Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.

Detalhes bibliográficos
Autor(a) principal: Martins, Douglas Francisco Wagner Capelossi
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3138/tde-05022024-110716/
Resumo: A estimativa da demanda Origem-Destino (OD) é essencial para o planejamento, projeto e gerenciamento de transporte. Vários estudos recentes na literatura têm utilizado a tecnologia de Identificação Automática de Veículos (AVI) para complementar os dados tradicionais de contagem de tráfego. No entanto, extrapolar a origem e o destino das trajetórias dos veículos, combinando origem e destino para construir modelos de matrizes OD, não tem sido amplamente explorado. Portanto, este trabalho propõe um método para estimar matrizes OD para caracterizar o tráfego de veículos de passageiros, cobrindo uma malha viária de grande porte em ambiente interurbano. Os dados foram obtidos de equipamentos ITS, como contadores de tráfego e sistemas de identificação automática de veículos (AVI), na malha rodoviária do Estado de São Paulo. Utilizando sistemas automáticos de coleta de pedágios (ETC) e reconhecimento automático de placas (LPR) como fontes de dados AVI. O método teve como objetivo reconstruir uma viagem inteira com base em observações consecutivas de veículos e estimativas de zonas de origem e destino com base no modelo gravitacional clássico de distribuição de viagens. Em seguida, um algoritmo TFlow Fuzzy foi aplicado para calibrar a matriz OD final. O desempenho do método foi comparado com as observações dos dados da pesquisa de campo na Região Metropolitana de São Paulo. A matriz calibrada tem um R2 de 0,96, indicando que nossa metodologia fornece resultados precisos. Além disso, 65% dos pontos de contagem forneceram GEH abaixo de 5, enquanto 88% ficaram abaixo de 10, resultados considerados adequados na literatura atual. Outros estudos podem aplicar essa metodologia para analisar iniciativas de transporte público, como linhas de ônibus intermunicipais e sistemas ferroviários de passageiros, e estudos de viabilidade de concessões rodoviárias.
id USP_43285d2e385fe3162acac8145d44a80c
oai_identifier_str oai:teses.usp.br:tde-05022024-110716
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.A scalable method for origin-destination demand estimation using automatic vehicle identification dataAutomatic vehicle identificationAVIDemandaGravitational methodOD estimationTrafego rodoviário (Estimativa)Vehicle trajectoryVeículos autônomosA estimativa da demanda Origem-Destino (OD) é essencial para o planejamento, projeto e gerenciamento de transporte. Vários estudos recentes na literatura têm utilizado a tecnologia de Identificação Automática de Veículos (AVI) para complementar os dados tradicionais de contagem de tráfego. No entanto, extrapolar a origem e o destino das trajetórias dos veículos, combinando origem e destino para construir modelos de matrizes OD, não tem sido amplamente explorado. Portanto, este trabalho propõe um método para estimar matrizes OD para caracterizar o tráfego de veículos de passageiros, cobrindo uma malha viária de grande porte em ambiente interurbano. Os dados foram obtidos de equipamentos ITS, como contadores de tráfego e sistemas de identificação automática de veículos (AVI), na malha rodoviária do Estado de São Paulo. Utilizando sistemas automáticos de coleta de pedágios (ETC) e reconhecimento automático de placas (LPR) como fontes de dados AVI. O método teve como objetivo reconstruir uma viagem inteira com base em observações consecutivas de veículos e estimativas de zonas de origem e destino com base no modelo gravitacional clássico de distribuição de viagens. Em seguida, um algoritmo TFlow Fuzzy foi aplicado para calibrar a matriz OD final. O desempenho do método foi comparado com as observações dos dados da pesquisa de campo na Região Metropolitana de São Paulo. A matriz calibrada tem um R2 de 0,96, indicando que nossa metodologia fornece resultados precisos. Além disso, 65% dos pontos de contagem forneceram GEH abaixo de 5, enquanto 88% ficaram abaixo de 10, resultados considerados adequados na literatura atual. Outros estudos podem aplicar essa metodologia para analisar iniciativas de transporte público, como linhas de ônibus intermunicipais e sistemas ferroviários de passageiros, e estudos de viabilidade de concessões rodoviárias.The Origin-Destination (OD) demand estimation is essential to transportation planning, design, and management. Several recent studies in the literature have used the Automatic Vehicle Identification (AVI) technology to complement traditional traffic count data. However, extrapolating the origin and destination of the vehicle trajectories, matching origin and destination to build matrices OD models, has not been extensively explored. Therefore, this paper proposes a method to estimate OD matrices to characterize passenger vehicles\' traffic, covering a large-scale road network in an interurban environment. The data was obtained from ITS equipment, like