Exploração de dados gerados em trens de passageiros: informações operacionais em estações.

• Ano de defesa: 2025
• Autor(a) principal: Doratiotto, Cesar Augusto
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Carregamento de trens; Classificaçãoi de paradas de trem; Demanda ferroviária; Gestão operacional ferroviária; Rail vehicles; Railway demand; Railway operational management; Train stop classification; Train loading; Veículos sobre trilhos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3138/tde-14012026-090241/

Muitas companhias ferroviárias enfrentam desafios para melhorar seus serviços e a experiência dos passageiros, devido à complexidade da dinâmica operacional e ao monitoramento do fluxo de passageiros, especialmente em estações que contam com várias linhas de conexão. Para superar esses desafios, é fundamental ter acesso a dados operacionais abrangentes, além do simples controle de entradas e saídas nos bloqueios das estações. Os trens paulistas geram dados em seus sistemas embarcados, incluindo métricas como a massa total e velocidade. Esses dados podem contribuir para melhorar a operação ferroviária e o planejamento de novos sistemas. Lacuna: A exploração desses dados ainda se mostra complexa devido ao excesso de registros e à dificuldade de identificar os pontos de relevância. Objetivo: Propomos um recurso computacional que identifica automaticamente os pontos de parada nas estações, sem utilizar sistemas de geolocalização, gerando indicadores operacionais. Metodologia: Foi desenvolvida uma máquina de estados em Python para identificar as paradas dos trens nas estações. O recurso opera comparando a quilometragem percorrida com uma tabela de referência, de forma a extrair informações operacionais. Resultados: A partir dos dados disponibilizados pela Companhia Paulista de Trens Metropolitanos, realizou-se o processamento de mais de 46 milhões de linhas de dados, provenientes de 19 trens operando ao longo de sete dias. Esse processamento, concluído em aproximadamente 39 minutos, resultou na redução de 99,96% do volume original, consolidando as informações em um único arquivo de 1,4 MB, a partir de 5,90 GB inicialmente. O algoritmo classificou corretamente 98,74% das 17.004 paradas em estações, enquanto 214 paradas permaneceram não classificadas, principalmente devido à ausência de dados referenciais necessários para sua identificação com a metodologia proposta. A partir desse processamento, foram obtidas informações operacionais que resultaram em 21 análises gráficas ilustrando diferentes características, sendo uma delas o deslocamento típico de passageiros: nas viagens matutinas, o fluxo predominante ocorre da região metropolitana para o centro, enquanto nos períodos vespertino e noturno, o movimento se inverte. Conclusão: O recurso classificou de maneira eficaz as paradas dos trens nas estações, possibilitando a obtenção de diversas informações operacionais que podem contribuir para superar os desafios inicialmente apresentados. Destacou-se que a taxa de carregamento dos trens ilustra adequadamente a capacidade de lugares disponíveis, mas não reflete com precisão o fluxo de passageiros no sistema ferroviário, uma vez que considera apenas o saldo entre embarques e desembarques. Sendo assim, o recurso atendeu aos objetivos propostos, oferecendo uma nova solução computacional e destacando o potencial dos dados gerados em trens, não apenas para operadores e pesquisadores, mas também como insumo estratégico para sistemas de Big Data, o desenvolvimento de modelos de aprendizado de máquina e outras aplicações em Inteligência Artificial.