Exportação concluída — 

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

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: Linhares, Luís Fernando
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Lógica fuzzy
Computação evolutiva
Transportes urbanos
Métodos de previsão e correção
Link de acesso: https://repositorio.cefetmg.br//handle/123456789/1218
Resumo: Utilizar 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.
id CEFETMG_7108dc8401c1cee904e93e24e35a82e5
oai_identifier_str oai:repositorio.cefetmg.br:123456789/1218
network_acronym_str CEFETMG
network_name_str Repositório Institucional do CEFET-MG
repository_id_str
spelling Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxiLógica fuzzyComputação evolutivaTransportes urbanosMétodos de previsão e correçãoUtilizar 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.Private 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.Centro Federal de Educação Tecnológica de Minas GeraisPrograma de Pós-Graduação em Modelagem Matemática e ComputacionalBrasilCEFET-MGSilva, Alisson Marques dahttp://lattes.cnpq.br/3856358583630209http://lattes.cnpq.br/6415399254028961Silva, Alisson Marques daMeireles, Magali Rezende GouvêaMaia, Eduardo Habib Bechelane MaiaMenezes, Gustavo CamposLinhares, Luís Fernando2025-04-15T23:21:17Z2022-04-042025-04-15T23:21:17Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.cefetmg.br//handle/123456789/1218porreponame:Repositório Institucional do CEFET-MGinstname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)instacron:CEFETinfo:eu-repo/semantics/openAccess2026-03-31T14:51:01Zoai:repositorio.cefetmg.br:123456789/1218Repositório InstitucionalPUBhttps://repositorio.cefetmg.br/server/oai/requestrepositorio@cefetmg.bropendoar:2026-03-31T14:51:01Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)false
dc.title.none.fl_str_mv Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
title Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
spellingShingle Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
Linhares, Luís Fernando
Lógica fuzzy
Computação evolutiva
Transportes urbanos
Métodos de previsão e correção
title_short Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
title_full Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
title_fullStr Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
title_full_unstemmed Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
title_sort Sistemas Fuzzy evolutivos na previsão e na classificação da demanda de passageiros de táxi
author Linhares, Luís Fernando
author_facet Linhares, Luís Fernando
author_role author
dc.contributor.none.fl_str_mv Silva, Alisson Marques da
http://lattes.cnpq.br/3856358583630209
http://lattes.cnpq.br/6415399254028961
Silva, Alisson Marques da
Meireles, Magali Rezende Gouvêa
Maia, Eduardo Habib Bechelane Maia
Menezes, Gustavo Campos
dc.contributor.author.fl_str_mv Linhares, Luís Fernando
dc.subject.por.fl_str_mv Lógica fuzzy
Computação evolutiva
Transportes urbanos
Métodos de previsão e correção
topic Lógica fuzzy
Computação evolutiva
Transportes urbanos
Métodos de previsão e correção
description Utilizar 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.
publishDate 2022
dc.date.none.fl_str_mv 2022-04-04
2025-04-15T23:21:17Z
2025-04-15T23:21:17Z
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://repositorio.cefetmg.br//handle/123456789/1218
url https://repositorio.cefetmg.br//handle/123456789/1218
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Modelagem Matemática e Computacional
Brasil
CEFET-MG
dc.source.none.fl_str_mv reponame:Repositório Institucional do CEFET-MG
instname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron:CEFET
instname_str Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron_str CEFET
institution CEFET
reponame_str Repositório Institucional do CEFET-MG
collection Repositório Institucional do CEFET-MG
repository.name.fl_str_mv Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
repository.mail.fl_str_mv repositorio@cefetmg.br
_version_ 1863183905134215168

Registros relacionados