traffic counters and AVI systems, in the Brazilian State of São Paulo road network. We used Electronic Toll Collection Systems (ETC) and License Plate Recognition (LPR) as AVI data sources. The method aimed to reconstruct an entire trip based on consecutive observations from AVIs and estimates of origin and destination zones based on the classical gravity model of travel distribution. Then, a T-Flow fuzzy algorithm was applied to calibrate the final OD matrix. The method\'s performance was compared to the observations of field research data in the Metropolitan Region of São Paulo. The calibrated matrix has an R2 of 0.96, indicating that our methodology provides very accurate results. Besides, 65% of the counting points provided GEH below 5, while 88% were below 10, which are considered suitable results in the current literature. Further studies could apply this methodology to analyze public transportation initiatives, such as intercity bus transit lines and passenger rail systems, and road concessions viability studies.Biblioteca Digitais de Teses e Dissertações da USPMarte, Claudio LuizMartins, Douglas Francisco Wagner Capelossi2022-05-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3138/tde-05022024-110716/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-02-06T12:54:02Zoai:teses.usp.br:tde-05022024-110716Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-02-06T12:54:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
A scalable method for origin-destination demand estimation using automatic vehicle identification data
title Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
spellingShingle Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
Martins, Douglas Francisco Wagner Capelossi
Automatic vehicle identification
AVI
Demanda
Gravitational method
OD estimation
Trafego rodoviário (Estimativa)
Vehicle trajectory
Veículos autônomos
title_short Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
title_full Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
title_fullStr Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
title_full_unstemmed Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
title_sort Método escalável de estimação de demanda origem destino a partir de dados de identificação automática de veículos.
author Martins, Douglas Francisco Wagner Capelossi
author_facet Martins, Douglas Francisco Wagner Capelossi
author_role author
dc.contributor.none.fl_str_mv Marte, Claudio Luiz
dc.contributor.author.fl_str_mv Martins, Douglas Francisco Wagner Capelossi
dc.subject.por.fl_str_mv Automatic vehicle identification
AVI
Demanda
Gravitational method
OD estimation
Trafego rodoviário (Estimativa)
Vehicle trajectory
Veículos autônomos
topic Automatic vehicle identification
AVI
Demanda
Gravitational method
OD estimation
Trafego rodoviário (Estimativa)
Vehicle trajectory
Veículos autônomos
description A estimativa da demanda Origem-Destino (OD) é essencial para o planejamento, projeto e gerenciamento de transporte. Vários estudos recentes na literatura têm utilizado a tecnologia de Identificação Automática de Veículos (AVI) para complementar os dados tradicionais de contagem de tráfego. No entanto, extrapolar a origem e o destino das trajetórias dos veículos, combinando origem e destino para construir modelos de matrizes OD, não tem sido amplamente explorado. Portanto, este trabalho propõe um método para estimar matrizes OD para caracterizar o tráfego de veículos de passageiros, cobrindo uma malha viária de grande porte em ambiente interurbano. Os dados foram obtidos de equipamentos ITS, como contadores de tráfego e sistemas de identificação automática de veículos (AVI), na malha rodoviária do Estado de São Paulo. Utilizando sistemas automáticos de coleta de pedágios (ETC) e reconhecimento automático de placas (LPR) como fontes de dados AVI. O método teve como objetivo reconstruir uma viagem inteira com base em observações consecutivas de veículos e estimativas de zonas de origem e destino com base no modelo gravitacional clássico de distribuição de viagens. Em seguida, um algoritmo TFlow Fuzzy foi aplicado para calibrar a matriz OD final. O desempenho do método foi comparado com as observações dos dados da pesquisa de campo na Região Metropolitana de São Paulo. A matriz calibrada tem um R2 de 0,96, indicando que nossa metodologia fornece resultados precisos. Além disso, 65% dos pontos de contagem forneceram GEH abaixo de 5, enquanto 88% ficaram abaixo de 10, resultados considerados adequados na literatura atual. Outros estudos podem aplicar essa metodologia para analisar iniciativas de transporte público, como linhas de ônibus intermunicipais e sistemas ferroviários de passageiros, e estudos de viabilidade de concessões rodoviárias.
publishDate 2022
dc.date.none.fl_str_mv 2022-05-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/3/3138/tde-05022024-110716/
url https://www.teses.usp.br/teses/disponiveis/3/3138/tde-05022024-110716/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090398981718016