Smart São Paulo: um estudo da mobilidade urbana sob a ótica de Machine Learning e aspectos espaço-temporais
Tipo
Dissertação
Data de publicação
2021-02-08
Periódico
Citações (Scopus)
Autores
Melonio, Antonio Carlos Correia
Orientador
Lopes, Paulo Batista
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Silva, Leandro Augusto da
Ferreira, Fernando Fagundes
Ferreira, Fernando Fagundes
Programa
Engenharia Elétrica
Resumo
As tecnologias da informação e comunicação (TICs) têm transformado diversos aspectos da sociedade, alterando tanto o modo como o conhecimento é transmitido, quanto a maneira em que os desafios enfrentados pela maioria das grandes cidades poderão ser resolvidos, sendo a mobilidade urbana uma dessas questões. Dessa forma, respaldado pelo desenvolvimento tecnológico (IoT voltado ao conceito de cidades inteligentes), este trabalho analisou acidentes de trânsito e os fatores que contribuem na explanação do fenômeno, relacionados à parte da explicabilidade da mobilidade urbana da cidade de São Paulo. Fatores como: meteorológicos, presença de radares, tipo de vítima, região do acidente no automóvel, posição geográfica, entre outros, foram analisados, considerando-se a janela temporal definida pelos meses de fevereiro de 2016, 2017 e 2018. As modelagens dessa dissertação foram estruturadas em três partes: modelos de classificação, modelo de sobrevivência e modelo espacial. Na primeira fase, buscou-se associar esses fatores à ocorrência de acidentes de trânsito, via modelos de classificação, por meio de mineração de dados em diversas bases. Posteriormente, relacionou-se o tempo de permanência do sinistro na via à atuação do profissional de trânsito, através da análise de sobrevivência (duração da via obstruída). Por fim, um estudo espacial foi conduzido, utilizando-se dados de georreferenciamento, e desenvolvendo-se uma ferramenta de visualização de acidentes de trânsito denominada São Paulo SmartViz Trafic para observar gargalos no trânsito do município e mostrar a presença de algumas rotas de ônibus. Os resultados mostraram que o fator estatisticamente mais significativo (a um nível de significância de 5%) na explicação dos acidentes foi a localização georreferenciada dos sinistros em detrimento aos fatores externos: presença de chuva e presença de fiscalização eletrônica fixa de velocidade, sumarizando que exite uma propensão maior da ocorrência do sinistro no centro da cidade de Sâo Paulo.
Descrição
Palavras-chave
mobilidade urbana , aprendizagem de máquina , modelo espacial , stochastic partial diferential equation , mineração visual de dados
Assuntos Scopus
Citação
MELONIO, Antonio Carlos Correia. Smart São Paulo: um estudo da mobilidade urbana sob a ótica de Machine Learning e aspectos espaço-temporais. 2021. 73 f. Dissertação (Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo, 2021.