Publicação: Eficiência e previsão no transporte público através da Inteligência Artificial: análise de dados urbanos
Carregando...
Data
2025-02-13
Autores
Orientador
Andrade, Maria Glória Caño de 
Coorientador
Pós-graduação
Curso de graduação
Sorocaba - ICTS - Engenharia de Controle e Automação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Trabalho de conclusão de curso
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
O crescimento das cidades tem levado a uma maior demanda por um transporte público eficiente e confiança crescente na mesma medida. Entretanto, esse cenário traz consigo desafios consideráveis como atrasos frequentes, lotação excessiva e falta de manutenção adequada que afetam diretamente a qualidade do serviço prestado aos passageiros. A relação entre a eficiência operacional e a satisfação dos usuários ressalta a importância de desenvolver abordagens que possam aumentar a precisão das previsões e reduzir os riscos. Decisões tomadas sem embasamento adequado podem resultar em serviços insatisfatórios e perda de confiança por parte da comunidade. Neste projeto, a linguagem python é usada para analisar dados de tráfego e transporte com o objetivo de prever padrões de demandas e possíveis problemas no sistema viário urbano. A pesquisa aborda os fundamentos teóricos da análise de dados urbanísticos, fornecidos pela Companhia de Engenharia de Tráfego (CET), e do machine learning para fornecer uma base técnica sólida para compreender os processamentos necessários. A análise revelou que o sistema é capaz de analisar eventos passados para antecipar o fluxo de tráfego futuro, o que resultava em percursos mais rápidos para os usuários do transporte público e consequentemente melhorava consideravelmente o funcionamento do sistema como um todo - um avanço que pode deixar os passageiros mais satisfeitos com a solução desenvolvida.
Resumo (inglês)
The growth of cities has led to a higher demand for efficient public transportation and an increasing level of trust in such systems. However, this scenario brings significant challenges, such as frequent delays, overcrowding, and inadequate maintenance, which directly impact the quality of service provided to passengers. The relationship between operational efficiency and user satisfaction highlights the importance of developing approaches that can improve the accuracy of predictions and reduce risks. Decisions made without proper grounding can result in unsatisfactory services and a loss of trust from the community. In this project, Python is used to analyze traffic and transportation data with the goal of predicting demand patterns and identifying potential issues in the urban road system. The research delves into the theoretical foundations of urban data analysis, provided by the Companhia de Engenharia de Tráfego (CET), and machine learning to establish a solid technical basis for understanding the required processes. The analysis revealed that the system can process past events to anticipate future traffic flows, resulting in faster routes for public transportation users and significantly improving the overall system's performance - a breakthrough that can increase passenger satisfaction with the developed solution.
Descrição
Idioma
Português
Como citar
BERALDI, Natan Castanhera. Eficiência e previsão no transporte público através da Inteligência Artificial: análise de dados urbanos. Orientadora: Maria Glória Caño de Andrade. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Controle e Automação) - Instituto de Ciência e Tecnologia, Universidade Estadual Paulista, Sorocaba, 2025.
