Técnicas inteligentes na previsão de demanda em sistemas de compartilhamento de bicicletas
Carregando...
Data
2025-01-30
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
Nos 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.
Descrição
Palavras-chave
Sistemas inteligentes de controle, Previsão, Bicicleta, Regressão, Sistemas fuzzy