Modelos de regressão espacial aplicados à previsão de demanda de pedidos de online food delivery (2021)
- Authors:
- Autor USP: BEZERRA, HERLISSON MACIEL - ICMC
- Unidade: ICMC
- Sigla do Departamento: SME
- DOI: 10.11606/D.55.2021.tde-04032022-111453
- Subjects: REDES NEURAIS; ANÁLISE DE REGRESSÃO E DE CORRELAÇÃO; LOGÍSTICA; CONSUMO DE ALIMENTOS; DEMANDA
- Keywords: Demand forecasting; Multilayer perceptron; Multilayer perceptron; Spatial autorregressive model; Spatial autorregressive model
- Language: Português
- Abstract: O crescimento do segmento de Online Food Delivery estimulou uma mudança nos hábitos de consumo de alimentos em todo mundo. A essência de uma empresa desse ramo é a operação da rede de logística para que a entrega dos pedidos seja realizada de forma rápida e confiável. Para o planejamento eficiente da logística em questão, o insumo de previsão da demanda de pedidos que são realizados em determinadas áreas geográficas é essencial. O objetivo desta dissertação é realizar a predição da demanda de pedidos por área geográfica utilizando o modelo Spatial Autorregressive Model (SAR) e o modelo de Redes Neurais Multilayer Perceptron (MLP) para os distritos na região do centro expandido de São Paulo - SP, a partir dos dados reais de uma grande empresa do segmento. Do ponto de vista metodológico, foi proposta uma abordagem com uma matriz de treino aumentada com as informações de pedidos dos vizinhos de primeira ordem para que a rede neural seja capaz de identificar a autocorrelação espacial presente nos dados, enquanto que o SAR já é estatisticamente construído para incorporar a autocorrelação espacial ao ajuste e à predição realizada. Os modelos foram ajustados com os dados reais e foram avaliados com as métricas Root Mean Squared Error (RMSE) e pelo coeficiente de determinação R2 . No resultado final, ambos os modelos tiveram desempenho satisfatório quando comparados com a média histórica dos pedidos. Na comparação entre o SAR e a MLP, a MLP com o melhor ajuste resultou em prediçõescom o RMSE de 3,353 contra 3,604 do SAR e R2 de 0,731 contra 0,689 do SAR. Portanto, dentre os dois modelos estudados, o modelo Multilayer Perceptron foi escolhido como o melhor modelo para o ajuste aos dados analisados.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2021
- Data da defesa: 14.12.2021
- 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
BEZERRA, Herlisson Maciel. Modelos de regressão espacial aplicados à previsão de demanda de pedidos de online food delivery. 2021. Mestrado Profissionalizante – Universidade de São Paulo, São Carlos, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04032022-111453/. Acesso em: 03 jun. 2024. -
APA
Bezerra, H. M. (2021). Modelos de regressão espacial aplicados à previsão de demanda de pedidos de online food delivery (Mestrado Profissionalizante). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04032022-111453/ -
NLM
Bezerra HM. Modelos de regressão espacial aplicados à previsão de demanda de pedidos de online food delivery [Internet]. 2021 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04032022-111453/ -
Vancouver
Bezerra HM. Modelos de regressão espacial aplicados à previsão de demanda de pedidos de online food delivery [Internet]. 2021 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55137/tde-04032022-111453/
Informações sobre o DOI: 10.11606/D.55.2021.tde-04032022-111453 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
