O Repositório será lançado oficialmente no dia 9 de abril de 2025 às 14h30min no miniauditório do Campus Nova Suiça.
 

Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi

Página do item simplificado
dc.contributor.advisorSilva, Alisson Marques
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3856358583630209
dc.contributor.authorLinhares, Luís Fernando
dc.contributor.authorLatteshttp://lattes.cnpq.br/6415399254028961
dc.contributor.refereeSilva, Alisson Marques da
dc.contributor.refereeMeireles, Magali Rezende Gouvêa
dc.contributor.refereeMaia, Eduardo Habib Bechelane
dc.contributor.refereeMenezes, Gustavo Campos
dc.date.accessioned2025-03-28T20:42:51Z
dc.date.available2025-03-28T20:42:51Z
dc.date.issued2022-04-04
dc.descriptionSistemas difusos
dc.descriptionComputação evolutiva
dc.descriptionTeoria da previsão em populações finitas
dc.description.abstractUtilizar transportes privados tem se tornado uma opção viável e cada vez mais popular como alternativa para transportes urbanos. Com este crescimento, um problema antigo e recorrente torna-se mais latente, que é a relação entre demandas de passageiros e oferta de táxis. Enquanto taxistas gastam considerável tempo em busca de novos passageiros, em contrapartida, têm-se passageiros que não conseguem encontrar taxistas. Com este desequilíbrio, os taxistas acabam gastando mais com combustível e desgastando o veículo devido à procura excessiva por passageiros e passageiros acabam não conseguindo táxis, ocasionando, assim, uma descrença na disponibilidade do serviço prestado. Este problema sugere a criação e a utilização de técnicas que possibilitem diminuir a lacuna entre a procura de passageiros por táxis e o contingente efetivo de veículos necessários para suprir essa demanda. Neste contexto, este trabalho apresenta uma nova abordagem para realizar a previsão e a classificação da demanda de passageiros de táxi. A abordagem proposta utiliza dados históricos de corridas de táxis e dados meteorológicos. O método de Kruskal-Wallis é empregado para identificar as variáveis mais relevantes e um sistema fuzzy evolutivo para realizar a previsão/classificação da demanda. Neste trabalho, são avaliados três sistemas evolutivos: Autonomous Learning Multi-Model (ALMMo); evolving Gaussian Multivariable Fuzzy System (eMG) e; evolving Neo-Fuzzy Neuron (eNFN). Experimentos computacionais foram realizados para comparar o desempenho da abordagem proposta. Os resultados experimentais indicam que a abordagem proposta obteve resultados comparáveis ou superiores ao estado da arte. O desempenho obtido sugere, portanto, que a abordagem proposta é promissora como alternativa para a previsão e classificação da demanda de passageiros.
dc.description.abstractotherPrivate transport has become a viable and increasingly popular option as an alternative to urban transportation. With this growth, an old and recurring problem becomes more latent: the relationship between passenger demands and taxi supply. While taxi drivers spend considerable time looking for new passengers, on the other hand, some passengers cannot find taxi drivers. With this imbalance, taxi drivers spend more on fuel and wear out the vehicle due to excessive demand by passengers. As a result, passengers end up not getting taxis, thus causing disbelief in the service availability. This problem suggests the creation and use of techniques that make it possible to reduce the gap between the demand for taxi passengers and the effective contingent of vehicles needed to meet this demand. In this context, this work presents a new approach to forecasting and classifying taxi passenger demand. The proposed approach uses historical data from taxi rides and meteorological data. The Kruskal-Wallis method is used to identify the most relevant variables and an evolving fuzzy system to perform demand forecasting/classification. In this work, three evolving systems are evaluated: Autonomous Learning Multi-Model (ALMMo); evolving Multivariable Gaussian Fuzzy System (eMG), and; evolving Neo-Fuzzy Neuron (eNFN). Computational experiments were performed to evaluate and compare the performance of the proposed approach. The results showed that the proposed approach obtained results comparable or superior to those of state-of-the-art. The performance obtained by the proposed approach suggest, therefore, that the proposed approach is promising as an alternative for forecasting and classification of passenger demand.
dc.identifier.urihttps://repositorio.cefetmg.br//handle/123456789/1023
dc.language.isopt
dc.publisherCentro Federal de Educação Tecnológica de Minas Gerais
dc.publisher.countryBrasil
dc.publisher.initialsCEFET-MG
dc.publisher.programPrograma de Pós-Graduação em Modelagem Matemática e Computacional
dc.titleSistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
dc.typeDissertação

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de.pdf
Tamanho:
8.8 MB
Formato:
Adobe Portable Document Format
Baixar

Coleções

Mestrado em Modelagem Matemática e Computacional