Tipo:	Monografia-Especialização
Título:	Viagens urbanas inteligentes: predição de tempo de viagens urbanas utilizando modelos de Machine Learning e redes neurais artificiais
Título(s) alternativo(s):	Smart urban trips: predicting urban trip times using Machine Learning models and artificial neural networks
Autor(es):	Brugnaro, Marcos Rodrigues
Primeiro Orientador:	Canêdo, Daniel Rosa
metadata.dc.contributor.referee1:	Canedo, Daniel Rosa
metadata.dc.contributor.referee2:	Canuto, Sérgio Daniel Carvalho
metadata.dc.contributor.referee3:	Oliveira, Renan Rodrigues de
Resumo:	Estamos imersos em uma era orientada por dados, especialmente nos grandes centros urbanos, tecnologias embarcadas em veículos monitoram e coletam dados diários, tornando o transporte público urbano uma fonte valiosa para extração e análise de dados (GRUS, 2016) 1 . Nesse contexto, o transporte público enfrenta o desafio da imprevisibilidade na duração das viagens urbanas, o que afeta diretamente os passageiros, que dependem de estimativas precisas para planejar melhor seus deslocamentos. Para abordar essa questão, este trabalho propõe a exploração de bases de dados abertas do transporte público de Curitiba-PR e a realização de experimentos com modelos preditivos, visando estimar com maior precisão a duração das viagens de ônibus urbanos. Foram realizados experimentos utilizando diferentes técnicas de aprendizado de máquina com o objetivo de avaliar a precisão na previsão da duração do tempo de viagem dos ônibus urbanos. Os resultados mostraram que, ao utilizar a abordagem tradicional Regressão Polinomial combinada com Validação Cruzada, o modelo proposto conseguiu prever os tempos de viagem com maior precisão do que os métodos baseados e Redes Neurais Artificiais. O menor erro registrado foi de 29,9729 segundos, indicando uma melhoria significativa na confiabilidade das estimativas.
Palavras-chave:	Transporte Público Urbano Urban Public Transport Regressão Polinomial Polynomial Regression Modelos Preditivos Predictive Models
CNPq:	Ciência da Computação (Área) / Metodologia e Técnicas da Computação (Subárea) / Sistemas de Informação (Subárea)
Idioma:	por
País:	Brasil
Editor:	Insitituto Federal de Educação, Ciência e Tecnologia de Goiás
Sigla da Instituição:	IFG
metadata.dc.publisher.department:	Câmpus Anápolis
Citação:	BRUGNARO, Marcos Rodrigues. Viagens urbanas inteligentes: predição de tempo de viagens urbanas utilizando modelos de Machine Learning e redes neurais artificiais. 2025. 78 f. Trabalho de Conclusão de Curso (Especialização em Inteligência Artificial Aplicada) – Instituto Federal de Educação, Ciência e Tecnologia de Goiás, Câmpus Anápolis, Anápolis, 2025.
Tipo de Acesso:	Acesso Aberto
URI:	https://repositorio.ifg.edu.br/handle/prefix/2892
Data do documento:	14-Fev-2025
Aparece nas coleções:	Especialização em Inteligência Artificial Aplicada

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.