Moita, Gray FariasVieira, Túlio Philipe Ferreira e2025-12-092023-08-29https://repositorio.cefetmg.br//handle/123456789/2512De acordo com dados da Organização das Nações Unidas, mais de 3,8 bilhões de pessoas vivem em áreas urbanas, atualmente, e espera-se que esse número cresça significativamente até 2050. Com o aumento da urbanização, especialmente em países em desenvolvimento, a mobilidade urbana torna-se um desafio crítico. O sistema de transporte, essencial para a movimentação das pessoas nas cidades, influencia diretamente a qualidade de vida dos cidadãos, pois é por meio dele que se garante o acesso a serviços essenciais como saúde, educação, cultura e lazer. Além disso, a análise da mobilidade pode revelar disparidades sociais, econômicas e culturais dentro de uma cidade. Portanto, para garantir um desenvolvimento urbano equilibrado e sustentável, é imperativo focar no planejamento e na gestão eficaz da mobilidade urbana, buscando soluções inovadoras e sustentáveis para o transporte e a circulação nas cidades. A fim de contribuir para a construção de um sistema eficiente de transporte, este trabalho apresenta o desenvolvimento de um framework composto por hardware e software, de baixo custo, que possa ser utilizado para geração e monitoramento de indicadores do sistema de transporte. O framework proposto utiliza dados de diferentes fontes como probe request, censo e características regionais e emprega algoritmos de machine learning como Filtro de Kalman e Redes Neurais Artificiais para gerar a matriz de origem-destino e a outros indicadores do sistema de transporte. Os resultados indicam que a estratégia utilizada consegue reduzir os erros de previsão de indicadores, como a taxa de carregamento, para menos de 5% .ptTese2025-12-09Transporte urbanoAprendizado de máquinaFiltros de KalmanCidades inteligentesSistemas de transportes