Comparação e algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais (2017)
- Authors:
- Autor USP: ROMA, ANDREZA DORNELAS DE SOUZA - EESC
- Unidade: EESC
- Sigla do Departamento: STT
- DOI: 10.11606/D.18.2017.tde-22122022-165525
- Subjects: VIAGENS; APRENDIZADO COMPUTACIONAL; ALGORITMOS GENÉTICOS
- Keywords: MODELO GRAVITACIONAL; ANÁLISE DESAGREGADA; ÁRVORES DE DECISÃO
- Agências de fomento:
- Language: Português
- Abstract: Usualmente, os modelos de distribuição de viagens tradicionais ignoram que as escolhas de destinos são realizadas individualmente e consideram geralmente apenas variáveis agregadas, tais como o emprego e o custo médio de viagem. Este estudo considera as características agregadas das cidades de origem e destino, uma medida de impedância de viagem, além das variáveis desagregadas individuais/domiciliares. O objetivo desta pesquisa é avaliar o desempenho de algoritmos de Aprendizagem de Máquinas (AM), CART (Classificafion and Regression Tree) e Algoritmo Genético (AG), em uma análise desagregada de escolhas de destinos para viagens intermunicipais. A análise baseia-se em um banco de dados de uma Pesquisa Origem-Destino realizada em onze cidades na Bahia, Brasil, em 2012, no qual foram calibrados modelos para escolhas de destinos intermunicipais por meio dos algoritmos mencionados. O desempenho de cada algoritmo é comparado à abordagem tradicional por meio de modelos gravitacionais estimados pelos métodos stepwise e procedimento duplamente restringido, respectivamente. A comparação dos modelos com os modelos gravitacionais foi realizada considerando os seguintes critérios: distribuição das distâncias de viagens, medidas de ajuste e perspectiva qualitativa. Os resultados evidenciam que os algoritmos CART e Algoritmo Genético apresentam melhores previsões para a escolha de destinos, sendo que, o segundo, apresenta vantagens na obtenção dos parâmetros estimados relativos às variáveis (agregadas e desagregadas) utilizadas no modelo. A principal conclusão é que tais algoritmos podem ser aplicados na modelagem de distribuição de viagens, incorporando o efeito das variáveis desagregadas, sem suposições ou restrições matemáticas rigorosas como independência das alternativas, por exemplo
- Imprenta:
- Publisher place: São Carlos
- Date published: 2017
- Data da defesa: 30.06.2017
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ROMA, Andreza Dornelas de Souza. Comparação e algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais. 2017. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2017. Disponível em: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-22122022-165525/. Acesso em: 24 abr. 2024. -
APA
Roma, A. D. de S. (2017). Comparação e algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/18/18144/tde-22122022-165525/ -
NLM
Roma AD de S. Comparação e algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais [Internet]. 2017 ;[citado 2024 abr. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-22122022-165525/ -
Vancouver
Roma AD de S. Comparação e algoritmos de aprendizagem de máquinas para análise desagregada de viagens intermunicipais [Internet]. 2017 ;[citado 2024 abr. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18144/tde-22122022-165525/
Informações sobre o DOI: 10.11606/D.18.2017.tde-22122022-165525 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas