Análise de dados e Machine Learning na mobilidade urbana

A mobilidade tornou-se num dos desafios mais difíceis que as cidades têm de enfrentar. Mais de metade da população mundial reside em áreas urbanas e com o contínuo aumento da população é imperativo que as cidades usem os seus recursos de forma eficiente. Exige-se por isso, que cada vez mais, a gestã...

ver descrição completa

Detalhes bibliográficos
Autor principal: Simões, João Pedro Fernandes (author)
Formato: masterThesis
Idioma:por
Publicado em: 2019
Assuntos:
Texto completo:http://hdl.handle.net/10400.26/29858
País:Portugal
Oai:oai:comum.rcaap.pt:10400.26/29858
Descrição
Resumo:A mobilidade tornou-se num dos desafios mais difíceis que as cidades têm de enfrentar. Mais de metade da população mundial reside em áreas urbanas e com o contínuo aumento da população é imperativo que as cidades usem os seus recursos de forma eficiente. Exige-se por isso, que cada vez mais, a gestão e o planeamento da oferta de transportes, tenha de ser realizada de uma forma racional e eficaz de modo a satisfazer as necessidades dos cidadãos. Obter e reunir dados a partir de diferentes fontes de dados pode ser extretamente importante para apoiar novas soluções que podem ajudar a construir uma melhor mobilidade. O crowdsensing tornou-se uma conhecida forma de partilhar dados extraídos por dispositivos, que capturam dados através dos seus sensores, como o smartphone com o objetivo de atingir um bem comum. Nesta tese de mestrado é proposta uma metodologia que analisa dos dados extraídos, identifica áreas de maior procura e as possíveis razões pra este fenómeno. Esta metodologia pretende auxiliar o melhoramento da gestão e oferta da rede de transportes de uma dada cidade em estudo, neste caso a área metropolitana do Porto, considerando dados recolhidos da utilização da técnica de crowdsensing.