Aviso: O site da UTFPR está sendo reestruturado. Você está visitando a nossa página antiga.

Neste momento de transição, algumas atualizações estão sendo realizadas na nova versão, disponível aqui

Você está aqui: Página Inicial curitiba Estrutura do Câmpus Diretorias Diretoria de Pesquisa e Pós-Graduação Mestrado e Doutorado CPGEI Edital de Defesas 2018 CPGEI (Mestrado): Luciano Urgal Pando - 14/06/18

CPGEI (Mestrado): Luciano Urgal Pando - 14/06/18

Defesa Pública de Mestrado do Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial
Quando 14/06/2018
das 14h00 até 17h00
Onde Sede Central: Sala C-301
Nome do Contato Ricardo Lüders
Participantes Prof. Ricardo Lüders, Dr. Orientador - UTFPR
Banca examinadora:
Prof. Ricardo Lüders, Dr. Presidente - UTFPR
Prof. Marcelo de Oliveira Rosa, Dr. - UTFPR
Prof. Aurora Trinidad Ramirez Pozo, Dr. - UFPR
Adicionar evento ao calendário vCal
iCal

Avaliação de técnicas de estimação da matriz origem-destino do tráfego de veículos em cidades

Resumo: O conhecimento do padrão de mobilidade urbana é importante tanto para oferta de serviços públicos de qualidade quanto para planejamento das cidades. Isso pode ser feito através de onerosas pesquisas de campo ou utilizando a enorme quantidade de dados provenientes da monitoração de serviços e do ambiente urbano nas cidades inteligentes. A estimação da matriz origem-destino tem por objetivo aproximar o tráfego estimado de veículos entre determinadas origens e destinos da cidade do tráfego observado nas vias públicas por sensores ou veículos sonda. Este trabalho avalia e compara quatro técnicas de estimação da matriz origem-destino: mínimos quadrados, programação linear inteira mista (MILP), algoritmo genético e enxame de partículas (PSO). Duas cidades são consideradas como estudos de caso: Porto e Curitiba. A cidade do Porto em Portugal dispõe de dados de viagens de táxi utilizados como veículos sonda. A cidade de Curitiba dispõe de sensores de tráfego de veículos nas vias públicas. Com o uso de dados georreferenciados de mobilidade, são considerados também algoritmos de agrupamento espacial para estabelecer áreas de origem e destino e de "map matching" para caracterizar rotas associadas aos deslocamentos. Os resultados obtidos mostram ligeira superioridade para a estimação usando MILP e PSO, mas que dependem fortemente da quantidade e posição dos sensores nas vias.
Palavras-chave: Estimação de matriz origem-destino, Tráfego urbano, Metaheurística, Transporte, Cidade inteligente

Evaluating origin-destination matrix estimation approaches for urban traffic of vehicles

Abstract: The knowledge of urban mobility patterns is important to maintain good public services as well as for city planning. These mobility patterns can be characterized by using expensive fieldwork or through the huge amount of data available from services and environmental monitoring in smart cities. The origin-destination matrix estimation aims to estimate the traffic of vehicles between two particular origin and destination areas in the city from traffic observed by sensors installed at roads or from probe vehicles. This work evaluates and compares four origin-destination matrix estimation techniques: least squares, mixed-integer linear programming (MILP), genetic algorithm and particle swarm optimization (PSO). Two cities are considered as case studies: Porto and Curitiba. The city of Porto in Portugal has data from taxi trips used as probe vehicles. Curitiba in Brazil has sensors of traffic installed at roads. In addition, due to georeferenced spatial data, algorithms for clustering and map matching are considered to characterize areas of origin-destination and routes, respectively. The case studies show better results for MILP and PSO estimates. However, they strongly depend on the amount and position of sensors.
Keywords: Origin Destination matrix estimation, Urban traffic, Metaheuristic, Transportation, Smart city.

Lista de publicações:

PANDO, L. U. ; LÜDERS, R. . Estimation of origin-destination matrix from traffic counts in the city of Porto with PSO and taxi trip data. In: Encontro Nacional de Inteligência Artificial, 2017, Uberlândia. Anais do ENIAC 2017, 2017. v. 1. p. 901-911.