantes no centro da cidade de Lisboa, sendo que também outras fontes de dados serão exploradas para testar a força preditiva dos modelos. O principal objetivo deste projeto é desenvolver métodos preditivos de fluxo do trânsito, utilizando as fontes de dados disponíveis, com o intuito de descobrir qual a abordagem que produz os melhores resultados., en=As the world’s population continues to grow, cities get exponentially more crowded, which means new problems arise. One of the most dramatic impacts is on road traffic growth in most of Europe’s capital cities, creating severe mobility constraints. One way to improve this issue is to deploy an Intelligent Transportation System (ITS) which includes the need to provide accurate traffic flow information to the users and enabling them to make better and more informed use of transport networks. In this context, Traffic flow prediction is considered a critical element for the successful deployment of an ITS. In order to create an accurate traffic flow prediction model, a stable and consistent, traffic flow database is required. In order to enable the development of an optimized ITS, Lisbon's City Council has been collecting mobility data. This thesis describes, analyses and applies different traffic predictive models to different traffic data sources available in Lisbon. }
{pt=Previsão de fluxo do trânsito, Aprendizagem Automática, Previsão de séries temporais, Padrões de trânsito., en=Short-term Traffic Flow Prediction, Machine Learning, Time-Series Forecasting, Spatio-Temporal Traffic Patterns.}

Novembro 26, 2019, 18:0

Orientação

ORIENTADOR

Fernando Henrique Côrte-Real Mira da Silva

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

António Miguel de Abreu Ribeiro Henriques

IDMEC

Especialista