Silva, Alisson Marques daCampos, Natália da Mata2025-04-302025-01-30https://repositorio.cefetmg.br//handle/123456789/1332Nos últimos anos, os sistemas de bicicletas compartilhadas evoluíram significativamente, desde iniciativas com bicicletas gratuitas para uso comum, passando por estações onde o aluguel era gerenciado presencialmente por atendentes, até os sistemas tecnologicamente avançados que predominam nas cidades atualmente. Apesar dessas inovações, o objetivo principal dos sistemas de compartilhamento de bicicletas permanece inalterado: facilitar que os usuários retirem uma bicicleta em um local desejado e a devolvam em outro, tornando esse meio de transporte mais prático e acessível. Com o crescimento da demanda, um problema recorrente se torna evidente: o desequilíbrio entre a procura dos usuários e a oferta de bicicletas. A indisponibilidade do serviço em determinadas estações leva os usuários a buscarem alternativas de transporte, o que pode comprometer o sucesso e a expansão desses sistemas. Por outro lado, investimentos em infraestrutura e novas bicicletas podem não ser financeiramente vantajosos se a operação não atender à demanda de forma eficiente. Além disso, a má redistribuição de bicicletas e ineficiência operacional podem aumentar as emissões de carbono, já que os usuários recorrem a meios de transporte motorizados. Esse cenário destaca a importância de desenvolver técnicas que minimizem a discrepância entre a procura e a disponibilidade de bicicletas. Nesse contexto, o presente trabalho propõe uma nova abordagem para prever a demanda de usuários por bicicletas utilizando dados históricos de deslocamentos e informações meteorológicas. Para selecionar os atributos mais relevantes, é empregada a técnica de Eliminação Recursiva de Atributos (RFE). A previsão da demanda é realizada por modelos tradicionais, como Rede Neural Artificial, Random Forest, Support Vector Machine, Árvore de Decisão e Regressão Linear, e também por modelos evolutivos, como ALMMo, eNFN, eFCE e eFLS. Os experimentos computacionais realizados permitiram comparar o desempenho das abordagens propostas. Os resultados obtidos indicam que a abordagem apresentada é uma alternativa viável eficaz para prever a demanda de bicicletas em sistemas de compartilhamento.ptDissertação2025-04-30Sistemas inteligentes de controlePrevisãoBicicletaRegressãoSistemas fuzzy