???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://bdtd.ucb.br:8443/jspui/handle/123456789/1488
???metadata.dc.type???: Dissertação
Title: Modelo rapide : Uma aplicação de mineração de dados e redes neurais artificiais para a estimativa da demanda por transporte rodoviário interestadual de passageiros no Brasil
???metadata.dc.creator???: Aguiar Júnior, Silvestre Rabello de 
???metadata.dc.contributor.advisor1???: Brasil, Lourdes Mattos
First advisor-co: Figueiredo, Adelaide dos Santos
???metadata.dc.contributor.referee1???: Alvarenga, Rogério
???metadata.dc.contributor.referee2???: Silva, Antonio Nelson Rodrigues da
???metadata.dc.description.resumo???: Transporte Rodoviário Interestadual de Passageiros (TRIP) tem uma importância significativa no Brasil, pois gera milhares de empregos, movimenta milhões de reais e torna possível que milhões de pessoas se desloquem entre localidades situadas em estados diferentes. A prestação dos serviços públicos de TRIP é uma incumbência do Poder Público, sendo que a execução dos mesmos pode ser concedida ou permitida por licitação pública a Empresas de Transporte. Hoje, a condução dessas licitações está a cargo da Agência Nacional de Transportes Terrestres (ANTT). Um dos elementos centrais das licitações é a estimativa da demanda de passageiros a serem transportados entre duas localidades. É central porque tanto a ANTT quanto as Empresas precisam ter conhecimento, antes do início da operação da linha de, aproximadamente, quantos passageiros utilizarão os serviços. Fundamentado em regressões estatísticas múltiplas e considerando a demanda como função das populações totais residentes nas localidades de origem e de destino e da distância rodoviária entre as mesmas, o modelo gravitacional em uso no Brasil (MGB) tem sido utilizado para estimar a demanda no País. Na visão de especialistas em transporte, contudo, o MGB apresenta estatisticamente taxas de erro elevadas, quando comparado com valores reais de operação dos serviços, podendo acarretar duas situações: a demanda ser estimada muito acima ou muito abaixo da demanda real. Na primeira situação pode ocorrer de empresas que atenderiam aos requisitos serem excluídas da licitação ou a empresa vencedora do processo licitatório adquiri veículos ou contratar funcionários desnecessários. Ocorrendo a segunda situação pode acontecer de uma empresa que não atenderia aos requisitos sair vencedora da licitação, o que a obrigaria a devolver a concessão ou a realizar , no curto prazo, investimentos não previstos para atender à demanda real. O objetivo principal desta dissertação foi construir um modelo, utilizando-se a metodologia de Data Mining (DM) e a ferramenta Rede Neural Artificial (RNA) com validação cruzada, para a estimativa da demanda por TRIP no Brasil que, implementado por meio de uma aplicação computacional, apresentasse estatisticamente maior precisão do que o MGB. Enquanto a DM tem sido aplicada no desenvolvimento de aplicações de negócio e de tomada de decisão, as RNA são úteis em situações nas quais é difícil ou impossível resolver explicitamente um problema. Dentre os vários modelos construídos nesta dissertação um, chamado de RAPIDE, destacou-se por mostrar precisão consideravelmente maior do que o MGB.Esse modelo considerou como parâmentros de entrada : quantas pessoas vivem nas regiões urbanas e rurais dos municípios de origem e de destino e os respectivos estados, frotas de veículos automotores, índices de desenvolvimento humano, rendas per capita e distâncias rodoviárias que os separam. Além da aplicações, oferecendo maior transparência, segurança e precisão, o RAPIDE poderia ser útil em: planejamento estratégico, estudos tarifários e avaliação de corredores de transporte. Considerando-se que os serviços de TRIP objetivam atender a usuários que desejam se deslocar entre localidades espera-se que o RAPIDE possa também contribuir para a oferta de serviços com maior qualidade e frequência, rotas mais adequadas e menores tarifas.
Abstract: The Interstate Passenger Transportation by Bus (IPTB) has a significant importance in Brazil, it generates thousands of jobs and economic activity and it makes possible to millions of people to travel between cities situated on different states. The rendering of IPTB public services is a Public Power incumbency but its execution can be granted by public licitation to bus services companies. Nowadays, the accomplishment of these licitations is a competence of the Brazilian National Land Transport Regulation Agency (NTA). One key element of these licitations is the travel demand forecasting. It is so important because as much the NTA as the Companies, must know a priori how many people will approximately use the services. Based on multiple statistical regressions and considering the demand as a function of the total populations that live in the destination and origin cities as well the distances between them, the Brazilian Gravity Model (BGM) has been applied to forecast the demand in Brazil. However, under the point of view of transport experts, the BGM presents statistically high error rates, when compared with observed values of services operation. The BGM utilization could lead to two situations: the demand to be forecasted significantly over or below the observed one. In the first situation, it may occur that Companies, which would fulfill the requirements, could be excluded of the licitation or the winner company could buy unnecessary vehicles or contract unnecessary employees. If the second situation happens, it could occur that a company, which would not fulfill the requirements, wins the licitation. This fact could result in concession canceling or accomplishment of unforeseen investments to fulfill the observed demand. The main objective of this dissertation was to build a model, using a Data Mining (DM) methodology and the tool Artificial Neural Networks (ANN) with cross validation, to forecast the IPTB demand. Once implemented by a computer application, the model should present statistically higher precision than the BGM. While the DM has been applied in business development and decision taking applications, the ANN are useful in situations when it is difficult or even impossible explicitly solve a problem. One of the several models built in this dissertation, called RAPIDE, presented notably higher precision than the BGM. The model considered as input parameters: how many people live in the urban and country regions of destination and origin cities and the respective states, fleets of vehicles, human development indices, incomes per capita and distances between them. In addition to the use in licitations, giving them higher transparency, security and precision, the RAPIDE could be also useful in: strategic planning, tariff studies and transport corridors evaluation. Considering that the IPTB services must serve the needs of passengers it is expected that the RAPIDE could also contribute to the supply of higher quality and frequency services, more adjusted routes and lower tariffs.
Keywords: modelo para estimativa de demanda
transporte rodoviário interestadual de passageiros
mineração de dados
redes neurais artificiais
travel demand forecasting
passengers transport by roads
data mining
artificial neural networks
???metadata.dc.subject.cnpq???: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO
Language: por
???metadata.dc.publisher.country???: BR
Publisher: Universidade Católica de Brasília
???metadata.dc.publisher.initials???: UCB
???metadata.dc.publisher.department???: Informática
???metadata.dc.publisher.program???: Programa de Pós-Graduação em Gestão do Conhecimento e da Tecnologia da Informação
Citation: AGUIAR JÚNIOR, Silvestre Rabello de. Modelo rapide : Uma aplicação de mineração de dados e redes neurais artificiais para a estimativa da demanda por transporte rodoviário interestadual de passageiros no Brasil. 2004. 140 f. Dissertação (Mestrado em Informática) - Universidade Católica de Brasília, Brasília, 2004.
???metadata.dc.rights???: Acesso Aberto
URI:  https://bdtd.ucb.br:8443/jspui/handle/123456789/1488
Issue Date: 6-Dec-2004
Appears in Collections:Programa de Pós-Graduação em Gestão do Conhecimento e da Tecnologia da Informação

Files in This Item:
File Description SizeFormat 
Texto Completo.pdf1.49 MBAdobe PDFThumbnail

Download/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.