Este trabalho propõe uma análise desagregada de escolhas de destinos para viagens intermunicipais, por meio da aplicação de algoritmos de Aprendizagem de Máquinas - AM (Classification And Regression Tree - CART e Algoritmos Genéticos - AG). Foi utilizada uma Pesquisa OD, realizada pelo Centro de Estudos de Transportes e Meio Ambiente (UFBA), em 2012/2013 em onze municípios do estado da Bahia. Foi realizada a calibração de um Modelo Logit Multinomial a partir do algoritmo AG, trazendo a vantagem de associação das escolhas dos destinos a valores de coeficientes estimados das funções utilidade aleatórias, sem os problemas relativos à calibração dos modelos logit tradicionais, tais como erros identicamente distribuídos, seguindo a distribuição de Gumbel. O desempenho de cada algoritmo de AM foi comparado à abordagem tradicional (modelo gravitacional). Os resultados evidenciaram que os algoritmos de AM apresentaram melhores previsões para a escolha de destinos, sendo que o AG apresentou vantagens na obtenção dos parâmetros associados às variáveis independentes. A principal conclusão é que tais algoritmos podem ser aplicados na modelagem de distribuição de viagens, incorporando o efeito das variáveis desagregadas, sem suposições matemáticas rigorosas contidas no ajuste de modelos tradicionais desagregados.
Agradeço aos meus pais, Luiza e José Renato, pelo incentivo, carinho e esforço durante todo o período do Mestrado. Aos meus irmãos, Michele e José Renato, e sobrinho Matheus, pela preocupação e ternura. Ao meu marido, Rodolfo, pelo amor, companheirismo e paciência. A Izabela, meu maior presente. À minha professora e orientadora Cira Souza Pitombo pelos ensinamentos, oportunidade e disponibilidade durante a realização deste projeto. Ao Henrique Guimarães pela contribuição neste estudo através do desenvolvimento de seu Trabalho de Conclusão de Curso. Aos colegas, amigas e professores do Departamento de Engenharia de Transportes da Escola de Engenharia de São Carlos por terem me proporcionado um ambiente de aprendizagem único ao longo deste período. Aos funcionários do Departamento de Engenharia de Transportes, pela simpatia e gentileza. À CAPES pelo apoio financeiro. Ao CETRAMA (Centro de Estudos de Transportes e Meio Ambiente) pela cessão dos dados utilizados neste trabalho. Enfim, a todos àqueles que de algum modo contribuíram para a realização deste projeto. VI RESUMO ROMA, A. D. S. Comparação de algoritmos de Aprendizagem de Máquinas para análise desagregada de viagens intermunicipais. 2017. 78p. Dissertação
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.