Análise de desempenho de algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais

Abstract

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.

Análise do comportamento individual relativo a viagens encadeadas através de variáveis socioeconômicas, participação em atividades e características agregadas das alternativas modais

“…As escolhas desagregadas dos destinos também foram vastamente estudadas, como escolhas discretas. Tanto no âmbito urbano (CALDAS et al, 2019;GREENWALD, 2006;KITAMURA, 1984;LEVINSON;KUMAR, 1995;MOLLOY, 2017;SHREWSBURY, 2012), como para viagens de longa distância ou intermunicipais (GAUDRY; HOLGUÍN-VERAS;THORSON, 2003;LI, 2003;NAZARI et al, 2015;PITOMBO et al, 2017;ROMA et al, 2018;).…”

Estratégias para calibração de modelo Logit Multinomial por meio de Algoritmos de Aprendizagem de Máquinas: uma abordagem associada a grandes conjuntos de alternativas

“…• Histograma de distâncias O uso da distribuição das distâncias de viagens tem como fundamento a calibração do modelo de distribuição gravitacional e baseia-se no ajuste das curvas de distribuição de comprimentos de viagens (ou qualquer outra impedância de viagem) modelada e observada (Ortuzar e Willumsen, 2011). Assim, a exemplo do realizado por Roma et al (2018), analisouse a distribuição das frequências das distâncias de viagens observadas e estimadas para a amostra de validação, de forma a identificar o método que minimiza a diferença entre elas.…”