A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS)
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Journal of Transport Literature |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2238-10312016000100030 |
Resumo: | ResumoO trabalho teve o objeto o desenvolvimento de um modelo de previsão de chegada de ônibus que fazem o transporte de empregados sob o regime de fretamento. Para tanto, utilizou-se um modelo matemático baseado em Redes Neurais Artificiais. As experiências anteriores de aplicação de RNA's para modelagem desse tipo de problema consideraram como dados de entrada, informações "estáticas" do percurso, como por exemplo, a posição dos pontos de paradas pré-estabelecidos, a distância entre os mesmos, a velocidade média de percurso previamente analisada. A contribuição do presente trabalho foi desenvolver um modelo de aprendizado considerando como dados de entrada, qualquer localização do veículo (longitude e latitude) ao longo do percurso bem como a hora em que o mesmo passou pela mesma coordenada, tornando o modelo mais dinâmico e simplificado para ser reproduzido e incorporado às ferramentas de rastreamento veicular que utilizam posicionamento global (GPS). Outra contribuição metodológica foi a estruturação de uma "árvore de testes" que considerou variações na tipologia, nos valores para Taxa de Aprendizagem e "Momentum". O resultado alcançado chegou a um modelo de previsão com erro relativo médio de menos de 1%. |
id |
SBPTR-1_1fc77113904ea238bbf40737c9492269 |
---|---|
oai_identifier_str |
oai:scielo:S2238-10312016000100030 |
network_acronym_str |
SBPTR-1 |
network_name_str |
Journal of Transport Literature |
repository_id_str |
|
spelling |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS)Redes Neurais ArtificiaisFretamentoPrevisão de tempo de chegadaSistema de Informações Geográficas (SIG)ResumoO trabalho teve o objeto o desenvolvimento de um modelo de previsão de chegada de ônibus que fazem o transporte de empregados sob o regime de fretamento. Para tanto, utilizou-se um modelo matemático baseado em Redes Neurais Artificiais. As experiências anteriores de aplicação de RNA's para modelagem desse tipo de problema consideraram como dados de entrada, informações "estáticas" do percurso, como por exemplo, a posição dos pontos de paradas pré-estabelecidos, a distância entre os mesmos, a velocidade média de percurso previamente analisada. A contribuição do presente trabalho foi desenvolver um modelo de aprendizado considerando como dados de entrada, qualquer localização do veículo (longitude e latitude) ao longo do percurso bem como a hora em que o mesmo passou pela mesma coordenada, tornando o modelo mais dinâmico e simplificado para ser reproduzido e incorporado às ferramentas de rastreamento veicular que utilizam posicionamento global (GPS). Outra contribuição metodológica foi a estruturação de uma "árvore de testes" que considerou variações na tipologia, nos valores para Taxa de Aprendizagem e "Momentum". O resultado alcançado chegou a um modelo de previsão com erro relativo médio de menos de 1%.Sociedade Brasileira de Planejamento dos Transportes2016-03-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S2238-10312016000100030Journal of Transport Literature v.10 n.1 2016reponame:Journal of Transport Literatureinstname:Sociedade Brasileira de Planejamento dos Transportes (SBPT)instacron:SBPTR10.1590/2238-1031.jtl.v10n1a6info:eu-repo/semantics/openAccessJales,Antonio Wagner LopesSilva,Carlos Augusto Uchôa dapor2015-09-28T00:00:00Zoai:scielo:S2238-10312016000100030Revistahttp://www.journal-of-transport-literature.org/https://old.scielo.br/oai/scielo-oai.php||alessandro.oliveira@pq.cnpq.br|| editor.jtl@gmail.com2238-10312238-1031opendoar:2015-09-28T00:00Journal of Transport Literature - Sociedade Brasileira de Planejamento dos Transportes (SBPT)false |
dc.title.none.fl_str_mv |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
title |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
spellingShingle |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) Jales,Antonio Wagner Lopes Redes Neurais Artificiais Fretamento Previsão de tempo de chegada Sistema de Informações Geográficas (SIG) |
title_short |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
title_full |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
title_fullStr |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
title_full_unstemmed |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
title_sort |
A estimação neural de tempos de viagens de ônibus sob regime de fretamento usando-se de dados de posicionamento por satélites (GPS) |
author |
Jales,Antonio Wagner Lopes |
author_facet |
Jales,Antonio Wagner Lopes Silva,Carlos Augusto Uchôa da |
author_role |
author |
author2 |
Silva,Carlos Augusto Uchôa da |
author2_role |
author |
dc.contributor.author.fl_str_mv |
Jales,Antonio Wagner Lopes Silva,Carlos Augusto Uchôa da |
dc.subject.por.fl_str_mv |
Redes Neurais Artificiais Fretamento Previsão de tempo de chegada Sistema de Informações Geográficas (SIG) |
topic |
Redes Neurais Artificiais Fretamento Previsão de tempo de chegada Sistema de Informações Geográficas (SIG) |
description |
ResumoO trabalho teve o objeto o desenvolvimento de um modelo de previsão de chegada de ônibus que fazem o transporte de empregados sob o regime de fretamento. Para tanto, utilizou-se um modelo matemático baseado em Redes Neurais Artificiais. As experiências anteriores de aplicação de RNA's para modelagem desse tipo de problema consideraram como dados de entrada, informações "estáticas" do percurso, como por exemplo, a posição dos pontos de paradas pré-estabelecidos, a distância entre os mesmos, a velocidade média de percurso previamente analisada. A contribuição do presente trabalho foi desenvolver um modelo de aprendizado considerando como dados de entrada, qualquer localização do veículo (longitude e latitude) ao longo do percurso bem como a hora em que o mesmo passou pela mesma coordenada, tornando o modelo mais dinâmico e simplificado para ser reproduzido e incorporado às ferramentas de rastreamento veicular que utilizam posicionamento global (GPS). Outra contribuição metodológica foi a estruturação de uma "árvore de testes" que considerou variações na tipologia, nos valores para Taxa de Aprendizagem e "Momentum". O resultado alcançado chegou a um modelo de previsão com erro relativo médio de menos de 1%. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-03-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2238-10312016000100030 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S2238-10312016000100030 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/2238-1031.jtl.v10n1a6 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Planejamento dos Transportes |
publisher.none.fl_str_mv |
Sociedade Brasileira de Planejamento dos Transportes |
dc.source.none.fl_str_mv |
Journal of Transport Literature v.10 n.1 2016 reponame:Journal of Transport Literature instname:Sociedade Brasileira de Planejamento dos Transportes (SBPT) instacron:SBPTR |
instname_str |
Sociedade Brasileira de Planejamento dos Transportes (SBPT) |
instacron_str |
SBPTR |
institution |
SBPTR |
reponame_str |
Journal of Transport Literature |
collection |
Journal of Transport Literature |
repository.name.fl_str_mv |
Journal of Transport Literature - Sociedade Brasileira de Planejamento dos Transportes (SBPT) |
repository.mail.fl_str_mv |
||alessandro.oliveira@pq.cnpq.br|| editor.jtl@gmail.com |
_version_ |
1750318362743799808 |